•机器学习基础第29页

机器学习入门书单整理

零壹视界·2020-06-27 01:18

【机器学习基础】EM算法

目录一样例二公式描述三参考文献最大期望算法（Expectation-maximizationalgorithm，又译为期望最大化算法），是在概率模型中寻找参数最大似然估计或者最大后验估计的算法，其中概率模型依赖于无法观测的隐性变量。最大期望算法经过两个步骤交替进行计算：第一步是计算期望（E），利用对隐藏变量的现有估计值，计算其最大似然估计值；第二步是最大化（M），最大化在E步上求得的最大似然值来计

Tuzi_bo·2020-06-26 23:35

送书 | 吐血整理：机器学习的30个基本概念，都在这里了（手绘图解）

导读：本文主要介绍机器学习基础知识，包括名词解释（约30个）、基础模型的算法原理及具体的建模过程。

敲代码的灰太狼·2020-06-26 20:04

人工智能技术体系-机器学习基础第一讲

学习AI，我们并非初始就针对各种深度学习网络架构，而是应该从机器学习开始。1.基础学习资料（1）统计学习方法-李航著此书偏向原理和推导。包括对感知机、k近邻算法、朴素贝叶斯法、决策树、逻辑斯谛回归、支持向量机（SVM）等详细定义和描述。契合上篇文章中的技术体系图内容。（2）台大林轩田机器学习视频教程个人无意中发现的，喜欢其教学思路，虽然他的书籍和课件是英文的，但视频教程是中文的，结合《统计学习方法

五癫·2020-06-26 19:37

机器学习基础之规则学习

文章目录序贯覆盖剪枝优化一阶规则学习归纳逻辑程序设计转自：https://www.zhenxiangsimple.com/2019/04/12/tech-ml-gzxx 规则学习就是指通过样本学习一个明确的规则，用以对待分类样本进行分类，目标是产生一个能覆盖尽可能多的样本的规则集。规则常分为命题规则和一阶规则，命题规则指使用具体原子命题和逻辑关系组合成的简单陈述句，一阶规则是由可以描述属性的原子

放羊郎·2020-06-26 16:53

TensorFlow on Android（7）: 训练一个独一无二，属于你自己的模型

在前面的几篇文章中，我们已经学会了如何使用一个事先训练好的pre-trainedmodel来识别图片中的多种物体，这很好，也很酷，即使没有任何机器学习基础的同学也可以做出一个相当专业的应用了，也许有些聪明的同学已经把静态图片识别移植到了视频监控上面

sufish·2020-06-26 15:42

机器学习基础维基翻译 Johnson-Lindenstrauss降维应用于广义因子模型及简单的sklearn例子

TheJohnson-LindenstrausslemmastatesthatanyhighdimensionaldatasetcanberandomprojectedintoalowerdimensionalEuclideanspacewhilecontrollingthedistortioninthepairwisedistances.(变换的失真度由两个距离所控制)Thedistortion

斯温jack·2020-06-26 11:53

神经网络浅讲：从神经元到深度学习

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

sherry_gp·2020-06-26 09:30

PaddlePaddle学习笔记：新手入门：机器学习基础知识

1.机器学习分类机器学习主要可以分为监督学习和无监督学习监督学习中包括分类（如决策树，SVM）和回归(线性回归，非线性回归)等无监督学习中包括聚类，词嵌入等2.有监督学习和无监督学习的区别有监督学习的数据本身包含标签，无监督学习则无标签，需要依靠数据中潜在的结构。3.模型监督学习中，模型就是数据集X到Y的映射f如翻译中，X为中文句子，Y为英文句子。样本：（x，y），数据集是样本构成的集合模型能力：

sherry颖·2020-06-26 09:58

XGBoost 2 - 机器学习基础

2-机器学习基础监督学习分类回归树随机森林2.1-监督学习模型参数目标函数损失函数正则项优化2.1.1-模型若y为离散值，则为分类问题；若y为连续值，则为回归问题。对于给定的x如何预测标签y^y^?

_席达_·2020-06-26 05:47

machine learning博客索引

机器学习基础机器学习笔记-线性回归机器学习笔记-Logistic回归机器学习笔记-利用线性模型进行分类机器学习笔记-NonlinearTransformation机器学习笔记-HazardofOverfitting

_席达_·2020-06-26 05:47

周志华《机器学习》西瓜书精炼版笔记来了！16 章完整版

本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。

红色石头Will·2020-06-26 05:54

吴恩达机器学习笔记之机器学习基础（内含机器学习路线、机器学习资源）

这里小编简单的罗列出一些本人刚开始着手于机器学习时候的小问题，并将小编了解到的答案采用问答的方式给读者进行解释，本文也可以用做感兴趣的读者作为科普使用，如果答案有误，欢迎评论。先声明，小编也只是一个刚入门的小菜鸡。Q：什么是机器学习？A：简单来讲，机器学习就是将无序的数据转换成有用的信息。Q：机器学习都有哪些应用？A：简单列举几个：人脸识别，手写数字识别，垃圾邮件过滤，你逛某宝时的推荐系统，搜索引

佰无一用是书生·2020-06-26 03:23

机器学习实战（笔记）：第 1 章机器学习基础

监督学习一般使用两种类型的目标变量：标称型：目标变量的结果只在有限目标集中取值：真与假，动物分类集合数值型：目标变量可以从无限的数值集合中取值：0.100、42.001；主要用于回归分析第1章机器学习基础

凉秋_不见春暖·2020-06-26 01:15

机器学习系列（三）——目标函数、损失函数以及代价函数

机器学习基础（三）机器学习系列（一）——基础概念及分类机器学习系列（二）——分类及回归问题文章目录机器学习基础（三）4.代价函数4.1为什么要使用代价函数4.2目标函数的作用原理4.3为什么目标函数是负的

Way_X·2020-06-25 22:22

《python深度学习》学习笔记与代码实现（第四章）

第四章：机器学习基础本章涵盖了1.分类和回归以外的机器学习形式2.机器学习模型的正式评估过程3.为深度学习准备数据4.特征工程5.解决过拟合6.解决机器学习问题的通用工作流程在第三章的三个实际例子之后，

Tersai·2020-06-25 21:17

Python机器学习基础-学习笔记+教程资源分享

**前言**废话不多说，先上教程资源：https://pan.baidu.com/s/1zHGyvFI1Q_DThYu3WU2ymg里面有1、《Python机器学习基础》高清PDF中英文双版+实战源代码

江北小阿Giao·2020-06-25 20:25

python机器学习算法（赵志勇）学习笔记(基础部分)

文章目录机器学习基础机器学习概念机器学习算法的分类监督学习监督学习重点监督学习的流程监督学习算法分类问题（Classification）回归问题（Regression）无监督学习概念无监督学习的流程无监督学习算法聚类算法推荐系统和深度学习推荐系统的意义深度学习由来

墨风拂尘·2020-06-25 18:02

（2）机器学习基础（深度学习500问）

=======================================================================（1）监督学习：有数据和标签，学习一个模型预测一个输出（决策函数）应用：分类问题，回归问题常见算法：逻辑回归，反向传递神经网络（2）非监督学习：有数据无标签应用：推断数据内部结构，关联规则，聚类常见算法：Apriori算法，k-Means算法（3）半监督学习

knitzj·2020-06-25 17:19

机器学习与数学基础知识（一）

第一集的视频主要是系统介绍了机器学习基础与相关数学基础的一些概念，具体的内容

22世纪_冲刺·2020-06-25 17:04

Python机器学习基础教程（一）：简介

其他平台（知乎/B站）也是同名「图灵的猫」，不要迷路哦~这周开始做《Python机器学习基础教程》的系列，因为

图灵的猫.·2020-06-25 16:02

python 机器学习基础（一）

前言本博客主要是记录一些学习《python机器学习基础》的心得，通过记录博客来作为输出，希望能够和大家一起分享知识。

Skyones·2020-06-25 12:21

机器学习基础-9.支持向量机SVM

一、支持向量机svm1.概念svm即supportvectormachine支持向量机，它既可解决分类问题，也可解决回归问题。在说明svm前，先看由逻辑回归得到的决策边界，如下左图所示。虽然这个决策边界将训练的样本区分开，但是这个决策边界的泛化能力并不好，靠近红色的那个蓝点明显地影响了最终决策边界的位置，而实际上这可能只是个噪声点。更合理的划分方式应该是如下右图所示。svm的思想，直观地来说，就是

闲人勿-·2020-06-25 02:23

python机器学习基础教程（一）

第一个应用：鸢尾花分类本文构建第一个机器学习模型，并介绍一些核心概念和术语。假设有一名植物学家对莺尾花品种很感兴趣，他收集了每一朵莺尾花一些测量数据：花瓣的长度和宽度以及花萼的长度和宽度。所测量结果单位为厘米。他还有一些燕尾花的测量数据，这些花之前已经被植物学家鉴定为setosa，versicolor和virginica三个品种之一。对于这些测量数据他可以确定梅朵燕尾花的品种，假设这位植物学家在野

狗蛋儿张·2020-06-25 01:43

Python数据挖掘与机器学习实战读书笔记—机器学习基础

几个概念：人工智能：智能机器，如计算机做识别、判断、证明、学习和问题求解等思维活动。机器学习：人工智能的分支、核心。科学成分重。数据挖掘：从海量数据中获取有用数据。技术成分重。-机器学习概述什么是机器学习？通过历史数据的训练产生模型，输入新的数据到模型中，模型可以预测出未知的属性。-机器学习发展历程第一阶段：通过软件编程操控计算机完成逻辑推理功能，机器未能智能。缺乏大量先验知识。第二阶段：利用自身

我是一个脸·2020-06-25 00:29

鸢尾花分类

Python机器学习基础教程学习笔记鸢尾花分类：初识数据：鸢尾花，测量数据：花瓣的长度和宽度，花萼的长度和宽度，所有测量结果都以厘米为单位。

FreeQuanT00·2020-06-24 23:23

一、机器学习基础知识

机器学习基础知识引言谈到人工智能、深度学习，相信目前IT互联网领域的从业者应该都是耳熟能详的。但是大家都知道，其实人工智能早已出现为什么等到本世纪初再一次大火起来呢？人工智能、深度学习以及

翟羽嚄·2020-06-24 13:32

Python深度学习（一）深度学习基础

第二章深度学习的数学构建模块：https://www.jianshu.com/p/ba51e470b736第三章神经网络入门：https://www.jianshu.com/p/f1332c58ca86第四章机器学习基础

风1995·2020-06-24 11:10

introduction to deep learning--week1简单线性回归、梯度下降、模型正则化、和深度学习中的优化方法

进阶课程需要一些基础知识：1、机器学习基础知识2、概率论知识3、线性代数和微积分4、python编程我们需要知道的机器学习基础知识：1、线性回归：均方误差（MSE）、解析解2、逻辑回归：模型、交叉熵损失

昌李·2020-06-24 07:01

资源《机器学习基础：案例研究》by 华盛顿大学

姓名：崔少杰学号：16040510021转载自：http://www.jianshu.com/p/ebd5d270407d=有修改【嵌牛导读】：华盛顿大学提供的关于机器学习基础的案例研究【嵌牛鼻子】：机器学习

随心所欲_7b32·2020-06-24 05:33

2、python机器学习基础教程——K近邻算法鸢尾花分类

一、第一个K近邻算法应用：鸢尾花分类importnumpyasnpfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.neighborsimportKNeighborsClassifier#加载数据iris_dataset=load_iris()#实例化模型k

天降攻城狮·2020-06-24 03:39

机器学习基础（三十一）—— 岭回归（Ridge Regression）到 LASSO

如果数据集的特征比样本点还多（XN×d,d>NX_{N\timesd},d>NXN×d,d>N）怎么办？是否还可以使用线性回归来做预测？答案是否定的，因为在计算(XTX)−1(X^TX)^{-1}(XTX)−1的时候会出错。为了解决这个问题，统计学家引入了岭回归（ridgeregression）的概念。简单说来，岭回归就是在矩阵XTXX^TXXTX上加一个λI\lambdaIλI使得矩

Inside_Zhang·2020-06-24 02:58

【Python机器学习基础教程1】第一章引言+例子

引言：机器学习分类下的文章以南京大学教授周志华的《机器学习》西瓜书作为理论指导，所以该分类下的文章对理论知识不在赘述，以《Python机器学习基础教程》作为实践指导，这两本书籍都是机器学习经典教程。

Frank Kong·2020-06-24 01:23

第三篇，安装Tensorflow2.0

文章目录写在前面STEP.1Anaconda的使用STEP.2安装Tensorflow2.0结束写在前面上一篇文章（搭建机器学习基础环境）中，讲解了在新安装的Ubuntu系统下，如何安装Nvidia机器学习环境这篇文章主要讲解如何更好的安装

huanghyw·2020-06-23 15:55

【机器学习基础】数学推导+纯Python实现机器学习算法3：k近邻

作为一种没有显式训练和学习过程的分类和回归算法，k近邻在众多有监督机器学习算法中算是一种比较独特的方法。说它独特，是因为k近邻不像其他模型有损失函数、有优化算法、有训练过程。对于给定的实例数据和实例数据对应所属类别，当要对新的实例进行分类时，根据这个实例最近的k个实例所属的类别来决定其属于哪一类。所以相对于其它机器学习模型和算法，k近邻总体上而言是一种非常简单的方法。k近邻基本理论先来看k近邻算法

风度78·2020-06-23 07:43

【机器学习基础】数学推导+纯Python实现机器学习算法2：逻辑回归

自本系列第一讲推出以来，得到了不少同学的反响和赞成，也有同学留言说最好能把数学推导部分写的详细点，笔者只能说尽力，因为打公式实在是太浪费时间了。。本节要和大家一起学习的是逻辑（logistic）回归模型，继续按照手推公式+纯Python的写作套路。逻辑回归本质上跟逻辑这个词不是很搭边，叫这个名字完全是直译过来形成的。那该怎么叫呢？其实逻辑回归本名应该叫对数几率回归，是线性回归的一种推广，所以我们在

风度78·2020-06-23 07:43

模型、框架及应用：深度学习系列16讲

3月13日讲座议程机器学习基础时间：14:00-15:00内容简介：机器学习在互联网产品中的应用有监督学习及LR模型相关算法机器学习算法工程师的日常工作介绍深度学习在企业应用简介本场直播讲师：王晓博（永叔

云栖社区v·2020-06-23 06:37

《Python机器学习基础教程》监督学习总结

《Python机器学习基础教程》笔记一、监督学习的分类监督学习主要有两种：分类与回归。分类问题的目标是预测类别标签，回归任务的目标是预测一个连续值。

elma_tww·2020-06-23 06:04

机器学习基础 - [第二章：多变量线性回归]（4）特征选择与多项式回归

1、什么是多项式回归？多项式回归是指利用线性回归函数来拟合复杂函数；或者说假设函数不再是简单的一次函数；例如：h(θ)=θ0+θ1x+θ2x2h(\theta)=\theta_{0}+\theta_{1}x+\theta_{2}x^{2}h(θ)=θ0+θ1x+θ2x22、不同的特征选择以房屋价格预测为例，我们可以选择不同的特征，你可以选择：（1）房屋的临街宽度、房子的临街深度；（2）房屋的面积；

Olivaf·2020-06-23 05:05

机器学习基础 - [第二章：多变量线性回归]（2）多元线性回归模型的梯度下降算法技巧

1、多元线性回归模型在使用梯度下降可能会遇到什么样的问题？多元性线性回归具有多个特征{x1,x2,...,xn}\{x_{1},x_{2},...,x_{n}\}{x1,x2,...,xn}，当某些特征的取值范围差异很大时，梯度下降法可能要经过一段很长的时间才能收敛到局部最优值，如图1左边所示：但是，如果这些特征这些特征的值在一个比较相似的范围，收敛速度就会很快。所以，当特征取值差距比较明显，为了

Olivaf·2020-06-23 05:05

监督学习算法——线性模型——《python机器学习基础教程》

监督学习算法常用的监督机器学习算法有：1.K近邻（kNN，k-NearestNeighbor）2.线性模型3.朴素贝叶斯（NaiveBayesian）4.决策树（DecisionTree）5.决策树集成6.核支持向量机（SVM，SupportVectorMachine）7.神经网络线性模型目录1.用于回归的线性模型2.线性回归（又名普通最小二乘法）3.岭回归4.lasso5.用于分类的线性模型6.

pillow_L·2020-06-22 16:59

Python机器学习基础教程——1.7第一个应用：鸢尾花分类——学习笔记

1.7第一个应用：鸢尾花分类假设有一名植物学爱好者对她发现的鸢尾花的品种很感兴趣。她收集了每朵鸢尾花的一些测量数据：花瓣的长度和宽度以及花萼的长度和宽度，所有测量结果的单位都是厘米。她还有一些鸢尾花分类的测量数据，这些花之前已经被植物学专家鉴定为属于setosa（山鸢尾）、versicolor（杂色）或virginica（维尔吉妮卡）三个品种之一。对于这些测量数据，她可以确定每朵鸢尾花所属的品种。

pillow_L·2020-06-22 16:28

Python机器学习基础教程（Introduction to Machine Learning with Python）

======================================================================= 由于这是我的机器学习入门读物，鉴于当时什么都不懂，对这本书内容的评价会比较主观，有很大的个人倾向，可能书中讲的很到位，但是我理解的不是很好。但总归从这本书中我学到了许多知识，书还是不错的。这是我正在读的第二本书：机器学习实战基于scikit-learn和

枪枪枪·2020-06-22 15:33

数据可视化（一）：绘制散点图

======================================================= MachineLearningnotebookPython机器学习基础教程

枪枪枪·2020-06-22 15:32

深度学习第一步——数据格式转换（附代码下载）

前几天有个网友问我，自学深度学习需要机器学习基础吗？我的回答是先把深度学习的项目跑起来吧，从项目中去学习。

机器学习算法那些事·2020-06-22 13:50

第1130期AI100_机器学习日报(2017-10-22)

AI100_机器学习日报2017-10-22Python自然语言处理工具小结@大数据_机器学习基础:多元线性回归@wx:Intel发布开源增强学习框架Coach，多线程实现领先的增强学习算法@wx:岑峰在浏览器里可视化训练神经网络

机器学习日报·2020-06-22 12:24

机器学习基础：ROC曲线与AUC计算详解

AUC&ROCAUC是一个模型评价指标，只能用于二分类模型的评价，对于二分类模型，还有损失函数（logloss），正确率（accuracy），准确率（precision），但相比之下AUC和logloss要比accuracy和precision用的多，原因是因为很多的机器学习模型计算结果都是概率的形式，那么对于概率而言，我们就需要去设定一个阈值来判定分类，那么这个阈值的设定就会对我们的正确率和准确

ZhaoYingChao88·2020-06-22 09:35

机器学习基础算法2-数据降维，数据划分，转化器，估计器。

目录数据的降维特征选择特征选择原因主要方法Filter(过滤式):VarianceThreshold数据降维PCA(主成分分析)降维案例机器学习开发流程机器学习算法分类数据集划分scikit-learn数据集API介绍sklearn分类数据集数据集分割转换器估计器数据的降维特征选择特征选择就是单纯地从提取到的所有特征中选择部分特征作为训练集特征，特征在选择前和选择后可以改变值、也不改变值，但选择后

Wind_know·2020-06-22 08:34

[机器学习] Coursera ML笔记 - 机器学习基础概念

在学习的过程中，抓住基本概念是非常重要的，这样可以防止自己陷入某些细节中无法自拔，可以让自己站在比较宏观的层面上看待问题。更多见：iii.run机器学习（MachineLearning）Coursera上机器学习课程的介绍中，第一句话是：**Machinelearningisthescienceofgettingcomputerstoactwithoutbeingexplicitlyprogram

mmmwhy·2020-06-22 06:05

谨以此文纪念2019年3月春招

看的书：机器学习基础+花书+西瓜

Terrances·2020-06-22 06:22

推荐频道

•机器学习基础