ML-notes

notes about machine learning

很喜欢一句话：应用之道，存乎一心，与大家共勉

ps：如果我的笔记对你有帮助，给个star叭！

做了一段时间的笔记，发现真正去做project的时候，自己还是很生疏的，machine learning理论学习得再详尽，最终也还是要落于实践才行，这段时间我将陆续将自己所做的几个Assignment上传至github上，尽量注释详细，并使用多种方法进行对比验证：https://github.com/Sakura-gh/ML-assignments

pages

the github page is: https://Sakura-gh.github.io/ML-notes

you can also visit gitee page for quicker Internet in China: https://Sakura-gh.gitee.io/ml-notes

keras实践经验：

keras-tips

html链接：

1_Introduction

2_Regression Case Study

3_Regression demo(Adagrad)

4_Where does the error come from

5_Gradient Descent

6_Classification

7_Logistic Regression

8_Deep Learning

9_Backpropagation

10_Keras

11_Convolutional Neural Network part1

12_Convolutional Neural Network part2

13_Tips for Deep Learning

14_Why Deep

csdn博客链接：

机器学习系列1-机器学习概念及介绍

机器学习系列2-回归案例研究

梯度下降代码举例：Gradient Descent Demo(Adagrad)

机器学习系列4-模型的误差来源及减少误差的方法

机器学习系列5-梯度下降法

机器学习系列6-分类问题(概率生成模型)

机器学习系列7-逻辑回归

机器学习系列8-深度学习简介

机器学习系列9-反向传播

机器学习系列10-手写数字识别(Keras2.0)

机器学习系列11-卷积神经网络CNN part1

机器学习系列12-卷积神经网络CNN part2

机器学习系列13-深度学习的技巧和优化方法

机器学习系列14-为什么要做“深度”学习

代码链接：

Gradient Descent Demo(Adagrad)

手写数字识别(Keras2.0)

手写数字识别CNN实现(Keras2.0)

Assignments链接：

• PM2.5预测：Regression
• 年收入预测：Classification

LICENSE:

GPL-2.0

温馨提示：

图片加载可能会有些许缓慢，请耐心等待\(^o^)/