斯坦福机器学习ML公开课笔记1-15（含完整目录索引及NG原版讲义）

简介：
本资源包含斯坦福大学吴恩达教授主讲的机器学习课程前十五节详细笔记，并附有完整的章节目录和英文原版讲义，适合机器学习初学者深入学习使用。 1-15节完整版讲义分享！超清版本~ 目录如下： 公开课笔记1-2：线性规划、梯度下降、正规方程组 公开课笔记3：局部加权回归、逻辑斯蒂回归、感知器算法 公开课笔记4：牛顿方法、指数分布族、广义线性模型 公开课笔记5：生成学习、高斯判别分析、朴素贝叶斯 公开课笔记6：NB多项式模型、神经网络初步介绍和SVM基础内容 公开课笔记7：最优间隔分类器原理，原始/对偶问题及SVM对偶形式 公开课笔记8：核技法详解，软间隔分类器与SMO算法 公开课笔记9：偏差/方差分析、经验风险最小化理论及其联合界一致性收敛探讨 公开课笔记10：VC维解析、模型选择策略和特征选择方法 公开课笔记11：贝叶斯正则化技术介绍，在线学习框架以及机器学习应用建议 公开课笔记12：K-Means聚类算法，混合高斯分布与EM算法 公开课笔记13A：混合高斯模型及混合贝叶斯模型讲解 公开课笔记13B-因子分析模型及其利用EM算法求解过程 公开课笔记14：主成分分析（PCA）原理介绍 公开课笔记15：隐含语义索引、奇异值分解和独立成分分析方法