•机器学习基础

统计机器学习-1-统计机器学习基础

一、统计机器学习的研究内容网络算法机器优化概率统计数据矩阵信息模型推理获知识靠学习Wearedrowningininformationandstarvingforknowledge.-JohnNaisbittData->Model->Knowledge二、机器学习与应用统计学对比MLSTATISTICS备注NetworksGraphsModels网络、图/模型Weightsparameters权重
esc_ai·2019-04-28 00:54

机器学习基础--基本术语

https://www.toutiao.com/a6680370832549609992/每个行业都有一些行话，外行人经常是刚接触就一头雾水，今天我们来捋一捋部分机器学习相关的术语。在人工智能界有一种说法，认为机器学习是人工智能领域中最能够体现智能的一个分支。我们或许每天都在不知不觉中使用了机器学习的算法每次，你打开谷歌、必应搜索到你需要的内容，正是因为他们有良好的学习算法。谷歌和微软实现了学习算
喜欢打酱油的老鸟·2019-04-19 08:06

【Keras之父】机器学习基础

一.机器学习的四个分支1.监督学习(supervisedlearning)给定一组样本（通常人工标注），它可以学会将输入数据映射到已知目标（也叫标注annotation）。三种类型的机器学习问题：二分类问题、多分类问题和标量回归问题都是监督学习。比如：光学字符识别、语音识别、图像分类和语言翻译。虽然监督学习主要包括分类和回归，但有更多的奇特变体，主要包括如下几种：A.序列生成(sequencege
He110_Wr0ld·2019-04-14 15:48

【Keras之父】机器学习基础

一.机器学习的四个分支1.监督学习(supervisedlearning)给定一组样本（通常人工标注），它可以学会将输入数据映射到已知目标（也叫标注annotation）。三种类型的机器学习问题：二分类问题、多分类问题和标量回归问题都是监督学习。比如：光学字符识别、语音识别、图像分类和语言翻译。虽然监督学习主要包括分类和回归，但有更多的奇特变体，主要包括如下几种：A.序列生成(sequencege
He110_Wr0ld·2019-04-14 15:48

MLb-018 61《Python机器学习基础教程》归纳(下)

此系列文章提炼《Python机器学习基础教程》最核心要点第四章数据表示与特征工程一、分类变量1、One-Hot编码（虚拟变量）1）检查字符串编码的分类数据（可能有表示不同但是含义相同的数据：man、male
ZIYUE WU·2019-04-08 09:24

MLb-017 60《Python机器学习基础教程》归纳(上)

此系列文章提炼《Python机器学习基础教程》最核心要点第一章引言一、熟悉任务1、确定回答的问题2、表示成机器学习的问题3、收集的数据是否足够表示这类问题4、提取了哪些特征，能否实现正确预测5、如何衡量成功
ZIYUE WU·2019-04-08 08:09

机器学习实战-笔记

机器学习实战Github代码第一章机器学习基础2007年选出的十大数据挖掘算法C4.5决策树、K-均值（K-mean）、支持向量机（SVM）、Apriori、最大期望算法（EM）、PageRank算法、
王庆93·2019-04-05 13:49

人工智能（机器学习）学习之路推荐

当然，前期的机器学习基础的推荐，是不会分语言的。纯小白——计算机小白  如果你是完完全全的纯小白，并且只会计算机这三个字。
咸鱼Chen·2019-04-04 09:00

机器学习基础之矩阵乘法

矩阵乘法在机器学习上应用接着上次的预测房价的例子，假如我们知道了一个预测房价的模型：,然后有一些待测数据x（Housesizes）,求预测房价，当然简单的就是将x带入，编程实现可以用for循环依次算得，但对于数据量大的显然没有那么有效率，我们可以简单的利用矩阵乘法来计算：Housesizes:2104,1416,1534,852我们可以将housesizes变成矩阵，模型变成：，两者相成得到：计算
一梦不醒·2019-04-02 17:42

机器学习基础算法二-逻辑回归

摘要之前介绍了线性回归现在我们来介绍一下逻辑回归以及两者之间的差异,逻辑回归通过一组预测器变量，可以很有效的预测特征与输出结果。这与线性回归很相似，但更适用于二分类问题。方程系数可以用来估计模型中的自变量的比率，这适用于更广泛的问题模型，另一方面，可以将逻辑回归用于确定某个事件的可能性，输出值为0或1。在逻辑回归中不仅可以解决二分类问题，也可以求解多分类问题，只不过它常被用来做二分类。线性回归：通
dfy20020530·2019-04-01 20:41

《机器学习实战》

有道笔记原文机器学习实战Github代码第一章机器学习基础2007年选出的十大数据挖掘算法C4.5决策树、K-均值（K-mean）、支持向量机（SVM）、Apriori、最大期望算法（EM）、PageRank
oppy·2019-03-30 12:04

机器学习基础算法笔记

摘要机器学习是入门AI的必经之路里面有众多的基础算法如线性回归，决策树等等的算法，机器学习可以分为监督式学习（Supervisedlearning）以及非监督学习(UnsupervisedLearning)，目前最广泛被使用的分类器有人工神经网络、支持向量机、最近邻居法、高斯混合模型、朴素贝叶斯方法、决策树和径向基函数分类，无监督学习里典型的例子就是聚类了。聚类的目的在于把相似的东西聚在一起，而我
dfy20020530·2019-03-29 17:29

数据挖掘公开课推荐（含下载链接）

适合人群：有机器学习基础，但是还在数据挖掘竞赛门外面的同学以下是课程录屏和课件链接：（如果是公开课的话，应该没有什么版权问题，我就分享一下下）链接:https://pan.baidu.com/s/1nCvRPQ
alicelmx·2019-03-28 15:29

第二章 机器学习基础

原文:https://github.com/scutan90/DeepLearning-500-questions/blob/master/ch02_%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%9F%BA%E7%A1%80/%E7%AC%AC%E4%BA%8C%E7%AB%A0_%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%9F
duanyajun987·2019-03-25 18:32

深度学习500问！面试有这些足够了！

先看一下章节划分吧：数学基础机器学习基础深度学习基础经典网络卷积神经网络(CNN)循环神经网络(RNN)生成对抗
beyourselfwb·2019-03-21 08:02

Machine Learning in Action --- Peter Harrington

Part1分类Chapter1机器学习基础https://blog.csdn.net/JachinMa/article/details/88703866Chapter2k-近邻算法https://blog.csdn.net
JachinMa·2019-03-21 00:36

《Python机器学习基础教程》构建管道(make_pipeline)

《Python机器学习基础教程》笔记大多数机器学习应用不仅需要应用单个算法，而且还需要将许多不同的处理步骤和机器学习模型链接在一起，例如对数据进行缩放，然后手动合并特征，再利用无监督学习来学习特征。
elma_tww·2019-03-12 21:32

《Python机器学习基础教程》模型评估指标（精度、混淆矩阵、准确率、召回率、f-分数、准确率召回率曲线、ROC曲线以及AUC）

《Python机器学习基础教程》笔记总结监督模型在给定数据集上的表现有很多种方法，例如，精度、混淆矩阵、准确率、召回率、f-分数、准确率召回率曲线、ROC曲线以及AUC。
elma_tww·2019-03-12 19:50

花书第五章 机器学习

机器学习基础机器学习怎样定义：对于某类任务T和性能度量P，一个计算机程序被认为可以从经验E中学习是指，通过经验E改进后，它在任务T上由性能度量P衡量的性能有所提升。
呆若木鸡lol·2019-03-08 15:03

机器学习案例：鸢尾花分类——基于Scikit-Learn

《Python机器学习基础教程》笔记针对鸢尾花分类这个课题，我们按以下步骤进行：①获取数据集②检查数据③构建训练模型④进行预测并评估这只是几个简单的步骤，供初学者熟悉机器学习的大致流程，以及如何使用Scikit-Learn
elma_tww·2019-03-06 19:17

机器学习必要的库和工具介绍

《Python机器学习基础教程》笔记本书的所有例程都是基于Scikit-Learn，用Python实现的，因此，首先要保证已经装上了Python，然后，强烈推荐使用Jupyternotebook运行代码
elma_tww·2019-03-06 16:15

算法工程师修仙之路：机器学习实战（一）

第一部分：分类第一章机器学习基础在监督学习的过程中，我们只需要给定输入样本集，机器就可以从中推演出指定目标变量的可能结果。
fangzhan1109·2019-02-22 16:15

机器学习实战笔记（一）

1.机器学习基础1.1何谓机器学习简单来说，机器学习就是把无序的数据来转化为有用的信息。例子：专家系统。测量所有可测属性（特征），然后从中挑选出重要部分。算法训练，学习如何分类。
Rosalind_Xu·2019-02-22 00:00

应该如何理解机器学习基础知识？

ML.NET是一个免费的开源跨平台机器学习框架，可用于生成自定义机器学习解决方案并将其集成到.NET应用程序。借助ML.NETAPI，可以使用你已有的.NET技能将AI结合到应用中，无需离开.NET。什么是机器学习？机器学习是一种允许计算机使用现有数据预测未来行为、结果和趋势的数据科学方法。使用机器学习，计算机可以在未显式编程的情况下进行学习。机器学习的预测可以使得应用和设备更智能。在线购物时，机
EIT王子·2019-02-17 19:53

一次性掌握机器学习基础知识脉络 | 公开课笔记

来源|AI科技大本营在线公开课嘉宾|张相於整理|suiling本次公开课AI科技大本营邀请到了阿里巴巴的高级算法专家张相於，他将从数据的概率分布开始介绍机器学习核心概念之间的有机关系，帮助大家建立知识脉络，做到知识的有机吸收。同时，讲解机器学习的元知识，介绍系统性持续学习的方法和技巧。最后介绍算法工程落地能力的入门和提高，避免只会算法不会落地的尴尬。当然，随手推荐一波独特有效的学习资料不在话下。回
AI科技大本营·2019-02-16 14:19

一次性掌握机器学习基础知识脉络 | 公开课笔记

来源|AI科技大本营在线公开课嘉宾|张相於整理|suiling本次公开课AI科技大本营邀请到了阿里巴巴的高级算法专家张相於，他将从数据的概率分布开始介绍机器学习核心概念之间的有机关系，帮助大家建立知识脉络，做到知识的有机吸收。同时，讲解机器学习的元知识，介绍系统性持续学习的方法和技巧。最后介绍算法工程落地能力的入门和提高，避免只会算法不会落地的尴尬。当然，随手推荐一波独特有效的学习资料不在话下。回
AI科技大本营·2019-02-16 14:19

小白机器学习基础算法学习必经之路

https://www.toutiao.com/a6657427848900379150/2019-02-1415:21:13未来，人工智能是生产力，是变革社会的主要技术力量之一。掌握人工智能技术，需要从基础的机器学习算法开始学习，逐渐建立机器学习知识体系。本场篇文章：带大家克服心理上对于机器学些的敬畏，绕开弯路（本人入过很多坑），进入机器学习领域。从基本概念和机器学习的应用领域入手，帮助大家建立
喜欢打酱油的老鸟·2019-02-15 08:19

《Python机器学习基础教程》学习笔记(1) 鸢尾花分类

引言鸢尾花分类是《Python机器学习基础教程》中的第一个应用，是一个监督学习问题，概述了使用scikit-learn库进行监督学习的基本流程：获取数据→数据集拆分→观察数据→构建模型→评估模型→预测博主使用的编程环境
坤斤拷·2019-02-02 18:10

Python机器学习基础教程 高清PDF 下载

Python机器学习基础教程-[德]安德里亚斯·穆勒（AndreasC.Müller）[美]莎拉·吉多（SarahGuido）著，张亮（hysic）译《Python机器学习基础教程》PDF高清完整版-免费下载
心行远方·2019-02-01 12:56

一名合格的人工智能工程师，需要及早了解的知识体系

人工智能知识体系1、数学基础微积分线性代数概率统计信息论集合论和图论博弈论2、技术基础计算机原理程序设计语言操作系统分布式系统算法基础3、机器学习算法机器学习基础：估计方法、特征工程线性模型：线性回归逻辑回归决策树模型
duozhishidai·2019-01-30 23:07

机器学习实战：电子书

《机器学习实战》主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、Ada
春来草青·2019-01-27 18:21

AI（人工智能）相关系列文章

tensorFlow开发系列介绍搭建开发环境（Windows、Ubuntu）第一个程序：HelloWorldmnist文件解析（C++，opencv）基础概念及数据类型机器学习基础基础概念决策树神经网络支持向量机
放羊的狼123·2019-01-24 23:51

机器学习基础

三种类别的机器学习的算法一、基于有没有标签1.Supervisedlearning(有监督的学习)：包括SVM（SupportVectorMachine）、NeuralNetworks（神经网络）、DeepLearning等模型2.Unsupervisedlearning(无监督的学习)：包括Clustering（聚类）、EMAlgorithm(EM算法)、PCA（降维）3.Semi-Superv
一抹浅笑·2019-01-23 22:00

1.4.1 机器学习基础

深度学习是机器学习的一个分支。机器学习机器学习是一门研究‘学习算法’的学问，所谓学习是指对于任务T和性能度量P，一个计算机程序能够在T上以P衡量的性能随着经验E而自我完善，那我们称这个计算程序在从经验E中学习。任务T：机器学习应该如何处理样本，样本是指机器学习系统处理的对象或者事件已经量化的特征集合。（分类，回归，机器翻译）性能度量P：评估机器学习算法的能力。模型评估的基本参数：1、阳性数据P（关
egbert果·2019-01-19 14:18

ubuntu16.04+python+anaconda+tensorflow的深度学习2

Tensorflow源代码解析1.1TensorFlow的目录结构1.1.1contirb1.1.2core1.1.3examples1.1.4python1.2TensorFlow源代码的学习方法2、机器学习基础
guosuling·2019-01-13 20:21

机器学习基础 基本术语

机器学习绪论基本术语基础模型：泛指从数据中学得的结果数据集dataset：一组记录的集合示例instance/样本sample：关于一个事件或对象的描述属性attribute/特征feature：反映事件或对象在某方面的表现或性质的事项属性值attributevalue：属性上的取值属性空间attributespace/样本空间samplespace：属性张成的空间即\(n\)个特征描述出的\(n
咸鱼Chen·2019-01-13 10:00

深度学习 - 第二章 - 机器学习基础

深度学习-第二章-机器学习基础第二章机器学习基础2.1各种常见算法图示2.2监督学习、非监督学习、半监督学习、弱监督学习？2.3监督学习有哪些步骤2.4多实例学习？2.5分类网络和回归的区别？
Allen0909·2019-01-04 11:37

Sklearn机器学习基础

scikit-learn介绍自2007年发布以来，scikit-learn已经成为Python重要的机器学习库了。scikit-learn简称sklearn，支持包括分类、回归、降维和聚类四大机器学习算法。还包含了特征提取、数据处理和模型评估三大模块。sklearn是Scipy的扩展，建立在NumPy和matplotlib库的基础上。利用这几大模块的优势，可以大大提高机器学习的效率。sklearn
泡泡坪·2019-01-02 15:46

2019 年目标

目标是什么目标是你想完成的事，也是内心的一种愿望订目标的意义清楚自己这一年内要做的事情，有效努力我的目标我将从输入、转换平台、输出三个板块来叙述目标输出：机器学习入进门，有一定的机器学习基础，水平能够读论文
fizzwang·2019-01-01 17:19

2019 年目标

目标是什么目标是你想完成的事，也是内心的一种愿望订目标的意义清楚自己这一年内要做的事情，有效努力我的目标我将从输入、转换平台、输出三个板块来叙述目标输出：机器学习入进门，有一定的机器学习基础，水平能够读论文
fizzwang·2019-01-01 17:19

python数据挖掘学习路线图

机器学习基础1.理论部分吴军《数学之美》非常易读2.代码部分《机器学习实战》http://www.ituring.com.cn/book/1021可以和吴军的理论部分对照着来学习。
gaoxiong15·2019-01-01 00:00

机器学习实战（1）—— 机器学习概述

机器学习实战（1）——机器学习基础.png老板：小韩啊，来来来！工程是不是写够了啊？我：（what!!!）emmmm，还行还行。老板：一看你就是写够了。最近公司要搞机器学习，你带头来学习一下吧！
小白的七日之旅·2018-12-19 17:43

机器学习实战（1）—— 机器学习基础

机器学习实战（1）——机器学习基础老板：小韩啊，来来来！工程是不是写够了啊？我：（what!!!）emmmm，还行还行。老板：一看你就是写够了。最近公司要搞机器学习，你带头来学习一下吧！
小白的七日之旅·2018-12-19 00:00

机器学习基础算法总结

KNN算法K近邻法(k-nearestneighbors,KNN)是一种基本分类与回归的方法，其基本做法是：给定一个训练数据集，对新的输入实例，在训练数据集中找到与该实例最邻近的k个实例，这k个实例的多数属于某个类，就把该输入实例分为这个类。与决策树算法相同既可以做分类也可以做回归，主要区别在于最后做预测时候的决策方式。KNN做分类预测时，一般选择多数表决法，即：找到训练集里和预测的样本特征最近的
Yasin_·2018-12-14 09:01

一文带你了解机器学习基础：梯度下降（Gradient Descent）和最小二乘法

一文带你了解机器学习基础：梯度下降和最小二乘法在开始本文之前，有兴趣的可以浏览一下这个文章，人工智能中的最优化问题。
GhostintheCode·2018-12-12 19:15

【机器学习基础】决策树及其ensemble方法（RF, LGBM, Xgboost, GBDT, 梯度提升boosting）

【机器学习基础】决策树及其ensemble方法（RF,LGBM,Xgboost,GBDT,梯度提升boosting）1.关系2.Boostrap3.Bagging3.1Baggin定义3.2随机森林（RandomForest
two_star·2018-12-09 22:25

机器学习基础总结

1、简要介绍SVM，如何调节惩罚因子、如何防止过拟合、手推SVM。实际上只有“离群点”才有松弛变量与其对应。松弛变量的值越大，离群点就越远。惩罚因子C决定了你有多重视离群点带来的损失，当所有离群点的松弛变量的和一定时，C越大，对目标函数的损失也越大，此时就暗示着你非常不愿意放弃这些离群点。最极端的情况是你把C定为无限大，这样只要稍有一个点离群，目标函数的值马上变成无限大，马上让问题变成无解，这就退
bebr·2018-12-07 08:47

小白机器学习基础算法学习必经之路

小白机器学习基础算法学习必经之路作者简介：武博士，人工智能方向博士，中国移动集团IT架构师。科研方向：自然语言处理、计算机视觉、强化学习。已经发表SCI文章3篇。CSDN专栏文章60篇。
csdn人工智能头条·2018-12-05 19:00

【机器学习基础】乡村F4带你入门线性回归 带python代码示例（一）

标注：1.概率密度没有学好，所以涉及到密度函数部分会有不少地方感觉非常难懂吃力  如何理解回归？个人理解：回归是指量化{变量} 之间“关系”线性回归的英文regressiontowardsthemean。mean在英文中是平均值的意思。 求平均值通常是我们面对大量数据时，快速建立对数据的概念的方式。比如：1.中国人均生育1.3个孩子（被动养孩万岁）北京人均餐饮消费40元(一单外卖吃40，坑爹)智能
Aaron_7906·2018-12-03 22:09

《机器学习实战》学习大纲

基础：第1章分类：第1～7章预测：第8～9章无监督式学习：第10～12章降维与分布式：第13～15章01机器学习基础（第一周）https://blog.csdn.net/qq_34243930/article
夏普通·2018-12-01 00:44
上一页 31 32 33 34 35 36 37 38 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他