机器学习理论

爬坑之旅——Tensorflow object detection API 搭建属于自己的物体识别模型

在看了很多机器学习理论的情况下，想实战一把，于是在网上翻阅了大量的blog和GitHub之后，心中也大概有了一些眉目。
Leon_zm·2018-07-15 16:51

机器学习算法之分类

机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类能从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法[1]。
leofionn·2018-05-24 19:32

明日算法工程师の养成之路

学习材料机器学习理论知识的第一本书：《统计学习方法》李航著编程基础的第一本书：《
moonfansLTH·2018-05-18 23:21

机器学习算法菜鸟笔记--01机器学习算法初识

想想自己曾经也是从一个机器学习算法小白走到现在这一步的，对于以前自己在学习方面的经验，做一个总结，对自己做的一些实验进行总结记录一下，希望能够大家提供能够成功执行的机器学习代码，方便大家顺利迈进机器学习的第一步：目前的大概笔记规划如下：1.机器学习理论概述主要介绍一些学习机器学习设计到的一些常识知识
晶心·2018-05-14 19:55

应用SVM算法进行股票预测

在机器学习理论被炒得火热的今天，网络上对于股票的走势预测信息层出不穷。这也提起了我对这个小项目的兴趣
severusz·2018-03-27 15:10

机器学习算法与Python实践 - 知识图谱

机器学习/人工智能知识图谱可以为自己建立一个机器学习的知识图谱，并争取掌握每一个经典的机器学习理论和算法，简单地总结如下：1）回归算法：最小二乘法（OrdinaryLeastSquare）逻辑回归（LogisticRegression
visiontry·2018-03-27 00:33

XGBoost 论文翻译+个人注释

最近研究机器学习理论，学习了一下陈天奇博士的论文，做了一点简单的翻译和批注，在这里记录一下。本文将按照论文的顺序来介绍xgb，其中穿插我自己的理解和我对于论文原文的中文翻译，以及一些公式的截图。
qdbszsj·2018-03-20 00:23

第一章（1.2） 机器学习算法工程师技能树

基础数据结构与算法树与相关算法图与相关算法哈希表与相关算法矩阵与相关算法（2）概率和统计基础大数定理中心极限定理常用概率分布假设校验理论最大后验理论最大似然理论EM算法贝叶斯理论贝叶斯分类错误率（3）机器学习理论
两只橙·2018-02-19 23:22

python机器学习理论与实战（四）逻辑回归

从这节算是开始进入“正规”的机器学习了吧，之所以“正规”因为它开始要建立价值函数（costfunction），接着优化价值函数求出权重，然后测试验证。这整套的流程是机器学习必经环节。今天要学习的话题是逻辑回归，逻辑回归也是一种有监督学习方法（supervisedmachinelearning）。逻辑回归一般用来做预测，也可以用来做分类，预测是某个类别^.^！线性回归想比大家都不陌生了，y=kx+b
marvin521·2018-01-19 11:15

python机器学习理论与实战（二）决策树

决策树也是有监督机器学习方法。电影《无耻混蛋》里有一幕游戏，在德军小酒馆里有几个人在玩20问题游戏，游戏规则是一个设迷者在纸牌中抽出一个目标（可以是人，也可以是物），而猜谜者可以提问题，设迷者只能回答是或者不是，在几个问题（最多二十个问题）之后，猜谜者通过逐步缩小范围就准确的找到了答案。这就类似于决策树的工作原理。（图一）是一个判断邮件类别的工作方式，可以看出判别方法很简单，基本都是阈值判断，关键
marvin521·2018-01-19 11:15

python机器学习理论与实战（一）K近邻法

机器学习分两大类，有监督学习(supervisedlearning)和无监督学习(unsupervisedlearning)。有监督学习又可分两类：分类（classification.）和回归（regression），分类的任务就是把一个样本划为某个已知类别，每个样本的类别信息在训练时需要给定，比如人脸识别、行为识别、目标检测等都属于分类。回归的任务则是预测一个数值，比如给定房屋市场的数据（面积，
marvin521·2018-01-19 11:16

python机器学习理论与实战（六）支持向量机

上节基本完成了SVM的理论推倒，寻找最大化间隔的目标最终转换成求解拉格朗日乘子变量alpha的求解问题，求出了alpha即可求解出SVM的权重W，有了权重也就有了最大间隔距离，但是其实上节我们有个假设：就是训练集是线性可分的，这样求出的alpha在[0,infinite]。但是如果数据不是线性可分的呢？此时我们就要允许部分的样本可以越过分类器，这样优化的目标函数就可以不变，只要引入松弛变量即可，它
marvin521·2018-01-19 11:59

python机器学习理论与实战（五）支持向量机

做机器学习的一定对支持向量机（supportvectormachine-SVM）颇为熟悉，因为在深度学习出现之前，SVM一直霸占着机器学习老大哥的位子。他的理论很优美，各种变种改进版本也很多，比如latent-SVM,structural-SVM等。这节先来看看SVM的理论吧，在（图一）中A图表示有两类的数据集，图B,C,D都提供了一个线性分类器来对数据进行分类？但是哪个效果好一些？（图一）可能对
marvin521·2018-01-19 11:22

第一次使用tensorflow编写程序

最近一直在学习机器学习，看了一段时间的机器学习理论后，买了一本tensorflow实战的书，开始实战：tensorflow的基本单位是tensor即张量，就是矩阵，可以是多维的矩阵，具体一些概念不在这里解释尝试使用
默默敲代码ac纯属偶然·2017-12-20 17:42

机器学习理论 || EM算法

参考书籍：李航.统计学习方法视频资料：张志华.上海交通大学.机器学习李航.统计学习方法主要介绍在离散的情况下EM算法的推导，张志华则介绍了连续情况下的EM算法推导，下面笔记则是将两者结合起来。1、定义EM算法是求解含有隐变量概率模型的极大似然估计(或极大后验概率)的迭代方法。2、目标函数理论的目标函数：实际求解的目标函数：推导：3、步骤输入：观测变量数据，隐变量数据Z，联合分布，条件分布输出：参数
Clytze_yy·2017-12-18 11:42

机器学习与深度学习视频讲解

二、视频特点    本系列视频都会基于某一篇优秀博客或者某一本书来讲，视频适合对机器学习理论已经比较清楚，但是对代码掌握程度不够的同学即本视频理论部分少讲或者不讲，而是主要讲如何通过代码实现算法，实践性较强
深度眸·2017-11-22 00:00

机器学习算法与Python实践 - 知识图谱

机器学习/人工智能知识图谱可以为自己建立一个机器学习的知识图谱，并争取掌握每一个经典的机器学习理论和算法，简单地总结如下：另一种不同的机器学习整理方式：机器学习算法分类总结1）回归算法：最小二乘法（OrdinaryLeastSquare
pandsu·2017-11-15 10:56

机器学习理论篇之SVM（python实现）

SVM就是试图寻找能将训练样本区分开的最优划分超平面，直观上我们可以看出H3才是做好的，到样本两边距离相等且最大，，这里的最好是划分的超平面对训练样本的“容忍性”最好。。。在样本空间中，划分的超平面可以用如下方程来描述：W（T）x+b=0，其中，w位法向量，决定里超平面的方向，b为位移项，决定了超平面与原点的距离。我们这次使用的结果标签是y=-1,y=1，替换在logistic回归中使用的y=0和
NFMSR·2017-11-03 18:50

机器学习理论篇之线性回归（python实现）

1.线性回归模型：（M个样本，n个特征值，一个bias）矩阵化表现形式：注意这里采用的XW的向量表示形式，如果要采用W（T）X的形式X矩阵的向量表现形式就不一样了。其实机器学习的目的就是要求出最优的W参数值，因此我们需要用到损失函数。2.损失函数（cost）：最小二乘法表示损失函数：何为最小二乘法，其实很简单。我们有很多的给定点，这时候我们需要找出一条线去拟合它，那么我先假设这个线的方程，然后把数
NFMSR·2017-10-28 19:32

机器学习：吴恩达Coursera机器学习课后作业答案MATLAB和Python版本分享

博客地址：算法介绍GitHub地址：更新完成学习机器学习理论知识：吴恩达的Coursera机器学习课程整理的课后作业MATLAB版本：lookhere自己改写的Python版本：看这里ps:因为MATLAB
16huakai·2017-10-25 14:43

美团技术团队：实例详解机器学习如何解决问题（转载）

不管是工业界还是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有侧重，学术界侧重于对机器学习理论的研究，工业界侧重于如何用机器学习来解决实际问题。
JasonZhangOO·2017-10-21 15:51

机器学习理论系列1——机器学习概况

摘要：本文试图对“机器学习”做一个概况描述，用简单易懂的方式介绍它的一些基本概念以及一些应用场景，并简单介绍目前机器学习在商业领域的主要应用和成就。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度等多门学科。主要研究的是从大量已知的数据和信息中找出未知的规律。它的本质是模式识别，是人工智能的核心。计算机科学家TomMitchell对机器学习的定义为，“一个程序在完成任务
刺猬ciwei_532a·2017-09-16 17:20

人工智能学习路线

数学基础--高等数学、线性代数、概率、统计学、数理统计、离散数学、多元微积分运算基础、数值计算、图论、拓扑经典机器学习理论和算法--计算原理、模式识别、人工智能导论、回归、决策树等--人工智能
hongtanke·2017-09-11 16:00

《机器学习实战》完整读书笔记

  之前就知道有《机器学习实战》这本书，还有机器学习实战源码，对于想对机器学习理论和实践层面有更深入的了解和学习的话就可以看一下这本书，代码是python写好的，可以拿来跑一下，也可以加进去自己的理解，
Together_CZ·2017-07-22 00:00

机器学习基础：集成学习方法应用实验（RF、GBDT）

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。
Snoopy_Yuan·2017-07-07 21:56

学习理论

本节主要讲述机器学习理论，它与机器学习的经典算法不同，是阐述机器学习算法为什么正确的这一类理论知识。在Ng看来，机器学习理论是一个人懂机器学习的核心或者只懂皮毛的关键所在之一。
咸鱼小二·2017-05-25 16:42

机器学习入门资源--汇总

机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。
Tsingke·2017-04-15 18:00

sklearn：Python语言开发的通用机器学习库

但是，要将sklearn应用于实际的项目中，只需要对机器学习理论有一个基本的掌握，就可以直接调用其API来完成各种机器学习问题。
博文视点·2017-04-13 15:23

机器学习入门系列-为什么要机器学习

人工智能“知识”--》“学习”重点，机器学习是实现人工智能的一个途径，机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。
新兴ICT项目支撑·2017-04-09 07:39

模型的偏差与方差的理解

[+]模型的偏差和方差的权衡和讨论其实是贯穿在整个机器学习理论当中的。机器学习的每一个算法或者模型都有对这两方面的判断和取舍。
accumulate_zhang·2017-03-18 10:58

机器学习and决策树学习笔记

机器学习理论主要是设计和分析一些让计算机可以自动学习的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，
谁主沉浮---data·2017-03-09 16:28

【机器学习理论】第6部分 准确率Accuracy，精确度Precision，召回率Recall，F-Score

准确率和召回率是用于信息检索和统计学分类领域的两个度量值，用于评价结果的质量，在机器学习中对于数据进行预测的过程中，同样的使用这些指标来评价预测的结果的质量。准确率是检索出相关文档数与检索出的文档总数的比率，衡量的是检索系统的查准率；召回率是指检索出的相关文档数和文档库中的所有的相关文档数的比率，衡量的是检索系统的查全率。1.正确率=正确识别的个体总数/识别出的个体总数2.召回率=正确识别的个体总
墨竹 | kevinelstri·2017-03-09 14:39

机器学习岗面试点滴聚集

面试技术层面主要分为四块：编程基础，专业知识基础，机器学习理论和实战经验。
andrewseu·2016-12-30 12:17

机器学习岗面试点滴聚集

面试技术层面主要分为四块：编程基础，专业知识基础，机器学习理论和实战经验。
andrewseu·2016-12-30 12:17

机器学习初学者的误区

1.不要从理论开始入手传统的机器学习教学是这样的：努力掌握数学背景知识努力学习机器学习理论努力从头开始实现算法XOXOXO自我感觉不错（一些神奇事情发生）最
大村chen·2016-12-06 02:38

SVM的原问题和对偶问题模型

这两天，我翻开沉压已久的学习笔记，看到了当初总结的SVM学习心得，为了避免不小心弄丢了，就在这里重新记录一下吧，希望对初学机器学习理论并热爱公式推导的朋友有所帮助。
diligent_321·2016-11-29 18:59

TensorFlow实现逻辑回归分类器

本文是关于逻辑回归分类器的实现，相关的机器学习理论比较简单，这里就不再赘述。
diligent_321·2016-10-26 19:18

机器学习理论与实验2

徐海蛟Teaching.考虑一个随机变量X，如果给出X的一系列独立同分布的观察值，那么如何由这些观察值来估计出X的密度函数P（X）？这就是密度估计问题。概率分布可分为参数分布和非参数分布。参数分布函数是由一些参数控制的，比如高斯分布中平均值和方差，用参数分布的方法去估计密度时，必须确定合适的参数。从频率论来看，可用极大似然函数来确定参数；而从贝叶斯论来看，需要引入共轭先验，它使得后验分布与先验分布
xuhaijiao99·2016-09-14 14:26

美团的“实例详解机器学习如何解决问题”

不管是工业界还是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有侧重，学术界侧重于对机器学习理论的研究，工业界侧重于如何用机器学习来解决实际问题。
shenxiaoming77·2016-05-31 10:00

美团机器学习InAction系列—实例详解机器学习如何解决问题

不管是工业界还是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有侧重，学术界侧重于对机器学习理论的研究，工业界侧重于如何用机器学习来解决实际问题。
zhihua_bupt·2016-05-11 14:29

美团机器学习InAction系列—实例详解机器学习如何解决问题

不管是工业界还是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有侧重，学术界侧重于对机器学习理论的研究，工业界侧重于如何用机器学习来解决实际问题。
geekmanong·2016-05-11 14:00

什么是机器学习

机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。
tianliangjay·2016-04-14 23:00

实例详解机器学习如何解决问题

不管是工业界还是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有侧重，学术界侧重于对机器学习理论的研究，工业界侧重于如何用机器学习来解决实际问题。
liugallup·2016-04-07 09:00

实例详解机器学习如何解决问题

不管是工业界还是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有侧重，学术界侧重于对机器学习理论的研究，工业界侧重于如何用机器学习来解决实际问题。
liugallup·2016-04-06 22:00

决策树算法介绍及应用

机器学习理论主要是设计和分析一些让计算机可以自动学习的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。
garfielder007·2016-03-10 12:27

实例详解机器学习

不管是工业界还是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有侧重，学术界侧重于对机器学习理论的研究，工业界侧重于如何用机器学习来解决实际问题。
yingyujianmo·2016-03-05 22:00

【深度学习介绍系列之一】——深度强化学习

这两者不仅在实际应用中表现的很酷，在机器学习理论中也有不俗的表现。深度强化学习是啥呢？简单点说就是深度学习+强化学习。深度学习和强化学习都不是啥新鲜事了，但是深度强化学
荪荪·2016-02-25 18:03

【深度学习介绍系列之一】——深度强化学习

这两者不仅在实际应用中表现的很酷，在机器学习理论中也有不俗的表现。深度强化学习是啥呢？简单点说就是深度学习+强化学习。深度学习和强化学习都不是啥新鲜事了，但是深度强化学
SMF0504·2016-02-25 18:00

机器学习理论与实战（十六）概率图模型04

        04、概率图模型应用实例         最近一篇文章《Deformable Model Fitting by Regularized Landmark Mean-Shift》中的人脸点检测算法在速度和精度折中上达到了一个相对不错的水平，这篇技术报告就来阐述下这个算法的工作原理以及相关的铺垫
·2015-11-13 07:44

机器学习理论与实战（十五）概率图模型03

03 图模型推理算法            这节了解一下概率图模型的推理算法（Inference algorithm），也就是如何求边缘概率（marginalization probability）。推理算法分两大类，第一类是准确推理（Exact Inference）,第二类就是近似推理（Approximate Inference）。
·2015-11-13 06:49
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他