李宏毅机器学习课程笔记-3.梯度下降精讲
梯度下降伪代码梯度下降可以优化损失函数的值，使其尽量小，即可找到最好（在数据集上拟合效果最好）的模型参数。
现在假设模型$f$中只有一个参数$w$，则损失函数为$L(f)=L(w)$，梯度下降算法如下（若模型有多个参数，按相同方法更新各参数）
初始化参数
随机选取一个$w^0$（$w^0$并不一
...
李宏毅机器学习课程笔记-2.5线性回归Python实战
本文为作者学习李宏毅机器学习课程时参照样例完成homework1的记录。
关注我的公众号：臭咸鱼，回复LHY可获取课程PPT、数据和代码下载链接。
代码仓库：https://github.com/chouxianyu/LHY_ML2020_Codes
任务描述（Task Description）
...
李宏毅机器学习课程笔记-2.4交叉验证
交叉验证（Cross Validation）在机器学习中，通常不能将全部数据用于模型训练，否则将没有数据集可以用来评估模型。
The Validation Set Approach
定义
将数据集划分成训练集（Training Set）和测试集（Test Set）两部分。
缺点
这种方法的
...
李宏毅机器学习课程笔记-2.3欠拟合与过拟合
欠拟合（Underfitting）定义Bias较大、Variance较小。
如果模型在训练集上的误差很大，则此时Bias是大的，情况为欠拟合。
Bias大时如何处理使用更复杂的模型，比如添加考虑更多维度的输入、把线性模型换成非线性模型。
过拟合（Overfitting）定义Bias较小、Varian
...
李宏毅机器学习课程笔记-2.2如何选择模型、减小误差
模型选择（How to select model）
模型越复杂，一般其在训练集上的误差（Error）越小。
因为更复杂的模型（函数集）包含了更多的函数。比如二次模型包含了线性（一次）模型。
模型越复杂，其在测试集上的误差（Error）不一定越小。
因为模型过于复杂时，越容易被数据影响，可能
...
李宏毅机器学习课程笔记-2.1线性回归模型
回归模型应用案例（Regression Cases）
股票市场预测（Stock Market Forecast）
预测某个公司明天的股票情况
自动驾驶车（Self-Driving Car）
预测方向盘转动角度
推荐系统（Recommendation）
预测某用户购买某商品的可能性
...
李宏毅机器学习课程笔记-1.机器学习概论
机器学习是什么机器学习就是让机器能自动找到一个函数（function）
语音识别（Speech Recognition）
输入是音频，输出是音频对应的文字。
图像分类
输入是图片，输出是类别（比如猫、狗）。
AlphaGo下围棋
输入是当前棋盘的状态，输出是下一步落棋的位置。
对
...
浙江理工大学计算机科学与技术专业课程笔记、试题、课件等复习资料大礼包
模拟电路与数字电路
链接：https://pan.baidu.com/s/1KTUmyqRAG0ilQrBEB72eFQ提取码：5n4y复制这段内容后打开百度网盘手机App，操作更方便哦
百度网盘不让分享，请尽快保存
C++试题
链接：https://pan.baidu.com/s/1QtM
...
一文详解特征缩放、标准化、归一化的定义、区别、特点和作用
前言我在学李宏毅的机器学习课程，助教给的回归作业代码中有数据标准化的操作。
我听过数据标准化，还有归一化、批量归一化等等，但不是很懂，不知道他们具体是什么、有什么区别。
百度上找了挺多文章，讲得都不是很系统，比如大多文章都没讲懂标准化和归一化的区别或者是不同文章讲的内容矛盾了。
用谷歌一搜，就找到了
...
ModuleNotFoundError-No module named jupyter_nbextensions_configurator
启动Anaconda中的Jupyter Notebook的时候，出现如下错误
12345678910[W 08:37:25.964 NotebookApp] Error loading server extension jupyter_nbextensions_configurator Tra
...