LEARNING COLLECTION

机器学习概论

从统计推断与线性模型,到神经网络、卷积和序列建模。

北京大学2026 秋9 篇笔记更新至 2026-11-09

关于这份笔记

依据课程第 1 至 7 讲及序列神经网络课件整理,侧重方法的动机、核心公式、适用条件和模型之间的联系。

来源说明:本系列笔记由 AI 根据课程课件整理生成,已核对部分概念与公式;学习和引用时请结合原课件核实。

这门课的学习路线

建议按这个顺序建立直觉
  1. 01统计推断
  2. 02线性模型
  3. 03神经网络
  4. 04卷积与序列
  5. 05非参数方法

课程目录

按笔记顺序排列
  1. 01第 1 讲:课程简介与机器学习概述
  2. 02第 2 讲:统计推断方法
  3. 03第 3 讲:生成模型与生成式分类
  4. 04第 4 讲:Logistic 回归与判别模型
  5. 05第 5 讲:线性回归、正则化与贝叶斯回归
  6. 06第 6 讲:多层感知机与神经网络训练
  7. 07第 7 讲:卷积神经网络
  8. 08第 8 讲:序列神经网络模型
  9. 09第 9 讲:非参数模型——决策树与支持向量机