李宏毅机器学习笔记——00至05课

大概规划了一条学习的路线,先去走,后面真正入门后再来验证这个路线是否正确。

此时从台大李宏毅的机器学习youtube 或者B站也有视频)课程入门,当然Coursera 上Andrew Ng的课程也是个不错的选择,不过此处以李宏毅的课程作为入门学习。

课程的笔记作了思维导图,如果需要,可能后面会有说明,不过现阶段,暂时不会去说明。所以每篇只有导图,对整体作一个把握,不懂的地方再来重听。

现在写这篇的时候已经听到第5课-Logistic Regression,能坚持下来,因此把这些发出来。

1.笔记

00.简介

01.Regression

02.Bias and Variance

03.Gradient Descent

04.Classification-Probabilistic Generative Mode

05.Classification-Logistic Regression

2.后记

这个笔记做得很简单,这个阶段的目标,只求了解框架,后期可能会按需折返回来学习。因为没有实际的做作业来实践,很难对知识有深入的理解,知识只有在用的过程才能成为你的一部分。

虽然课程已经非常浅显了,在每节课最后需要数学推导时候,直接说你不懂没有关系。但是听了这5课的感受,依然觉得数学遗忘多年,不够用。

虽然也有说法,不懂数学也可以很好入门机器学习,当然有鼓励的意思,不过我现在觉得可能这句话蕴涵了另一一层意思——最基本的数学还是需要的,按需去学习。在课程中用了很多概念,比如条件概率、贝叶斯公式、最大似然估计等,它们的原理理解后,这样来听课会好很多。因此到第5课暂停了下来,去补一些数学知识。