•机器学习基础

机器学习基础（三）

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·2018-11-28 19:35

《Scikit-Learn与TensorFlow机器学习实用指南》 第16章 强化学习（下）

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-11-25 21:03

《Scikit-Learn与TensorFlow机器学习实用指南》 第16章 强化学习（上）

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-11-25 21:37

机器学习基础：(Python)训练集测试集分割与交叉验证

摘要：本文讲述了如何用Python对训练集测试集进行分割与交叉验证。在上一篇关于Python中的线性回归的文章之后，我想再写一篇关于训练测试分割和交叉验证的文章。在数据科学和数据分析领域中，这两个概念经常被用作防止或最小化过度拟合的工具。我会解释当使用统计模型时，通常将模型拟合在训练集上，以便对未被训练的数据进行预测。在统计学和机器学习领域中，我们通常把数据分成两个子集：训练数据和测试数据，并且把
阿里云云栖社区·2018-11-23 00:00

《Scikit-Learn与TensorFlow机器学习实用指南》 第15章 自编码器

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-11-22 12:47

《Scikit-Learn与TensorFlow机器学习实用指南》 第14章 循环神经网络

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-11-21 19:25

Scikit-Learn 与 TensorFlow 机器学习实用指南学习笔记1 — 机器学习基础知识简介

红色石头的个人网站：redstonewill.com本章介绍的是每一个数据科学家都应该知道并听说的机器学习许多基本的概念和术语。这将是一个高层次的概括（本书唯一没有很多代码的一章）。内容很简单，但是你要保证在进行下一章之前对本章每个概念都理解得很透彻。因此，端起一杯咖啡，让我们开始吧！1什么是机器学习？机器学习是一门通过编程从而在数据中学习的科学技术，或者称之为艺术。这里有一个更一般的定义：在不直
红色石头Will·2018-11-20 11:48

python : 机器学习实战 中文目录

阅读更多机器学习实战数字版权声明2作、译者简介3扉页4版权页5致约瑟夫与米洛6译者序7前言9关于本书11致谢15关于封面14目录16第一部分分类20第1章机器学习基础211.1何谓机器学习221.1.1
belldeep·2018-11-15 23:00

python : 机器学习实战 中文目录

阅读更多机器学习实战数字版权声明2作、译者简介3扉页4版权页5致约瑟夫与米洛6译者序7前言9关于本书11致谢15关于封面14目录16第一部分分类20第1章机器学习基础211.1何谓机器学习221.1.1
belldeep·2018-11-15 23:00

《Scikit-Learn与TensorFlow机器学习实用指南》 第13章 卷积神经网络

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-11-13 18:57

机器学习实战书籍和代码分享 | 【PCA简介】

本书第一部分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、AdaBoost集成方法、基于树的回归算法和分类回归树
flyfor2013·2018-11-12 10:00

机器学习实战书籍和代码分享 | 【PCA简介】

本书第一部分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、AdaBoost集成方法、基于树的回归算法和分类回归树
AI_study_NO1·2018-11-12 10:26

《Scikit-Learn与TensorFlow机器学习实用指南》 第11章 训练深度神经网络（上）

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-11-09 17:09

《Scikit-Learn与TensorFlow机器学习实用指南》 第11章 训练深度神经网络（下）

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-11-09 17:11

2019秋招备战 - 机器学习基础

机器学习基础常用计算公式TF-IDF(词频-逆文档频率,Termfrequency-Inversedocumentfrequency)词频(TF)=某个词在文章中出现次数文章总单词数\text{词频(TF
Johnson0722·2018-11-01 11:11

达观数据王文广：如何玩转自然语言理解和深度学习实践？

一、深度学习概述深度学习是从机器学习基础上发展起来的，机器学习分为监督学习、非监督学习以及强化学习三种类型。深度学习是在机器学习的基础上把特征抽取工作放到里面一起来完成的，直接实现了端到端的学习。
达观数据·2018-10-31 00:00

Python学习笔记之：Scikit-Learn机器学习基础

前言本文是我根据Scikit-learn官方API翻译理解所写，如果有什么地方翻译的不对，欢迎指正！！！一、监督学习GeneralizedLinearModels(广义线性模型)LinearandQuadraticDiscriminantAnalysis(线性和二次判别分析)Kernelridgeregression(内核岭回归)SupportVectorMachines（支持向量机,SVM）St
Jayboy.chen·2018-10-31 00:00

TensorFlow系列专题（二）：机器学习基础

欢迎大家关注我们的网站和系列教程：http://www.tensorflownews.com/，学习更多的机器学习、深度学习的知识！目录：数据预处理归一化标准化离散化二值化哑编码特征工程特征提取特征选择模型评估方法留出法交叉验证法自助法模型性能度量正确率（accuracy）和错误率（errorrate）查准率（precision）、查全率（recall）与参考文献一.数据预处理数据预处理的方式较多
磐创 AI·2018-10-26 19:32

TensorFlow系列专题（一）：机器学习基础

欢迎大家关注我们的网站和系列教程：http://www.tensorflownews.com/，学习更多的机器学习、深度学习的知识！一．人工智能发展1956年的8月，美国达特茅斯学院（DartmouthCollege）举行了一次研讨会，这次会议由约翰[图片上传失败...(image-7b7957-1540453423508)]麦卡锡等人发起，会议上约翰[图片上传失败...(image-c2eb84
磐创 AI·2018-10-25 22:46

机器学习实战 python机器学习基础教程 学习资料

python机器学习基础教程也可作为机器学习入门，以Python语言介绍。主要内容包括：机器学习的基本概
QQ1850845616·2018-10-22 19:33

机器学习基础概念（一）

“无监督学习”是指人们在获得训练的向量数据后在没有标签的情况下尝试找出其内部蕴含关系的一种挖掘工作，这个过程中使用者除了可能要设置一些必要的超参数（hyper-parameter）以外，不用对这些样本做任何的标记甚至是过程干预；“有监督学习”与此不同，每一个样本都有着明确的标签，最后我们只是要总结出这些训练样本向量与标签的映射关系。所以这在这两种方式下，处理的逻辑有很大的区别，初学的朋友需要格外注
展希希鸿·2018-10-17 15:13

【资源】机器学习算法工程师手册（PDF下载）

数值计算基础4.常用函数统计学习0.机器学习简介1.线性代数基础2.支持向量机3.朴素贝叶斯4.决策树5.knn6.集成学习7.梯度提升树8.特征工程9.模型评估10.降维11.聚类深度学习0.深度学习简介1.机器学习基础
机器学习算法与Python学习-公众号·2018-10-14 12:00

《Python 深度学习》第四章 机器学习基础

主要内容：机器学习形式评估机器学习模型的规范流程为深度学习准备数据特征工程解决过拟合处理机器学习问题的通过流程机器学习核心难题：过拟合4.1机器学习的四个分支监督学习：分类、回归、序列生成（sequencegeneration）、语法树预测（syntaxtreeprediction）、目标预测（objectdetection）、图像分割（imagesegmentation）无监督学习：降维（dim
0点51 胜·2018-10-13 23:28

机器学习基础

机器学习本质包含了数学原理推导与实际应用技巧推论事情的方法：演绎法和归纳法。根据经验进行推论，就像人成长一样。基础:机器学习的目的是：归纳(Induction),从详细事实到一般推论找出有效的预测模型一开始都是从一个简单的模型开始藉由不断喂入训练数据，修改模型不断提升预测绩效机器学习的步骤：使用者的行为收集资料数据转换与清洗建立模型验证模型（建立模型和验证模型之间反复训练与验证）部署模型机器学习需
alogy·2018-10-10 00:00

机器学习概念篇：监督学习、过拟合，正则化，泛化能力等概念以及防止过拟合方法总结

本篇便从机器学习基础概念说起！
feilong_csdn·2018-10-09 22:06

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
喜欢打酱油的老鸟·2018-10-03 10:59

计算机保研路回忆，包括山大、东华、东南、北交、浙软复试经验

对于深度学习机器学习基础个人认为掌握的比大部分本科生要好。竞赛情况：两个学业奖、
as1171799253·2018-09-28 13:37

机器学习基础-11:机器学习的分类

机器学习的分类机器学习原理与实践(开源图书)-总目录，建议收藏，告别碎片阅读！根据不同的概念和意图可以将机器学习算法分成若干类别。本文主要按照学习形式分类、任务目标分类和学习策略的不同分类。我们试图对机器学习算法进行分类，分类的目的在于找到机器学习算法的共性、个性和适用边界。方便我们针对特定的问题域快速评估出可行的解决方案。1学习形式分类按照学习形式的不同可以将机器学习算法分为监督学习、非监督学习
MTVideoAI·2018-09-25 08:57

深度学习-机器学习基础知识

机器学习基础作为一个多学科交叉的融合学科，机器学习涉及到包括计算机、矩阵分析、概率统计、优化理论等在内的多门学科知识，它让计算机能够在没有被显示编程的情况下拥有学习的能力。
Forlogen·2018-09-22 15:09

《Scikit-Learn与TensorFlow机器学习实用指南》 第09章 启动并运行TensorFlow

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-09-20 13:33

机器学习与深度学习系列连载： 第一部分 机器学习（八）支持向量机1（Support Vector Machine）

SupportVectorMachine1(SVM)支持向量机SVM，是机器学习基础算法中最重要的算法之一。
人工智能插班生·2018-09-19 09:21

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
凤凰花开那一天·2018-09-15 15:05

《Scikit-Learn与TensorFlow机器学习实用指南》 第08章 降维

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-09-13 12:07

一次性掌握机器学习基础知识脉络-CSDN公开课-专题视频课程

一次性掌握机器学习基础知识脉络—518人已学习课程介绍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，建立知识脉络，做到知识的有机吸收。
CSDN学院官方账号·2018-09-10 16:02

《Scikit-Learn与TensorFlow机器学习实用指南》 第05章 支持向量机

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-09-10 14:10

机器学习基础--模型评价指标

转载：https://blog.csdn.net/quiet_girl/article/details/70830796以下第一部分内容转载自：机器学习算法中的准确率(Precision)、召回率(Recall)、F值(F-Measure)是怎么一回事摘要：数据挖掘、机器学习和推荐系统中的评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)简介。引言：在机器学
野路子的数据科学·2018-09-10 09:23

机器学习基础--模型评价指标

转载：https://blog.csdn.net/quiet_girl/article/details/70830796以下第一部分内容转载自：机器学习算法中的准确率(Precision)、召回率(Recall)、F值(F-Measure)是怎么一回事摘要：数据挖掘、机器学习和推荐系统中的评测指标—准确率(Precision)、召回率(Recall)、F值(F-Measure)简介。引言：在机器学
野路子的数据科学·2018-09-10 09:23

10本免费的机器学习和数据科学书籍

这是一个收集这些免费书籍的清单，该清单以统计基础开始，随后是到机器学习基础，最后结合使用所有内容，经典和现代混合的标题，希望你在这里找
阿里云云栖社区·2018-09-10 00:00

《Scikit-Learn与TensorFlow机器学习实用指南》 第04章 训练模型

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第
SeanCheney·2018-09-07 17:45

机器学习与算法面试太难？

一、机器学习基础题1、LSTM的公式2、RNN为什么出现
weixin_30652897·2018-09-06 08:00

今晚直播 | 一次性掌握机器学习基础知识脉络

机器学习第二次入门AI科技大本营在线公开课第15期主题：机器学习第二次入门时间：9月6日（今晚）20:00-21:00入群福利：讲师交流+PPT分享+抽奖送书扫码添加小助手，备注：机器学习，邀你入群▼作为一门多领域交叉的学科，机器学习涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门被用来研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断
AI科技大本营·2018-09-05 00:03

今晚直播 | 一次性掌握机器学习基础知识脉络

机器学习第二次入门AI科技大本营在线公开课第15期主题：机器学习第二次入门时间：9月6日（今晚）20:00-21:00入群福利：讲师交流+PPT分享+抽奖送书扫码添加小助手，备注：机器学习，邀你入群▼作为一门多领域交叉的学科，机器学习涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门被用来研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断
AI科技大本营·2018-09-05 00:00

机器学习基础学习－－决策树

简介决策树是一种基本的分类与回归方法，它是基于树的结构进行决策的。决策树分为分类树和回归树两种，分类树对离散变量做决策树，回归树对连续变量做决策树。决策树分类器就像判断模块和终止块组成的流程图，终止块表示分类结果（也就是树的叶子）。判断模块表示对一个特征取值的判断（该特征有几个值，判断模块就有几个分支）。决策树的学习过程一棵决策树的生成过程主要分为以下3个部分:特征选择：特征选择是指从训练数据中众
雪泪寒飞起来·2018-09-03 22:33

机器学习基础介绍以及线性回归（Regression)【吴恩达1-2+李弘毅1-2】

机器学习基础知识1.机器学习基础模块机器学习三要素：T（任务)P（性能）E（经验）1）监督学习（SupervisedLearning)（有标签的学习）三个主要步骤：step1:定义ModelStep2:
磕葵子·2018-09-03 14:07

机器学习与深度学习系列连载（NTU-Machine Learning, cs229, cs231n, cs224n, cs294）：欢迎进入机器学习的世界

UCL-Course])(http://www0.cs.ucl.ac.uk/staff/d.silver/web/Teaching.html)课程，翻译、总结、提炼，将零星的知识点、算法进行串接，并加入个人的理解，形成机器学习基础理论
人工智能插班生·2018-09-02 23:43

【深度学习(Deep Learning by Yoshua Bengio & Ian GoodFellow )学习笔记】第一部分（应用数学与机器学习基础）——线性代数

线性代数线性代数主要面向连续数学，而非离散数学，所以很多计算机科学家很少接触它。然而掌握好线性代数对理解和从事机器学习算法相关工作时很有必要的。1.1标量、向量、矩阵和张量标量（scalar）：一个标量就是单独一个数。通常用斜体、小写表示。介绍标量时，通常会明确表示它所属的类型。如：定义实数标量：会说“令s∈R”表示一条斜率。向量（vector）:一个向量就是一列有序排列的数。通常用粗体、小写表示
慢慢成长的芦苇·2018-08-29 16:18

教程 | TensorFlow 2.0 教程 ——机器学习基础 —— 文本分类

更新至TensorFlow2.0alpha版本译自：官方TensorFlow教程电影评论的文本分类下载IMDB数据集探索数据将整数转换回单词准备数据建立模型隐藏单元损失函数和优化器创建验证集训练模型评估模型创建准确率和损失的图表本教程使用评论文本对电影评论进行分类（正面或负面）。这是二分类的一个例子，一种重要且广泛适用的机器学习问题。我们将使用包含来自IMDB的50,000条电影评论文本的IMDB
蓝三金·2018-08-26 15:56

Python两种方式加载文件内容

目录一、Python机器学习基础之Python的基本语法（一）二、Python机器学习基础之Python的基本语法（二）三、Python机器学习基础之Numpy库的使用
象在舞·2018-08-23 14:12

精通机器学习：基于R（二）

第二章线性回归：机器学习基础技术2.1单变量回归线性回归必须通过假设检验，总结如下：1）线性：预测变量与响应变量之间的关系是线性的。如果不是线性的要进行数据转换（对数转换、多项式转换、指数转换等）。
Floria_19·2018-08-21 18:24

听师兄分享以及自己总结出来的初学者入门AI领域的经验有感。

①：也是第一步，首先掌握机器学习基础，如梯度下降、svm这类的算法，推荐了书《机器学习实战》《西瓜书》②：看论文，把不会的问题集中在一起请教老师（关于初学者看什么论文的问题，实际上还是要看比较高质量的论文
gaozhanfire·2018-08-17 19:49
上一页 32 33 34 35 36 37 38 39 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他