摘要： 机器学习基石HOW部分(3) 标签：机器学习基石 第十一章 binary classification via (logistic) regression; multiclass via OVA/OVO decomposition 所有的回归算法，经过一些修改，就可以用来做分类。但是分类算法无论怎么 阅读全文

摘要： 机器学习基石HOW部分(2) 标签：机器学习基石 第十章 gradient descent on cross-entropy error to get good logistic hypothesis 从方程的形式、误差的衡量方式、如何最小化Ein的角度出发 之前提过的二元分类器如PLA，其目标函数 阅读全文

摘要： 机器学习基石HOW部分(1) 标签：机器学习基石 第九章 analytic solution wLIN=X†y with linear regression hypotheses and squared error 从方程的形式、误差的衡量方式、如何最小化Ein的角度出发，并简单分析了Hat Mat 阅读全文

摘要： Lecture 3：Types of Learning（各种类型的机器学习问题） 3.1 Learning with Different Output Space（不同类型的输出空间） 用患者患病的例子讲述二元分类、多元分类和回归分析的差别。 1. binaryclassification（二元分类 阅读全文

摘要： Lecture 2: Learning to Answer Yes/No(学会回答是非) PLA A takes linear separable D and perceptrons H to get hypothesis g 2.1 Perceptron Hypothesis Set(感知器的假设 阅读全文

摘要： Lecture 1: The Learning Problem(学习问题) 1.1 CourseIntroduction（课程介绍） 1.2WhatIs Machine Learning（什么是机器学习） 学习与机器学习： 学习：观察 -> 学习 -> 得到技能 机器学习：数据 -> 机器学习 -> 阅读全文