•机器学习基础

优达（Udacity）-机器学习基础-误差原因

误差原因模型预测中，模型可能出现的误差来自两个主要来源：因模型无法表示基本数据的复杂度而造成的偏差（bias）数据足够，模型不够复杂（过度简化），欠拟合因模型对训练它所用的有限数据过度敏感而造成的方差（variance）。预测结果对于任何给定的测试样本会出现多大的变化对训练集高度敏感——过拟合（overfitting）可通过更多的数据进行训练，以降低模型预测结果的方差并提高精度。如果没有更多的数据
沐婉清·2020-08-01 08:38

【转载】深度学习概述：从感知机到深度网络

原文地址：http://www.52ml.net/15104.html深度学习概述：从感知机到深度网络2014年05月10日⁄字号小中大文章目录机器学习基础感知机前馈神经网络自编码器受限波尔兹曼机深度网络卷积网络实现结论附录
xceman1997·2020-08-01 07:09

第一篇：机器学习基础 Numpy： ndarray、数组的基本操作、生成随机数组、数组的索引与切片、ndarray的运算

1numpy优势用于快速处理任意维度的数组：numpy使用ndarray对象来处理多维数组numpy支持常见的数据和矩阵操作2ndarray的属性、ndarray的形状、ndarray的类型importnumpyasnpimportmatplotlib.pyplotasplt#ndarray的属性、ndarray的形状、ndarray的类型defsimple_numpy():score=np.ar
太阳不热·2020-08-01 06:16

机器学习工程师 - Udacity 机器学习基础

一、评估指标1.混淆矩阵：2.准确率(accuracy)：正确分类的点占总点数的比例。在sklearn中很容易计算：fromsklearn.metricsimportaccuracy_scoreaccuracy_score(y_true,y_pred)准确率不适用偏斜严重的数据集。3.精度(precision)：所有预测为阳性的点中，真阳性的点的占比；召回率(recall)：所有标记为阳性的点中，
weixin_30319153·2020-08-01 03:41

机器学习路线

聚类问题机器学习解决问题的思路：特征工程、目标函数、评估函数、模型二、编程基础Offline：shellPython：基本语法、pipenv、numpy、pandas、sklearnOnline：Java、C++三、机器学习基础
lizhifun·2020-08-01 01:57

深度学习入门笔记（六）：误差反向传播算法

专栏——深度学习入门笔记推荐文章深度学习入门笔记（一）：机器学习基础深度学习入门笔记（二）：神经网络基础深度学习入门笔记（三）：感知机深度学习入门笔记（四）：神经网络深度学习入门笔记（五）：神经网络的学习深度学习入门笔记
逐梦er·2020-07-31 23:23

机器学习实战-简要笔记1

书中的源码是是基于python2编写的，我手动敲了一遍，每行加了注释，在python3.4.4中调试通过，github链接：https://github.com/ldgang0530/MLA第一章机器学习基础机器学习了横跨计算机科学
lixg88888888·2020-07-30 19:22

【机器学习基础】随机森林算法

引入我们回顾一下之前学习的两个算法，Bagging算法中，通过bootstrapping得到不一样的数据，通过这些数据送到一个基本算法之后，得到不同的g，最后对这些g取平均得到G；决策树算法中，通过递归方式建立子树，最终得到一棵完整的树。这两种算法都有其鲜明的特点，决策树对于不同的数据相对会敏感一些，即其算法的variance很大，而Bagging的特点是通过投票和平均的方式来降低variance
JasonDing1354·2020-07-30 19:43

【机器学习】Google机器学习工程的43条最佳实践

https://blog.csdn.net/ChenVast/article/details/81449509本文档旨在帮助那些掌握机器学习基础知识的人从Google机器学习的最佳实践中获益。
喜欢打酱油的老鸟·2020-07-30 12:26

机器学习基础练习题（2）线性回归

作业题目基于Lecture4第4页表格中的数据（输入特征为livingarea和#bedrooms，预测房价price），建立线性回归模型预测房价。（老师取了波士顿房价估计模型中的部分数据）模型建立最小二乘法最小二乘法（又称最小平方法）是一种数学优化技术，它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。h
Tommyll·2020-07-30 04:16

第二章：深度学习基础

信息论模型1.熵2.联合熵3.条件熵4.相对熵四、常用统计量1.期望2.方差3.协方差五、最优化估计方法1.最小二乘法介绍2.最小二乘法的定义3.最小二乘法的通用形式4.最小二乘法的求解方法PartTwo.机器学习基础一
一只懒猪猪·2020-07-30 04:58

机器学习实战(基于Scikit-Learn和TensorFlow)

第一部分机器学习基础第一章-机器学习概览本章是机器学习的最初级入门，这里会介绍很多的机器学习相关术语，应当熟记于心。1什么是机器学习：笔者：直观而言，机器学习就是让机器去学习。学什么呢?
一只懒猪猪·2020-07-30 04:51

机器学习实战pdf|网盘下载内附提取码

点击此处进入下载地址提取码：67ju目录第一部分分类第1章机器学习基础.....................................21.1何谓机器学习...................
py青原·2020-07-29 21:00

吴恩达【深度学习课程】笔记

课程链接：网易云课堂——吴恩达【深度学习】微专业二、改善深层神经网络：超参数调试、正则化以及优化5.1.3机器学习基础首先检查网络在traindata上的偏差，如果偏差较大，考虑使用更大的网络、训练更长的时间
pluo1717·2020-07-29 16:25

机器学习基础总结——2020最新版(随时更新)

一、机器学习(ML)人工智能的一个分支，让一个计算机程序针对某一特定任务，从经验中学习，并且越来越好。二、深度学习(DL)是机器学习算法中的一种算法，一种实现机器学习的技术和方法。三、机器学习的类型，及详细解释类型说明Supervisedlearning训练集包含特征(x)和目标(y)，且目标人为标注【需要你提前告诉模型，你输入的特征是什么，目标是什么】，模型根据这个训练集学习出一个函数，当新的数
天道酬勤、业道酬精、学道酬苦·2020-07-29 14:02

《机器学习实战》整理--分类算法（1）

从这本的第一章《机器学习基础》中可以了解到，机器学习横跨计算机科学、工程技术和统计学等多个学科，需要多学科的专业知识。机器学习就是把无用的
Icevivina·2020-07-29 03:34

机器学习基础

向量向量的模向量的范数常见的向量及类型矩阵和张量矩阵的基本运算常见矩阵导数向量求导导数运算法则导数法则常用函数及其导数Logistic函数Softmax函数向量标量（Scalar）实数向量(Vector)n个实数组成的有序数组，称为n维向量。如果没有特别说明，一个n维向量一般表示列向量，既大小为nx1的矩阵。⎡⎣⎢⎢⎢a1a2...an⎤⎦⎥⎥⎥[a1a2...an]向量的模向量的模||a||表示
xuefenxi·2020-07-29 01:00

《机器学习实战》-机器学习基础

目录机器学习基础什么是机器学习机器学习应用场景海量数据机器学习的重要性机器学习的基本术语监督学习和非监督学习监督学习：supervisedlearning非监督学习：unsupervisedlearning
weixin_30266885·2020-07-28 15:33

机器学习基础 之 概率图模型

文章目录隐马尔可夫模型马尔可夫随机场条件随机场学习与推断近似推断话题模型转自：https://www.zhenxiangsimple.com/2019/04/12/tech-ml-gltmx/隐马尔可夫模型  隐马尔可夫模型是马尔可夫链的一种形式，马尔可夫链可以理解为一个状态变量受到其他所有状态的条件依赖关系，可以由一个状态代替，而不用去处理较多的状态，如果将状态使用时序表示，可以描述为系统的下一
放羊郎·2020-07-28 12:44

机器学习基础

概率论与统计学审题时应注意，如何定义“基本事件”(必须等可能，即一个基本事件包含的等可能实验结果数应一样，因为分子和分母都是基本事件的组合数，若单位不同则不可相除)，分子和分母对基本事件的定义和组合步骤以及列表是否有序必须一致。计算事件概率时一定要留意事件的定义，其中的至少之类的字眼，分解为互斥事件时小心有遗留。每个事件都是一个filter，过滤实验结果；一个事件也意味着这个世界在某个(或多个)时
齐物·2020-07-28 11:41

机器学习基础：案例研究——week 5

#导入数据importgraphlabsong_data=graphlab.SFrame("song_data.gl/")#查看数据结构song_data.head()数据结构如下：Paste_Image.png数据由user_id,song_id,listen_count,title,artist,song这几列构成。Whichoftheartistsbelowhavehadthemostuni
Think123DO·2020-07-28 10:26

Andrew Ng-机器学习基础笔记（上）-Python实现代码

目录1.引言：1.1Welcome:1.2机器学习是什么？1.3监督学习1.4无监督学习：总结：2.线性回归单变量的线性回归2.1模型表示2.2代价函数2.3代价函数的直观理解：2.4代价函数的直观理解2.5梯度下降（Gradientdescent）2.6梯度下降的直观理解2.7梯度下降的线性回归3、线性代数回顾3.1矩阵和向量3.2加法和标量陈发3.3矩阵向量乘法3.4矩阵乘法3.5矩阵乘法的性
忆_恒心·2020-07-28 07:20

Andrew Ng-机器学习基础笔记（下）-Python实现代码

目录前言：10.应用机器学习的建议10.1决定下一步做什么10.2评估一个假设10.3模型选择和交叉验证集10.4诊断误差和方差10.5正则化和偏差/方差10.6学习曲线10.7决定下一步做什么11机器学习系统的设计(MachineLearningSystemDesign)11.1首先要做什么11.2误差分析11.3类偏差的误差度量：11.4查准率和查全率（召回率）之间的权衡11.5机器学习的数据
忆_恒心·2020-07-28 07:48

Andrew Ng-机器学习基础笔记-SVM

目录前言：12支持向量机（SupportVectirMachines）12.1优化目标12.2大边界的直观理解12.3大边界分类背后的数学12.4核函数112.5核函数212.6使用支持向量机总结：课后作业：前言：因为书写难度以及后面需要补充等原因，写完每一小部分在进行一次合并。12支持向量机（SupportVectirMachines）12.1优化目标在监督学习中，许多学习算法的性能都非常类似，
忆_恒心·2020-07-28 07:48

机器学习基础-逻辑回归练习

目录1前言2练习2.1查看数据图像：2.2sigmoid函数2.3代价函数：2.4梯度下降函数2.5预测函数3正则化逻辑回归实现的完整代码调用库结尾：1前言ex2-logisticregression在这个练习中，你将使用逻辑回归来判断学生是否被大学录取在训练的初始阶段，我们将要构建一个逻辑回归模型来预测，某个学生是否被大学录取。设想你是大学相关部分的管理者，想通过申请学生两次测试的评分，来决定他
忆_恒心·2020-07-28 07:17

机器学习基础-机器学习练习 6 - 支持向量机

目录前言：第一部分练习-绘图分析线性可分的用非线性决策边界。第二部分的练习：小结前言：在本练习中，我们将使用支持向量机（SVM）来构建垃圾邮件分类器。我们将从一些简单的2D数据集开始使用SVM来查看它们的工作原理。然后，我们将对一组原始电子邮件进行一些预处理工作，并使用SVM在处理的电子邮件上构建分类器，以确定它们是否为垃圾邮件。第一部分练习-绘图分析线性可分的看看线性SVM如何对数据集进行不同的
忆_恒心·2020-07-28 07:17

机器学习 探讨系列 绝对干货

专题分为六个篇章：1）机器学习基础篇褪去华衣裸视学习之高斯分布褪去华衣裸视学习之
playoffs·2020-07-28 04:00

python机器学习(常用科学计算库的使用)

机器学习目录机器学习机器学习概述机器学习基础环境安装与使用机器学习概述人工智能主要分支人工智能和机器学习，深度学习的关系机器学习是人工智能的一个实现途径深度学习是机器学习的一个方法发展而来主要分支计算机视觉语音识别文本挖掘
joker_hai·2020-07-28 04:36

不枯燥，绝对一看就懂的神经网络入门文章，强烈推荐

本文对阅读没有一定的前提要求，但是懂一些机器学习基础会更好地帮助理解本文。神经网络是一种模拟人脑的神经网络以期能够实现类人工智能的机器学习技术。人脑中的神经
敲碎键盘·2020-07-28 02:34

机器学习基础知识（一）：机器学习三大流派

行为主义派（Actionism）行为主义又称为进化主义或控制论学派，是一种基于“感知——行动”的行为智能模拟方法，行为主义最早来源于20世纪的一个心理学流派，认为行为是有机体用以适应环境变化的各种身体反应的组合，它的理论目标在预见和控制行为。其侧重核心在于控制论，认为人工智能源于控制论。控制论思想早在20世纪40~50年代就成为时代思潮的重要部分，影响了早期的人工智能工作者。维纳(Wiener)和
fan1102958151·2020-07-27 21:05

机器学习基础（二）

机器学习基础学习算法  机器学习算法是一种能够从数据中学习的算法。那所谓的学习是什么意思呢？
被风吹走的梦·2020-07-27 16:36

机器学习基础（一）

机器学习基础学习算法  机器学习算法是一种能够从数据中学习的算法。那所谓的学习是什么意思呢？
被风吹走的梦·2020-07-27 16:36

机器学习基础核心算法：贝叶斯分类！(附西瓜书案例及代码实现)

Datawhale作者：尹晓丹，Datawhale优秀学习者寄语：首先，简单介绍了生成模型和判别模型，对条件概率、先验概率和后验概率进行了总结；其次，对朴素贝叶斯的原理及公式推导做了详细解读；再次，对三种可能遇到的问题进行了解析，给出了合理的解决办法；最后，对朴素贝叶斯的sklearn参数和代码进行了详解。贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。而朴素贝叶
Datawhale·2020-07-27 15:18

KNN+交叉验证

KNN+交叉验证复习机器学习概述概念样本特征工程概念作用特征抽取特征值化one-hotjieba分词特征的预处理归一化标准化特征选择PCA方差过滤机器学习基础数据集的获取sklearn数据集的切分训练集测试集数据类型离散型连续性回归问题回归模型分类问题分类模型
浅笑_7cad·2020-07-21 22:23

2020机器学习系列新书-《机器学习基础》pdf完整版

机器学习是一门将人类知识和推理过程提炼为一种适合机器和工程自动化系统自动处理的过程的学科。随着机器学习基于应用变得越来越普遍，以及相关的软件包也变得越来越容易使用，底层的技术细节被抽象出来并对使用者不可见，这是很自然且也是我们所期待的。然而，这也带来了一种危险，技术使用者可能不知道算法数学基础，从而意识不到机器学习算法的局限性。对于想要了解机器学习算法背后的技术细节的研究者而言，目前面临着一系列问
图灵的猫.·2020-07-16 07:20

学习笔记——神经网络与深度学习

第一部分机器学习基础Chapter1绪论1、为了学习一种好的标识，需要构建具有一定深度的模型，并通过学习算法让模型自动学习初更好的特征表示。深度：指的是原始数据进行非线性特征转换的次数。
黄小米吖·2020-07-16 06:56

机器学习基础

少年听雨歌楼上。红烛昏罗帐。壮年听雨客舟中。江阔云低、断雁叫西风。而今听雨僧庐下。鬓已星星也。悲欢离合总无情。一任阶前、点滴到天明。——虞美人·听雨蒋捷缘起机器学习是当前最为热门的话题之一。自动驾驶、神经网络、人工智能等一个个”高大上“的词语不禁让我们眼花缭乱。抽丝拔茧后不难发现，这些技术都是与机器学习相关的。实际上，机器学习并不像我们相像中的那么高深，离我们也没有那么遥远，其基本原理还是非常容易
奔跑的企鹅_liuqt·2020-07-16 02:29

2020机器学习系列新书-《机器学习基础》pdf完整版分析

机器学习是一门将人类知识和推理过程提炼为一种适合机器和工程自动化系统自动处理的过程的学科。随着机器学习基于应用变得越来越普遍，以及相关的软件包也变得越来越容易使用，底层的技术细节被抽象出来并对使用者不可见，这是很自然且也是我们所期待的。然而，这也带来了一种危险，技术使用者可能不知道算法数学基础，从而意识不到机器学习算法的局限性。对于想要了解机器学习算法背后的技术细节的研究者而言，目前面临着一系列问
lqfarmer·2020-07-16 02:24

机器学习基础（五十）—— Gini Impurity（基尼不纯度）与香浓熵（Shannon Entropy））

基尼不纯度/香浓熵：衡量集合的无序程度；基尼不纯度基尼不纯度：将来自集合的某种结果随机应用于某一数据项的预期误差率。IG(f)=∑i=1mfi(1−fi)=∑i=1mfi−∑i=1mf2i=1−∑i=1mf2i（1）显然基尼不纯度越小，纯度越高，集合的有序程度越高，分类的效果越好；（2）基尼不纯度为0时，表示集合类别一致；（3）基尼不纯度最高（纯度最低）时，f1=f2=…=fm=1m，IG(f)=
Inside_Zhang·2020-07-16 01:38

机器学习之数据变换——基于Scikit-Learn

《Python机器学习基础教程》笔记一些算法，例如神经网络和SVM对数据缩放非常敏感，因此，通常的做法是对特征进行调节，使数据表示更适合于这些算法。
elma_tww·2020-07-15 22:11

李航：统计学习方法 学习笔记 1 统计学习方法概论

想利用这段时间系统学习一下机器学习基础，简单记录一下自己的学习过程，也算是对自己的一种监督。1.1统计学习统计学习（statisticslearning
雪清Fand·2020-07-15 19:27

1.机器学习基础概念

数据集的分类：学习方式：监督学习、无监督学习、半监督学习监督学习监督学习就是最常见的分类（注意和聚类区分）问题，通过已有的训练样本（即已知数据及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优表示某个评价准则下是最佳的），再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的。也就具有了对未知数据分类的能力。监督学习是训练神经网络和决策树的常见技术
QiuGuoJing·2020-07-15 18:27

《机器学习实战》第一章——机器学习基础——笔记

1.机器学习的一个主要任务就是分类。2.学习如何分类需要做算法训练，为算法输入大量已分类数据作为算法的训练集。3.分类问题中的目标向量称为类别，并假定分类问题只存在有限个数的类别。4.训练数据和测试数据。5.假定某一个算法，经过测试满足精确度要求，已经学会了如何分类，这部分工作称之为知识表示。6.机器学习的另一个主要任务就是回归，主要用于预测数值型数据。7.分类和回归属于监督学习，之所以称为监督学
wxw060709·2020-07-15 10:27

【Python】学习笔记（三）：机器学习基础入门

机器学习简介1机器学习1.1数据集数据集=特征值+目标值1.2算法分类监督学习目标值：类别-分类问题目标值：连续数据-回归问题无监督学习：无目标值1.3机器学习流程1.4Scikit-learnpip3installScikit-learn==0.19.12sklearn特征工程2.1scikit-learn数据集API2.2数据集2.2.1小数据集2.2.2大数据集2.2.3返回值#导入鸢尾花f
张林克·2020-07-15 09:53

机器学习基础算法（一）

一、k-近邻法->文章来自此处简介k-近邻法是一种基本分类与回归方法。基本原理为：存在一个已知数据集，每个数据集都存在标签，输入没有标签的新数据后，将新的数据的每个特征与样本集中数据对应的特征进行比较，然后算法提取样本最相似数据(最近邻)的分类标签。一般来说，我们只选择样本数据集中前k个最相似的数据，这就是k-近邻算法中k的出处，通常k是不大于20的整数。最后，选择k个最相似数据中出现次数最多的分
炸鸡啤酒呢·2020-07-15 09:08

2020-1-29 深度学习笔记5 - 机器学习基础（构建机器学习算法）

第5章机器学习基础官网学习算法机器学习算法是一种能够从数据中学习的算法。
没人不认识我·2020-07-15 07:38

《机器学习实战》 第一章 机器学习基础

训练集：用于训练机器学习算法的数据样本集合目标变量：机器学习的预测结果（在分类算法中通常为标称型，在回归算法中通常是连续型）为了测试机器学习算法的效果，通常使用两套独立的样本集：训练数据和测试数据。使用训练数据作为算法的输入，训练完成后输入测试样本，比较测试样本的预测的目标变量值和实际样本类别的差别来得到算法的实际精确度。主要任务分类问题：将实例数据划分到合适的分类中回归：用于测试数值型数据（数据
Big_Body·2020-07-15 06:24

机器学习基础+算法+实战，不走弯路

如果要把机器学习的掌握程度划分成三种境界：第一层拥有必要的数学与编程基础，了解算法的使用；数学基础：|线性代数|多元微积分|概率论与数理统计|复杂性优化编程基础：python|numpy和pandas库等核心算法：|分类相关的算法：K-近邻、决策树、朴素贝叶斯、逻辑回归、支持向量机等|回归相关的算法：线性回归、树回归等|聚类相关的算法：K-均值、层次聚类、密度聚类等第二层能把算法运用到项目实践中，
weixin_39721691·2020-07-15 06:14

机器学习：从入门到晋级

在这里，不会详细介绍机器学习算法的基本原理，而是通过将比较有意思的视频（YouTube）和文字相结合，逐渐增加对机器学习基础的理解。当
weixin_33919950·2020-07-15 04:30

《机器学习实战》第一章 机器学习基础

机器学习基础概念训练集是用于训练机器学习算法的数据样本集合。目标变量是机器学习算法的预测结果，在分类算法中目标变量的类型通常是标称型的，而在回归算法中通常是连续型的。
大美mixer·2020-07-14 18:35
上一页 21 22 23 24 25 26 27 28 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他