•机器学习基础

深度学习 | 实践方法论

深度学习教程与实战案列系列文章深度学习|绪论深度学习|线性代数基础深度学习|机器学习基础深度学习|实践方法论深
_Summer tree·2019-08-03 19:46

Openclassroom Machine Learning

1、背景最近在看UFLDLTutorial的时候，他说“最好有一点机器学习基础（具体而言，熟悉监督学习，逻辑斯特回归以及梯度下降法的思想），如果您不熟悉这些，我们建议您先去机器学习课程中去学习，并完成其中的第
赖子啊·2019-07-21 16:33

深度学习 | 实战6-利用tensorboard实现卷积可视化

————————————————————————————Github源码深度学习教程与实战案列系列文章深度学习|绪论深度学习|线性代数基础深度学习|机器学习基础深度学习|实践方法论深度学习|应用深度学习
_Summer tree·2019-07-17 18:23

深度学习 | 实战4-将LENET封装为class，并进行分类

————————————————————————————Github源码深度学习教程与实战案列系列文章深度学习|绪论深度学习|线性代数基础深度学习|机器学习基础深度学习|实践方法论深度学习|应用深度学习
_Summer tree·2019-07-17 18:23

深度学习| 实战1-python基本操作

————————————————————————————GitHub源码深度学习教程与实战案列系列文章深度学习|绪论深度学习|线性代数基础深度学习|机器学习基础深度学习|实践方法论深度学习|应用深度学习
_Summer tree·2019-07-17 16:36

【2019-07-16】机器学习基础

机器学习四个分支：监督学习无监督学习自监督学习强化学习数据预处理、特征工程和特征学习（1）神经网络的数据预处理向量化值标准化处理缺失值（2）特征工程特征工程(featureengineering)是指将数据输入模型之前，利用你自己关于数据和机器学习算法(这里指神经网络)的知识对数据进行硬编码的变换(不是模型学到的)，以改善模型的效果。（3）过拟合和欠拟合a获取更多的训练数据b减小网络大小#原始模型
BigBigFlower·2019-07-16 20:28

《机器学习》周志华西瓜书 笔记/习题答案 总目录

西瓜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
我是管小亮 :)·2019-07-16 00:00

机器学习基础 2：矩阵乘法以及求导

向量、矩阵、张量向量：一维数组矩阵：二维数组张量：N维数组什么是张量(tensor)？特殊矩阵对角矩阵[a11000a22000a33]\begin{bmatrix}a_{11}&0&0\\0&a_{22}&0\\0&0&a_{33}\\\end{bmatrix}⎣⎡a11000a22000a33⎦⎤单位矩阵[100010001]\begin{bma
MatrixArch·2019-07-11 01:09

机器学习实战——1.机器学习基础

1.1何为机器学习机器学习就是将无序的数据转换成有用的信息。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。1.2关键术语1.3机器学习的主要任务无监督学习的数据没有类别信息，也不会给定目标值。在无监督学习中，将数据集合分成有类似的对象组成的多个类的过程被称为聚类；将寻找描述数据统计值的过程称之为密度估计。此外，无监督学习还可以减少数据特征的维度，以便我们可以使用二维或三
RF-or·2019-07-10 08:39

《Python机器学习基础教程》学习笔记 #2

第2章监督学习利用graphviz打开绘制的dot格式决策图出错，有两个坑需注意1、pipinstallgraphviz库还不够，还要安装graphviz软件，地址http://www.graphviz.org/download/。2、强烈建议安装地址为C盘，安装后添加软件所在文件夹（bin）地址到PATH环境。之前安装到其他盘，运行一直出错，makesuretheGraphvizexecutab
cy3255261·2019-07-09 09:58

《Python机器学习基础教程》学习笔记 #1

第一章鸢尾花分类练习，按书上步骤进行到1.7.3观察数据时，一直卡住先是报错，找不到mglearnok，importmglearn又出现can’timportimread错误经查：官方scipy中提到，imreadisdeprecated!imreadisdeprecatedinSciPy1.0.0,andwillberemovedin1.2.0.Useimageio.imreadinstead.
cy3255261·2019-07-09 08:51

文科小白也能看懂的机器学习基础（三）

前面说的算法都是分类，现在说回归相关的算法。分类算法是训练一个能够判别样本类型的模型，回归算法是预测样本在坐标系中的位置。（六）线性回归最小二乘法是最简单的回归算法，假定二维平面存在一些样本点，最小二乘法希望能够画出一条直线，根据直线的方程（回归方程）能够以较小的误差预测样本点所在的位置。为了使该回归方程的预测误差最小，最小二乘法计算每个训练样本点到回归直线的距离，将其平方求和后，得到最小二乘法的
D小姐_·2019-07-07 13:42

文科小白也能看懂的机器学习基础（三）

前面说的算法都是分类，现在说回归相关的算法。分类算法是训练一个能够判别样本类型的模型，回归算法是预测样本在坐标系中的位置。（六）线性回归最小二乘法是最简单的回归算法，假定二维平面存在一些样本点，最小二乘法希望能够画出一条直线，根据直线的方程（回归方程）能够以较小的误差预测样本点所在的位置。为了使该回归方程的预测误差最小，最小二乘法计算每个训练样本点到回归直线的距离，将其平方求和后，得到最小二乘法的
D小姐_·2019-07-07 13:42

文科小白也能看懂的机器学习基础（二）

（三）朴素贝叶斯朴素贝叶斯本质是基于概率论的分类方法。前面两种算法我们要求分类器给出艰难决策，给出输入的数据集属于哪一类的明确答案。不过，分类器有时会有错误，这就要求分类器给出一个最优的类别猜测结果，同时给出这个猜测的概率估计值。举例说明，某小区男性穿运动鞋的概率为12，女性穿运动鞋的概率为23，并且该小区中男女比例通常为2:1，问题：若你在小区中随机遇到一个穿运动鞋的人，请问他的性别为男性或女性
D小姐_·2019-07-06 23:51

文科小白也能看懂的机器学习基础（二）

（三）朴素贝叶斯朴素贝叶斯本质是基于概率论的分类方法。前面两种算法我们要求分类器给出艰难决策，给出输入的数据集属于哪一类的明确答案。不过，分类器有时会有错误，这就要求分类器给出一个最优的类别猜测结果，同时给出这个猜测的概率估计值。举例说明，某小区男性穿运动鞋的概率为12，女性穿运动鞋的概率为23，并且该小区中男女比例通常为2:1，问题：若你在小区中随机遇到一个穿运动鞋的人，请问他的性别为男性或女性
D小姐_·2019-07-06 23:51

机器学习和深度学习资料

2014斯坦福机器学习视频 百度云链接: https://pan.baidu.com/s/10XxZi99S7VyvWt67lZ3CPg 密码:3i78深度学习机器学习基础教程 百度云链接: https
凌逆战·2019-07-05 19:00

机器学习和深度学习资料

2014斯坦福机器学习视频 百度云链接: https://pan.baidu.com/s/10XxZi99S7VyvWt67lZ3CPg 密码:3i78深度学习机器学习基础教程 百度云链接: https
凌逆战·2019-07-05 19:00

机器学习和深度学习资料

2014斯坦福机器学习视频 百度云链接: https://pan.baidu.com/s/10XxZi99S7VyvWt67lZ3CPg 密码:3i78深度学习机器学习基础教程 百度云链接: https
凌逆战·2019-07-05 19:00

深度学习 | 物体检测

————————————————————————————深度学习教程与实战案列系列文章深度学习|绪论深度学习|线性代数基础深度学习|机器学习基础深度学习|实践方法论深度学习|应用深度学习|安装conda
_Summer tree·2019-06-30 09:35

机器学习算法入门(一)

学习这个的主要目的是为了应付这学期的机器学习选修课.所以只会大概讲解算法的意思,不会深入的进行实践或讲解原理.另外因为主要是供本人复习以及不打算仔细学,所以不保证写的一定对,只提供一个基本的理解.目录第一章机器学习基础
逆袭的小学生·2019-06-26 21:00

python机器学习基础之plt.grid（网格线设置）

1.生成网格代码：In[15]:plt.gcf().set_facecolor(np.ones(3))In[16]:plt.grid()In[17]:plt.show()如图：参数详解：matplotlin.pyplot.grid(b,which,axis,color,linestyle,linewidth，**kwargs)b:布尔值。就是是否显示网格线的意思。官网说如果b设置为None，且kw
曾牛·2019-06-25 13:44

python机器学习基础之sklearn.datasets

sklearn.datasets模块主要提供了一些导入、在线下载及本地生成数据集的方法，可以通过dir或help命令查看，我们会发现主要有三种形式：load_fetch_make_1.datasets.load_：sklearn包自带的小数据集：1.1数据集文件目录：在sklearn安装目录下datasets\data文件下In[2]:datasets.load_*?datasets.load_b
曾牛·2019-06-25 13:04

机器学习基础之线性回归详解（未完待续）

文章目录1.线性回归问题的数学描述2.最小均方算法（LMS,LeastMeanSquare）2.1.只有一个样本的情况2.2.多个样本的情况2.3.线性回归的闭式解（解析解）3.线性回归模型的假设1.线性回归问题的数学描述注意：线性模型是指参数之间是线性组合的，而不是指模型的输入变量。输入变量之间可以是非线性组合的（此时也可以将非线性组合的参数定义为一个新的变量）。记xxx为n维的输入特征，θ\t
lankuohsing·2019-06-14 00:19

机器学习基础 - [第五章：神经网络学习]（3）模型表示

1、前向传播：向量化实现上一篇文章，我们提到了神经网络种的一些约定表示，我们还可以进一步利用一些符号简化表示：比如，将连接第2层的第1个单元的线性加权和Θ10(1)x0+Θ11(1)x1+Θ12(1)x2\Theta_{10}^{(1)}x_{0}+\Theta_{11}^{(1)}x_{1}+\Theta_{12}^{(1)}x_{2}Θ10(1)x0+Θ11(1)x1+Θ12(1)x2表示成z
Olivaf·2019-06-08 23:01

机器学习基础 - [第五章：神经网络学习]（2）模型表示

1、神经网络的基本结构——逻辑单元神经网络的基本结构，称之未逻辑单元，其实质是一个逻辑回归模型：2、人工神经网络人工神经网络其实就是由逻辑单元经过层层连接之后形成的模型，比如下面的单层感知机模型，它由layer1、layer2、layer3三层组成，其中：layer1也叫输入层，它输入的的是特征向量x={x1，x2，x3}x=\{x_{1}，x_{2}，x_{3}\}x={x1，x2，x3}；la
Olivaf·2019-06-08 23:24

机器学习基础 - [第四章：正则化]（4）逻辑回归的正则化

1、正则化的逻辑回归（1）未正则化的逻辑回归的代价函数：J(θ)=−1m∑i=1m[y(i)log(hθ(x(i))+(1−y(i))log(1−hθ(x(i)))]J(\theta)=-\frac{1}{m}\sum_{i=1}^{m}[y^{(i)}log(h_{\theta}(x^{(i)})+(1-y^{(i)})log(1-h_{\theta}(x^{(i)}))]J(θ)=−m1i=1
Olivaf·2019-06-08 20:07

机器学习基础 - [第四章：正则化]（1）过拟合问题

1、什么是过拟合？过拟合问题：由于我们有大量的特征，学习到的假设函数能够很好的拟合训练集（即代价函数能最小化到趋近0：minimizeθJ(θ)→0minimize_{\theta}J(\theta)\rightarrow0minimizeθJ(θ)→0），但是假设函数却很难泛化新样本。下面两个图分别是线性回归和逻辑回归针对同一个数据集的三个不同假设函数，从图中可以看出，第一个假设函数对数据的拟合
Olivaf·2019-06-08 11:35

大数据技术之机器学习和推荐系统

├─1.笔记│1_推荐系统简介.pdf│2_数学基础.pdf│3_机器学习基础.pdf│4_机器学习模型.pdf│5_推荐系统算法详解.pdf│6_电影推荐系统设计.pdf│jupyternotebook
wangchaoqi1985·2019-06-08 10:29

机器学习基础知识点③：词嵌入

1、文本表示哪些方法？下面对文本表示进行一个归纳，也就是对于一篇文本可以如何用数学语言表示呢？基于one-hot、tf-idf、textrank等的bag-of-words；主题模型：LSA（SVD）、pLSA、LDA；基于词向量的固定表征：word2vec、fastText、glove基于词向量的动态表征：elmo、GPT、bert2、传统的词向量有什么问题？怎么解决？各种词向量的特点是什么？上
NLP_victor·2019-06-04 19:14

机器学习基础 - [第三章：逻辑回归]（1）逻辑回归模型的假设函数

1、逻辑回归模型的假设函数逻辑回归模型的假设函数是逻辑函数g(z)=11+e−zg(z)=\frac{1}{1+e^{-z}}g(z)=1+e−z1作用在特向量xxx和参数θ\thetaθ的内积θTx\theta^{T}xθTx上的结果：hθ(x)=11+e−θTxh_{\theta}(x)=\frac{1}{1+e^{-\theta^{T}x}}hθ(x)=1+e−θTx1假设函数的输出值在0-
Olivaf·2019-06-04 14:01

机器学习基础 - [第二章：多变量线性回归]（3）多元线性回归模型的梯度下降算法技巧

1、如何知道梯度下降算法是否正常工作？当在多元线性回归模型上使用梯度下降算法求解代价函数对应的最优参数时，有可能无法收敛到局部最优值，即梯度下降算法没有正常工作，那么，我们有什么样的办法可以知道梯度下降是否正常工作呢？当然，我们可以根据代价函数随迭代次数的变化曲线来获悉梯度下降是否正常工作（当然，通过自动收敛测试算法也可以获知，不过不常用）不同的代价函数随迭代次数的变化曲线可以反映的情况是不一样的
Olivaf·2019-06-03 21:10

机器学习基础 - [第一章：单变量线性回归]（7）线性回归模型的梯度下降

1、使用梯度下降算法来求解线性回归模型的局部最小值在前面，我们已经得到了单变量线性回归模型的假设函数hθ(x)h_{\theta}(x)hθ(x)和采用均方误差的代价函数J(θ0,θ1)J(\theta_{0},\theta_{1})J(θ0,θ1)，如图1右半部分所示，现在我们用梯度下降来求解使代价函数获得局部最小的对应参数值，如图2所示：将假设函数的具体形式代入梯度下降算法的核心公式，更新θ0
Olivaf·2019-06-03 15:52

机器学习基础 - [第一章：单变量线性回归]（6）梯度下降算法（参数学习方法）

1、梯度下降算法的核心公式该公式主要由三部分组成：初始迭代值θj\theta_{j}θj、学习率α\alphaα、以及偏导数∂J(θ0,θ1)∂θj\frac{\partialJ(\theta_{0},\theta_{1})}{\partial\theta_{j}}∂θj∂J(θ0,θ1),注意,在这里θ0\theta_{0}θ0和θ1\theta_{1}θ1是同时被更新的。2、梯度下降算法如何得
Olivaf·2019-06-03 15:19

Python3入门机器学习 经典算法与应用

原文链接：http://www.cnblogs.com/gshang/p/10962980.html导学导学课程涵盖的内容和理念课程所使用的主要技术栈机器学习基础机器学习世界的数据机器学习的主要任务监督学习
weixin_30802171·2019-06-02 14:00

Python机器学习基础教程

本书是机器学习入门书，以Python语言介绍。主要内容包括：机器学习的基本概念及其应用；实践中最常用的机器学习算法以及这些算法的优缺点；在机器学习中待处理数据的呈现方式的重要性，以及应重点关注数据的哪些方面；模型评估和调参的高级方法，重点讲解交叉验证和网格搜索；管道的概念；如何将前面各章的方法应用到文本数据上，还介绍了一些文本特有的处理方法。本书特色机器学习已成为许多商业应用和研究项目不可或缺的一
奋斗的IT青年·2019-05-29 22:11

【机器学习】（一）机器学习基础及模型评估与选择

文章内容整理自多个学习笔记，详见参考文献1、机器学习的概念（1）机器学习：机器学习就是用机器模拟人的学习行为。即如何通过计算的手段，利用经验来改善系统自身的性能；机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。机器学习学到的东西就是我们所谓的经验或者规律，机器学习会把这些学到的东西固化到模型中，以便解决新的问题。‘（2）泛化能力：学到的模型适用于“新样本”的能力，称为“泛化”能
佳佳的大狗子·2019-05-26 16:35

《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
咸鱼Chen·2019-05-23 15:00

机器学习基础——决策树

文章目录1.基本概念1.1信息熵（InformationEntropy）1.2.基尼指数（GiniIndex）1.3.信息增益2.决策树2.1.基本流程2.2.1.分支节点划分原则：纯度原则2.2.2.构建决策树2.2.3.剪枝2.2.4.优缺点分析3.CART算法3.1.CART决策树生成3.1.1.回归树的生成4.随机森林1.基本概念1.1信息熵（InformationEntropy）以下概念
lankuohsing·2019-05-21 23:50

【机器学习基础】最小二乘与极大似然估计

最小二乘法最小二乘法是勒让德(A.M.Legendre)于1805年在其著作《计算慧星轨道的新方法》中提出的。它的主要思想就是求解未知参数，使得理论值与观测值之差（即误差，或者说残差）的平方和达到最小：E=∑mie2=∑mi(yi−y^)2E=\sum_{m}^{i}e^2=\sum_{m}^{i}(y_i-\hat{y})^2E=m∑ie2=m∑i(yi−y^)2其中，yiy_iyi为观测样本，
迷你小龙虾·2019-05-21 16:34

深度学习 | TFSlim介绍

————————————————————————————深度学习教程与实战案列系列文章深度学习|绪论深度学习|线性代数基础深度学习|机器学习基础深度学习|实践方法论深度学习|应用深度学习|安装conda
_Summer tree·2019-05-21 09:39

机器学习基础算法笔记（一）——梯度下降算法（以housing数据集为例）

简述机器学习基础算法（一）——梯度下降算法（以housing数据集为例）问题是从哪来的过程综述核心思想数据的预处理正则化随机梯度下降实现代码问题是从哪来的生活中，很多事情是有因果关系的，比如房价受地段，
霜月帰蝶·2019-05-17 11:54

神经网络--超清晰超易懂的一篇文章

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
一只土肥圆的猿·2019-05-16 15:20

学习大数据，你的职业是如何规划的？

2需要具备的能力2.1精通SQL2.2数据模型技能2.3ETL设计2.4架构项目3知识体系机器学习基础机器学习工具3.1大数据通用处理平台3.2分布式存储3.3资源调度3.4机器学习工具3.5数据分析
阿q宣你·2019-05-14 21:53

Andrew Ng-深度学习-第二门课-week1（正则化和权重初始化）

文章目录1.训练，验证，测试集2偏差，方差（Bias/Variance）3机器学习基础4正则化4.1L2正则化：4.1.1基础知识：4.1.2为什么L2正则化可以防止模型过拟合：4.2L1正则化：4.2.1
linxid·2019-05-14 09:57

机器学习基础知识（一）：梯度下降，L2,L1,L0范数

机器学习机器学习，让机器学习某种知识或规律的过程。机器学习按照情景来分，可以分为监督学习，半监督学习，无监督学习，transferlearning，强化学习等；按照任务，可以分为回归，分类，结构性学习等；按照方法分，可以分为线性模型，非线性模型（深度学习，SVM,决策树，KNN）等。泰勒展开式泰勒公式是将一个在x=x0处具有n阶导数的函数f(x)利用关于(x-x0)的n次多项式来逼近函数的方法。若
ruoyinfly·2019-05-13 21:26

【原】机器学习——入门篇

【说明】来自慕课网机器学习基础课程的学习笔记，扫盲基本概念。一、什么是机器学习定义：利用计算机从历史数据中找出规律，并把这些规律用到对未来不确定场景的决策。
曹赫洋·2019-05-13 20:02

机器学习基础-梯度下降方法与牛顿法

相关概念：步长(learningrate):步长决定了梯度下降过程中，每一步沿梯度负方向前进的长度特征(feature):样本输入矩阵求导的链式法则：公式一：公式二：假设函数(hypothesisfunction):监督学习中，为拟合输入样本，使用的假设函数，记为损失函数(lossfunction):为评估模型拟合好坏，用损失函数度量拟合程度。损失函数极小化意味着拟合程度最好，对应的模型参数即为最
田田ww·2019-05-11 14:05

机器学习基础知识

CrossValidation交叉验证(CrossValidation)是指从样本中取出一部分数据作为训练数据集(trainingdata)，即建立模型，然后用一部分数据作为验证数据集(testingdata)，即验证模型。通常选择75%的数据training，25%的数据testing。一般有一下几种数据划分方式：Four-FoldCrossValidation，将样本划分为4个单元；Ten-F
安哥生个信·2019-05-11 07:18

《python深度学习》笔记：第一部分：机器学习基础（第一章~第4章）

第一章：1.1节1.专家系统（expertsystem）1.2节1.logisticregression是现代机器学习的“helloworld"2.logisticregression是分类而不是回归3.kernelmethod(核方法)中最有名的是SVM，1995年发表4.SVM中术语：决策边界（decisionboundary）,间隔最大化（maximizingthemargin）5.SVM的
薛定谔小猫@Historia·2019-05-04 21:36

机器学习

学习路线参考人工智能（机器学习）学习之路推荐大数据分析和人工智能科普《机器学习实战》《机器学习实战》-机器学习基础《机器学习实战》-k近邻算法《机器学习实战》-决策树《机器学习实战》-线性回归《机器学习实战
咸鱼Chen·2019-05-02 12:00
上一页 30 31 32 33 34 35 36 37 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他