简介

作者：hschen
QQ：357033150
邮箱：[email protected]

此笔记主要总结自一些论文、书籍以及公开课，由于本人水平有限，笔记中难免会出现各种错误，欢迎指正。
由于Github渲染.ipynb文件较慢，可以用nbviewer加快渲染：点此加速

目录

1.公开课/读书笔记

• 徐亦达机器学习笔记

  • 采样算法系列1——基本采样算法
  • 采样算法系列2——MCMC
  • EM算法
  • 变分推断
  • 高斯分布的变分推断
  • 指数分布族
  • 指数分布族的变分推断

• CS229课程笔记

  • 广义线性模型
  • EM算法
  • 增强学习系列1
  • 增强学习系列2

• 台大机器学习基石笔记

  • 第一讲-学习问题

• PRML读书笔记

  • 第一章 简介
    • 1.1 多项式曲线拟合
    • 1.2 概率论回顾
    • 总结-曲线拟合的三种参数估计方法
  • 第二章 概率分布
    • 2.1 二元变量
    • 2.2 多元变量
  • 第三章 线性回归模型
    • 3.1 线性基函数模型
    • 总结-贝叶斯线性回归

2.机器学习笔记

• xgboost笔记
  • 1. xgboost的安装
• softmax分类器
• 用theano实现softmax分类器
• 用SVD实现岭回归
• SVD系列1

3.NLP笔记

• LDA系列1——LDA简介
• LDA系列2——Gibbs采样
• 朴素贝叶斯

4.深度学习笔记

• theano笔记

  • 2. theano简单计算
  • 3. theano共享变量
  • 4. theano随机数
  • 6. theano的scan函数
  • 7. theano的dimshuffle

• mxnet笔记

  • 1. Win10下安装MXNET

  • 2. MXNET符号API

  • mxnet中的运算符

  • mshadow表达式模板教程

• keras笔记

  • keras心得

• windows下安装caffe

• BP算法矩阵形式推导

• 随时间反向传播算法数学推导过程

• 用numpy实现RNN

• 随机矩阵的奇异值分析