•机器学习基础

机器学习实战（Part1_lecture1）机器学习基础

Part1分类Lecture1机器学习基础目录Part1分类Lecture1机器学习基础目录机器学习再述机器学习开发的步骤pythonNumPy机器学习再述机器学习的真正含义是彰显数据背后的真实意义（简单来说
九方先生·2018-02-01 16:30

单变量的线性回归模型算法

今年在用机器学习分类的时候，发现很多机器学习基础知识都已经忘得一干二净，对自己很是无语。因此，作者打算重新温习一篇Andrew老师的机器学习课程，并用博客来记录每一节课程的知识要点，加油吧！
algorithmPro·2018-01-31 20:20

机器学习实战第一章-机器学习基础

一，开发机器学习应用程序的步骤收集数据准备输入数据分析数据：在此阶段可以对原始数据填充空值、过滤垃圾数据（如异常数据）、进行特征选择与特征降维、可视化分析等等。训练算法测试算法应用算法二，Python语言实现机器学习算法的优势语法简单清晰易于处理纯文本文件使用广泛，存在大量的开发文档科学函数库：Scipy&Numpy；绘图工具库：Matplotlib等等总之，Python使得我们可以花费更多的时间
潜心修行的研究者·2018-01-30 00:00

机器学习实战---第一章 机器学习基础

写在前面：开始学习《机器学习实战》这本书啦，记录下自己觉得重要的点。目录：1什么是机器学习2关键术语3机器学习的主要任务4如何选择合适的算法5开发机器学习应用程序的步骤6Python语言的优势1.1什么是机器学习机器学习就是把无序的数据转换成有用的信息。1.2关键术语（PDF版本的电子书竟然缺了几页？）特征，属性，训练集，测试集，目标变量，知识表示1.3机器学习的主要任务1.4如何选择合适的算法首
Stat_Shuwen·2018-01-19 00:00

《deeplearning.ai》 课程一第四周 | Deep neural networks

注：如果没有任何机器学习基础，
V怪兽·2018-01-08 15:13

【笔记】想学机器学习？这里有你需要知道的一些基础知识！

本文主要内容：机器学习基础：机器学习的分类与一般思路微积分基础：泰勒公式、导数与梯度概率与统计基础：概率分布、常见分布、常见统计量线性代数基础：矩阵乘法的几何意义机器学习的其他名称：模式识别、数据挖掘、
光影流年925·2018-01-02 15:41

周志华《机器学习》笔记（1）：西瓜书第一章

本书作者：南京大学周志华教授全书共16章，大体上可分为3个部分：第1部分包括第1~3章，介绍机器学习基础知识；第2部分包括第4~10章，介绍一些经典而常用的机器学习方法；第3部分包括第11~16章，介绍一些进阶知识
Li_tian_yang·2018-01-01 00:00

AI-深度学习框架-应用数学和机器学习基础

AI-深度学习框架-应用数学和机器学习基础矩阵、多项式、群论标量、向量、矩阵和张量乘矩阵和向量恒等矩阵和逆矩阵线性相关和跨度范式理论范式是存在于某一科学论域内关于研究对象的基本意向。
Leemboy·2017-12-17 21:53

【机器学习】非线性回归算法分析

我们上文深入本质了解了机器学习基础线性回归算法后，本文继续研究非线性回归。非线性回归在机器学习中并非热点，并且较为小众，且其应用范畴也不如其他广。鉴于此，我们本文也将较为简单的介绍，并不会深入展开。
AI启蒙研究院·2017-12-15 00:00

机器学习基础

郑捷《机器学习算法原理与编程实践》学习笔记（第一章机器学习基础）机器学习对象是指含有一组特征的行向量，也称为特征向量。一般而言，一个对象应视为完整的个体，代表现实中有意义的事物，不能轻易拆分。
xinet·2017-12-06 20:00

深度学习[ 李宏毅&吴恩达 &张志华译伊恩·古德费洛深度学习]笔记

系列学习笔记：张志华译：深度学习吴恩达：深度学习李宏毅：深度学习前言一：应用数学与机器学习基础二：深层网络：现代实践三：深度学习研究神经网络和深度学习改善深层神经网络以及优化结构化机器学习项目卷积神经网络序列模型深度学习的基础结构计算图和反向传播深度学习语言建模空间转换层
女王の专属领地·2017-12-06 14:35

机器学习基础概念和名词

尽管机器学习从分类上而言只是人工智能（也就是常说的AI）的分支之一，但其本身也是一个相当巨大的命题。在未来的一段时间里，我将花时间在专栏写一些我比较熟悉的机器学习相关的概念和算法，最主要的目的是为了梳理自己的知识体系，也是希望和大家分享学习的历程和感悟，以达到交流的目的。这两年大数据火了，机器学习、神经网络、数据挖掘、强化学习等等这些名词都火了，然而我常常在想，把这些名词挂在嘴边的我们，究竟能否在
苏叶biu·2017-12-03 20:38

Python && 机器学习基础

Python&&机器学习基础Python机器学习基础numpynumpy的数据结构numpy的基本操作矩阵操作numpy的常用函数pandaspandas数据选择pandas数据类型pandas数据预处理
TAOSIYU3314·2017-12-03 18:39

人工智能与机器学习基础知识学习笔记

经过前段时间忙碌的校招和期中考后，终于又有时间提笔写些东西，由于校招后即将从事的工作，涉及广告内容的竞价和分发，这段时间一直在学习AI与博弈论的基础内容，所以接下来将写两篇关于“人工智能“与”博弈论“的学习文章，由于本人是社科出身加之数学基础不够，所以文章内容较浅，更多的是涉及宏观的介绍，仅适合非技术人员（如产品经理）简单地了解，由于本人也是现学现卖，算是对自我学习的总结和分享，今天的主题是关于人
ninesunschen·2017-11-29 20:14

RCNN

附一张发表RCNN并开启目标检测深度学习浪潮的RossB.Girshick（rbg）男神：无论如何，目标检测属于应用范畴，有些机器学习基础上手还是很快的，所以让我们马上来补习一下！首先什么是目标检测？
DL_CreepingBird·2017-11-16 15:59

Python 《机器学习实战》学习笔记（一）——机器学习基础

《机器学习实战》共分为四个部分：第一部分——分类共七章，第一章介绍机器学习的基础；第二章讲述最简单的分类算法：k-近邻算法；第三章引入决策树；第四章将讨论如何使用概率论建立分类器；第五章讨论Logistic回归；第六章介绍支持向量机；第七章介绍元算法：AdaBoost。第二部分——利用回归预测数值类型数介绍了预测数值型数据——回归和树回归第三部分——无监督学习第四部分——其他工具前两部分是监督学习
waiting-gy·2017-11-15 00:00

周志华 — 机器学习

菌今天要推荐的是周志华老师的机器学习链接：http://pan.baidu.com/s/1sl7I6lB密码：brev内容简介······机器学习是计算机科学与人工智能的重要分支领域.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
AI玩转智能·2017-11-10 00:00

机器学习基础之学习方式

机器学习基础-学习方式：1、监督学习（supervisedlearning）；概念：对有标记的训练样本进行学习，实现训练样本以外的数据进行标记预测。
coplin·2017-11-02 21:06

bittiger视频（AI简历）

需要掌握的核心AI知识1）编程2）统计/数学基础贝叶斯，SVM当中各种推导3）机器学习基础4）相关专业知识（推荐系统，NLP，CV）二。AI工程师都面试什么样的题目呢？
mdjxy63·2017-10-28 15:23

机器学习基础篇--监督学习经典案例（Python实现）

机器学习基础篇--监督学习监督学习经典案例前几章讲过，机器学习监督学习模型的任务重点在于，根据已有的经验知识对未知样本的目标/标记进行预测。
Python技术博文·2017-10-24 00:00

机器学习实战学习笔记

Chapter1机器学习基础NumPy函数库基础random.rand(4,4)上述命令构造了4*4的随机数组>>>random.rand(4,4) array([[0.0418002,0.20941796,0.68781548,0.32148814
infinitezechan·2017-10-22 00:00

资源 | 4天学会PyTorch！香港科技大学开放PyTorch机器学习课件资源

整理|suiling上周，香港科技大学计算机系SungKim教授公开了一份“三日TensorFlow速成课程”的学习资料（主要涉及TensorFlow的安装、内部机制、机器学习基础、以及有关神经网络的一些
AI科技大本营·2017-10-09 00:00

机器学习基础：搭建在线Anaconda环境

序机器学习、人工智能已经火了有一段时间，正好近期有建模预测需求，之前还没怎么了解学习，硬着头皮自我充实一下。千里之行，先从Anaconda环境开始吧。Anaconda介绍Anaconda是用于科学计算的Python发行版，它集成了很多关于Python科学计算的第三方库，同时提供了包管理和环境管理的功能，可方便的解决多版本Python并存、切换以及第三方包安装问题。支持运行在Linux、Window
GISCAFF·2017-09-23 22:32

机器学习：K-近邻算法原理与Python代码实现

1、机器学习基础概念1.1我对机器学习的理解机器学习(MachineLearning,ML)从字面理解，就是希望机器可以拥有学习能力。
16huakai·2017-09-11 19:02

总结：数据清洗的一些总结

前言在整理项目的时候发现清洗过程是一个非常细节的过程，几乎贯穿始终，也是后续步骤特征提取等的前置条件，所以整理如下,因为展开较大，所以我已近上传mindnode脑图和原始照片尺寸，请在这里下载数据清洗脑图原版致谢机器学习基础与实践
哈士奇说喵·2017-08-25 14:54

《deep learning》学习笔记（5）——机器学习基础

http://blog.csdn.net/u011239443/article/details/772021365.1学习算法学习算法：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。5.1.1任务T样本：我们从某些希望机器学习系统处理的对象或事件中收集到的已经量化的特征（feature）的集合。常见的机器学习任
卓寿杰_SoulJoy·2017-08-15 22:02

神经网络入门

从没有任何机器学习基础开始，到现在起码也知道不少模型了。最主要的启蒙是在下面的网站https://github.com/Mo
cvb00052·2017-08-14 22:12

人工智能专业词汇集

对应的词汇项目地址为：https://github.com/jiqizhixin/Artificial-Intelligence-Terminology本词汇库目前拥有的专业词汇共计500个，主要为机器学习基础概念和术语
春雨里de太阳·2017-08-10 14:38

Python机器学习基础篇之python基础篇

自己之前从未没有接触过机器学习，希望自己坚持平均每天学习一个小时。借鉴网上大神的博客和自己的想法进行学习。第一节阶段：python基础的语法的学习2.python爬虫：静态爬虫和动态的爬虫。
Helloflyfish·2017-08-08 22:47

Machine Learning 2 - 非线性回归算法分析

我们上文深入本质了解了机器学习基础线性回归算法后，本文继续研究非线性回归。非线性回归在机器学习中并非热点，并且较为小众，且其应用范畴也不如其他广。鉴于此，我们本文也将较为简单的介绍，并不会深入展开。
erixhao·2017-08-07 22:10

机器学习基础

机器学习的主要任务机器学习主要任务分为监督学习和无监督学习监督学习监督学习又包括回归和分类回归：主要就是用来预测数据，根据现有数据来的数据，常见的就是曲线拟合分类：就是将实例数据划分到具体的分类中之所以叫做监督学习，就是这类算法必须要知道预测什么无监督学习无监督学习任务主要有聚类和密度估计，同时也可以减少特征值的个数聚类：将数据集合分为由类似的对象组成的各个类的过程叫聚类密度估计:主要用于寻找描述
nbw_gx·2017-07-29 12:15

深度学习、机器学习资源分享

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://pan.baidu.com
hukai7190·2017-07-20 00:00

三张图读懂机器学习：基本概念、五大流派与九种常见算法

四大会计师事务所之一的普华永道（PwC）近日发布了多份解读机器学习基础的图表，其中介绍了机器学习的基本概念、原理、历史、未来趋势和一些常见
iCGY·2017-07-18 18:08

暑期复习计划。

堆和栈3算法能力：动态规划，查找和排序，递归和循环深度学习基础：1基本理论，为何深度学习有效2各类公式推导深度学习面试笔记汇总：https://zhuanlan.zhihu.com/p/25005808机器学习基础熟悉了解经典模型
Ethan_Wuuu·2017-07-11 16:37

机器学习实战（第1章 机器学习基础）

目录结构监督学习：机器只需从输入数据中预测合适的模型，并从中计算出目标变量的结果。标称型：标称型目标变量的结果只在有限目标集中取值（如真与假、动物分类集合{爬行类、鱼类、哺乳类、两栖类、植物、真菌};）—-用于分类数值型：数值型目标变量则可以从无限的数值集合中取值（如0.100、42.001、000.743等。）—–用于回归1.1何谓机器学习把无序的数据转换成有用的信息。 1.2关键术语训练集：用
zc0510zc·2017-07-11 00:00

机器学习基础（一）——人工神经网络与简单的感知器

机器学习基础（一）——人工神经网络与简单的感知器(2012-07-0419:57:20)转载▼标签：杂谈分类：machineのlearning从最开始做数据挖掘而接触人工智能的知识开始，就不断听学长，老师说起神经网络算法
ShellCollector·2017-07-10 23:07

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。人脑
亚斯咪妮·2017-07-10 16:26

机器学习基础：集成学习方法应用实验（RF、GBDT）

集成学习正广泛地被应用于机器学习/数据挖掘的实际项目之中。掌握集成学习方法，了解其特性与适用场景，对机器学习理论与实践的结合帮助甚大。这里，我们考察集成学习最重要的两种类型：装袋（Bagging）与提升（Boosting），从其两大算法入手：RandomForest、GBDT，基于自己生成的数据集场景和UCI数据集开展实验，对比分析算法的表现。基础简要回顾关于集成学习，引用博文笔记︱集成学习Ens
Snoopy_Yuan·2017-07-07 21:56

秋招-计算机视觉、机器学习岗需要复习的内容

基础知识学习：《C++primer》算法编程：Leetcode，牛客网，《算法导论》编程思想：《算法导论》，《程序员面试宝典》，《剑指offer》其他语言熟悉：Python，Scala，Matlab等机器学习基础知识
YHZZD·2017-07-06 15:05

机器学习实战 学习笔记

jupyternotebook 机器学习基础 fromnumpyimport* random.rand(4,4) randMat=mat(random.rand(4,4))mat把数组转化为矩阵 invrandMat
张博208·2017-06-21 00:00

机器学习基础1-熵，相对熵，交叉熵、香农熵

信息量x√假设X是一个离散型随机变量，其取值集合为X，概率分布函数为p(x)=Pr(X=x),x∈X，我们定义事件X=x0的信息量为：I(x0)=−logP(x0)可以理解为，一个事件发生的概率越大，则它所携带的信息量就越小，而当p(x0)=1时，熵将等于0，也就是说该事件的发生不会导致任何信息量的增加。举个例子，小明平时不爱学习，考试经常不及格，而小王是个勤奋学习的好学生，经常得满分，所以我们可
陈松灿·2017-06-07 10:19

《美团机器学习实践》思维导图

本书适合有一定机器学习基础的工程技术人员和在校大学生学习和阅读。通过本书，有经验的算法工程师可以了解美团在这方面的做法，在校大学生可以学习机器学习算法如何在具体的业务场景中落地。
女王の专属领地·2017-05-31 00:00

【机器学习】人工神经网络(ANN)浅讲

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
为自己勇敢·2017-05-29 14:41

机器学习基础——Anaconda环境

Anaconda是一个用于科学计算的Python发行版，支持Linux、Mac、Windows系统，包含了众多流行的科学计算、数据分析的Python包。此外，Anaconda提供了包管理与环境管理的功能，可以很方便地解决多版本python并存、切换以及各种第三方包安装问题。Anaconda利用工具/命令conda来进行package和environment的管理，并且已经包含了Python和相关的
阿基米东·2017-05-26 01:47

[人工智能技术]技术实战札记

流程这里还是主要从语言工具开始,具体内容如下:第一部分:语言基础-Python第二部分:语言实战-Python实例第三部分:机器学习基础–基本原理及简单运用第四部分:机器学习进阶–案例分析及实践第五部分
BaiHuaXiu123·2017-05-10 02:00

机器学习基础——BP算法

BP后向传播算法前言昨天看到了一篇关于BP后向传播的论文，想着把这方面的知识彻底理解一下，本文将基于该论文和基本的BP算法。解释其基本概念和权值调整的运算过程。一、BP神经网络的基本原理BP（BackPropagation）网络是1986年由Rinehart和McClelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮
sooner高·2017-04-29 06:32

西瓜书学习笔记（一）

这本书一共16章，大体分为三部分：第一部分：1-3章，介绍机器学习基础知识第二部分：4-10章，介绍经典而常用的机器学习方法第三部分：11-16章，介绍一些进阶知识其中前三章之后各部分内容相对独立。
记忆力衰退来写博客的李同学·2017-04-24 16:03

西瓜书学习笔记（一）

这本书一共16章，大体分为三部分：第一部分：1-3章，介绍机器学习基础知识第二部分：4-10章，介绍经典而常用的机器学习方法第三部分：11-16章，介绍一些进阶知识其中前三章之后各部分内容相对独立。
记忆力衰退来写博客的李同学·2017-04-24 00:00

机器学习 —— 基础整理（六）线性判别函数：感知器、松弛算法、Ho-Kashyap算法

本文简单整理了以下内容：（一）线性判别函数与广义线性判别函数（二）感知器（三）松弛算法（四）Ho-Kashyap算法闲话：本篇是本系列［机器学习基础整理］在timeline上最新的，但实际上还有（七）、
Determined22·2017-04-21 21:00

机器学习基础---概率论基础知识

0.前言本文主要旨在对概率统计的基础概念与知识进行概要的总结，以便于使用到时可以参考。相关的细节可以参考给出的书目。概率论是数理统计的基础，也是很多机器学习模型的支撑。其中涉及的贝叶斯公式、大数定理、中心极限定理尤为重要。1.概率论的基本概念1.1基本概念随机试验（E）（1）可以在相同的条件下重复地进行（2）每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果（3）进行一次试验之前不确定哪
三名狂客·2017-04-13 19:34
上一页 34 35 36 37 38 39 40 41 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他