机器学习系列第6页

机器学习系列11-卷积神经网络CNN part1

ConvolutionalNeuralnetwork(part1)如果本文对你有帮助，请给我的github打个star叭，上面附有全系列目录和内容！更多优质内容欢迎关注我的微信公众号“Sakura的知识库”：CNN常常被用在影像处理上WhyCNNforImage？CNNV.s.DNN我们当然可以用一般的neuralnetwork来做影像处理，不一定要用CNN，比如说，你想要做图像的分类，那你就去t

Sakura_gh·2022-11-15 17:18

机器学习原来这么有趣-Part3-深度学习与卷积神经网络

最近看了AdamGeitgey的机器学习系列文章。寻思着闲着也是闲着，干脆翻译以下，顺便学习下英语啥的哈哈哈。第一次做这种事，有不到位的地方欢迎指教噢。

twelvecoder·2022-11-15 17:47

机器学习原来这么有趣 Part3: 深度学习与卷积神经网络

最近看了AdamGeitgey的机器学习系列文章。寻思着闲着也是闲着，干脆翻译以下，顺便学习下英语啥的哈哈哈。第一次做这种事，有不到位的地方欢迎指教噢。

YuHang·Lin·2022-11-15 17:13

机器学习系列——最小二乘法（一）

原理：（由于不能加载公式，只能这样粗暴地截图了，参考同济第六版高等数学下册第九章第十节）进一步学习可参考网址：http://www.cnblogs.com/lc1217/p/6514734.htmlhttp://ml.shenmabang.com/archives/83.html转载于:https://www.cnblogs.com/lchzlp/p/7300296.html

weixin_30906671·2022-11-14 07:25

【十分钟机器学习系列笔记】决策树-剪枝

视频作者：简博士-知乎(zhihu.com)；简博士的个人空间_哔哩哔哩_bilibili链接：【合集】十分钟机器学习系列视频《统计学习方法》_哔哩哔哩_bilibili原书：《统计学习方法》李航决策树生成算法递归地产生决策树

烧灯续昼2002·2022-11-07 15:27

【机器学习系列】概率图模型第三讲：深入浅出无向图中的条件独立性和因子分解

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱阅读本文之前，先注意一下两点：1、机器学习系列文章常含有大量公式推导证明，为了更好理解，文章在最开始会给出本文的重要结论，

CHEONG_KG·2022-11-07 11:37

吴恩达机器学习系列课程笔记——第二章：单变量线性回归(Linear Regression with One Variable)

2.1模型描述https://www.bilibili.com/video/BV164411b7dx?p=5我们的第一个学习算法是线性回归算法。在这段视频中，你会看到这个算法是什么样子的，更重要的是你将会了解监督学习过程完整的流程。让我们通过一个例子来开始：这个例子是预测住房价格的，我们要使用一个数据集，数据集包含俄勒冈州波特兰市的住房价格。在这里，我要根据不同房屋尺寸所售出的价格，画出我的数据集

Lishier99·2022-11-04 13:25

机器学习【吴恩达|周志华|李宏毅|算法】清单 #收藏#

网络转自：https://blog.csdn.net/julialove102123/article/details/78729602系列学习记录：1、吴恩达机器学习系列；2、李宏毅机器学习课程；3、周志华西瓜书

guomutian911·2022-11-04 09:59

卷积神经网络（Convolutional Neural Network）

本博客是针对李宏毅教授在youtube上上传的机器学习系列课程视频的学习笔记。

蓝色枫魂·2022-11-03 08:32

EM(Expectation Maximization Algorithm)算法详解(附代码)-----大道至简之机器学习系列---通俗理解EM算法。

☕️本文来自专栏：大道至简之机器学习系列专栏本专栏往期文章：逻辑回归(LogisticRegression)详解(附代码)---大道至简之机器学习算法系列——非常通俗易懂！

尚拙谨言·2022-10-26 07:16

机器学习：超参数、训练集、验证集、测试集、归纳偏好、经验误差与过拟合、性能度量、机器学习发展现状

机器学习导论1.1超参数1.2训练集、验证集、测试集1.3归纳偏好1.4经验误差与过拟合1.5性能度量（performancemeasure）1.6机器学习发展现状声明：文章部分内容摘选于：机器学习系列

唐樽·2022-10-25 14:09

传统机器学习笔记4——决策树

前沿上篇博文我们介绍了逻辑回归算法，对逻辑回归有不明白的小伙伴可以回到之前的博文再看看，这里附一个前面介绍过的传统机器学习系列的汇总：传统机器学习笔记——概述传统机器学习笔记1——模型评估方法与准则传统机器学习笔记

I松风水月·2022-10-24 18:18

Python手撸机器学习系列（十三）：AdaBoost提升算法实现

目录AdaBoost算法一、概述二、代码实现三、参考文献AdaBoost算法一、概述提升算法是将一组弱分类器组合成强分类器的算法，大多数的提升算法都是改变训练数据的概率分布（或权值），针对不用的训练数据训练弱分类器学习，最后再组合弱分类器成为一个强分类器。对于提速算法，需要解决两个问题：如何在训练中修改样本的权值如何组合弱分类器AdaBoost提升算法主要做法：首先提高前一轮分类器中被错误分类的样

锌a·2022-10-20 22:49

AdaBoost算法详解及python实现【Python机器学习系列（十八）】

文章目录1.AdaBoost算法简介2.AdaBoost算法逻辑详解2.1数据2.2带权错误率2.3损失函数与确定样本权重2.3确定模型权重2.4输出模型3.AdaBoost算法的python实现1.AdaBoost算法简介Boosting是机器学习的三大框架之一，其特点是，训练过程中的诸多弱模型，彼此之间有着强依赖关系。Boost也被称为增强学习或提升法。典型的代表算法是AdaBoost算法。A

侯小啾·2022-10-20 22:29

吴恩达机器学习（十三）—— ex5：Regularized Linear Regression and Bias v.s. Variance（MATLAB+Python）

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。

大彤小忆·2022-10-19 13:34

机器学习系列（二）——分类及回归问题

机器学习基础（二）文章目录机器学习基础（二）3分类算法3.1常用分类算法的优缺点？3.2分类算法的评估方法3.3正确率能很好的评估分类算法吗3.4什么样的分类器是最好的4逻辑回归4.1回归划分4.2逻辑回归适用性4.3逻辑回归与朴素贝叶斯有什么区别4.4线性回归与逻辑回归的区别上篇文章中，我们就机器学习的相关基础概念进行了阐述，包括机器学习的基本概念以及机器学习的分类。不了解的童鞋可以看一下补补课

Way_X·2022-10-11 07:39

机器学习系列(7)_决策树与随机森林概念

注：本篇博客参考b站：机器学习经典算法（2）——决策树与随机森林文章目录一、熵与基尼系数二、决策树构造实例三、信息增益（ID3算法）四、信息增益率（C4.5算法）五、二分选值六、决策树减枝七、随机森林决策树有三种算法：一、熵与基尼系数熵：一件事情的混乱程度如果一个集合内部的属性很多，混乱程度就很大，则熵值也较大如果一个集合内部的属性很少，混乱程度就很小，则熵值也较小基尼系数和熵在公式上面不同，但是

abc123susie·2022-10-06 07:41

集成学习之随机森林案例专题【Python机器学习系列（十七）】

集成学习之随机森林案例专题【Python机器学习系列（十七）】文章目录1.Bagging与随机森林简介2.随机森林--分类任务2.1准备数据2.2python实现随机森林--分类任务2.3绘制ROC曲线与计算

侯小啾·2022-10-03 07:37

吴恩达机器学习系列课程笔记——第十三章：聚类(Clustering)

13.1无监督学习：简介https://www.bilibili.com/video/BV164411b7dx?p=76在这个视频中，我将开始介绍聚类算法。这将是一个激动人心的时刻，因为这是我们学习的第一个非监督学习算法。我们将要让计算机学习无标签数据，而不是此前的标签数据。那么，什么是非监督学习呢？在课程的一开始，我曾简单的介绍过非监督学习，然而，我们还是有必要将其与监督学习做一下比较。在一个典

Lishier99·2022-09-26 22:52

机器学习模型性能度量详解【Python机器学习系列（十六）】

机器学习模型性能度量【Python机器学习系列（十六）】文章目录1.错误率与精度2.查准率查全率与F12.1TP、FP、FN、TN2.2查准率与查全率2.3P-R图与平衡点2.4F12.5宏查准率&宏查全率

侯小啾·2022-09-25 20:58

PCA主成分分析算法专题【Python机器学习系列（十五）】

PCA主成分分析算法专题【Python机器学习系列（十五）】文章目录1.PCA简介1.2python实现鸢尾花数据集PCA降维1.3sklearn库实现鸢尾花数据集PCA降维案例 ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ꧔ꦿ1

侯小啾·2022-09-19 07:56

机器学习系列：过拟合与正则化

目录一、过拟合问题（TheProblemofOverfitting）1、回归问题中的过拟合问题2、分类问题中的过拟合问题3、过拟合的解决方法二、正则化（Regularization）1、代价函数2、正则化线性回归问题（RegularizedLinearRegression）3、正规化的逻辑回归（RegularizedLogisticRegression）一、过拟合问题（TheProblemofOv

已退游，勿扰·2022-09-13 07:25

SVM 支持向量机算法（Support Vector Machine ）【Python机器学习系列（十四）】

SVM支持向量机算法（SupportVectorMachine）【Python机器学习系列（十四）】文章目录1.SVM简介2.SVM逻辑推导2.1Part1化简限制条件2.2Part2SVM拉格朗日乘子法求解

侯小啾·2022-09-12 07:51

朴素贝叶斯分类器_以python为工具【Python机器学习系列（十三）】

朴素贝叶斯分类器_以python为工具【Python机器学习系列（十三）】文章目录1.朴素贝叶斯算法原理2.sklearn提供的朴素贝叶斯算法3.伯努利朴素贝叶斯BernoulliNB()4.多项式朴素贝叶斯

侯小啾·2022-09-05 19:12

文本特征提取专题_以python为工具【Python机器学习系列（十二）】

文章目录1.字典文本特征提取DictVectorizer()1.1one-hot编码1.2字典数据转sparse矩阵2.英文文本特征提取3.中文文本特征提取4.TF-IDF文本特征提取TfidfVectorizer() ʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯

侯小啾·2022-08-30 07:57

python梯度下降法实现线性回归_机器学习系列——利用梯度下降法及Python手动实现线性回归...

1.引言线性回归是机器学习的基础，在日常使用中，我们经常调用函数来求解参数，这样虽然方便，但在学习初期不能加深对模型及代码的理解。本文则讲述了梯度下降法(包括Adagrad法)求解线性回归的理论以及如何用Python实现，最后应用到diabetes数据集，并将结果与sklearn中的API进行对比。2.理论基础2.1最小二乘法线性回归模型可表示为：(严格地讲，这里的$w$应该用$\hat{w}$)

足以不恨·2022-08-22 07:34

多元线性回归_梯度下降法实现【Python机器学习系列（六）】

多元线性回归_梯度下降法实现【Python机器学习系列（六）】文章目录1.读取数据2.定义代价函数3.梯度下降4.可视化展示 ʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯

侯小啾·2022-08-22 07:54

决策树专题_以python为工具【Python机器学习系列（十一）】

决策树专题_以python为工具【Python机器学习系列（十一）】文章目录1.关于信息熵的理解2.信息增益3.信息增益比4.基尼指数5.DecisionTreeClassifier()与DecisionTreeRegressor

侯小啾·2022-08-22 07:28

浅谈自然语言处理(NLP)学习路线（一）--- 概述

资料汇总：引流：大道至简之机器学习系列《流畅的python》：https://pan.baidu.com/s/1l5Tl0yZS0NTixAilH9S2aQ提取码：38qa《统计学习方法第二版》：https

尚拙谨言·2022-08-20 07:22

sklearn实现逻辑回归_以python为工具【Python机器学习系列（十）】

sklearn实现逻辑回归_以python为工具【Python机器学习系列（十）】文章目录1.线性逻辑回归2.非线性逻辑回归3.乳腺癌数据集案例 ʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯•͡˔•̯᷅ʔɞʚʕ̯

侯小啾·2022-08-18 07:16

逻辑回归原理梳理_以python为工具【Python机器学习系列（九）】

逻辑回归原理梳理_以python为工具【Python机器学习系列（九）】文章目录1.传统线性回归2.引入sigmoid函数并复合3.代价函数4.似然函数也可以5.python梯度下降实现逻辑回归6.python

侯小啾·2022-08-14 19:13

sklearn实现一元线性回归【Python机器学习系列（五）】

sklearn实现一元线性回归【Python机器学习系列（五）】文章目录1.获取数据2.线性回归模型大家好，我是侯小啾！本期blog分享的内容是通过sklearn库实现一元线性回归。

侯小啾·2022-08-08 07:05

机器学习系列（三）决策树的集成算法--随机森林与极限森林--三个臭皮匠与完美主义者的较量

写在前面：我是「nicedays」，一枚喜爱做特效，听音乐，分享技术的大数据开发猿。这名字是来自worldorder乐队的一首HAVEANICEDAY。如今，走到现在很多坎坷和不顺，如今终于明白niceday是需要自己赋予的。白驹过隙，时光荏苒，珍惜当下~~写博客一方面是对自己学习的一点点总结及记录，另一方面则是希望能够帮助更多对大数据感兴趣的朋友。如果你也对大数据与机器学习感兴趣，可以关注我的动

NICEDAYSS·2022-08-01 07:06

MATLAB机器学习系列-4函数篇

Matlab中的函数及其调用1.匿名函数匿名函数格式函数名=@（参数）(函数体）；如myfundhd=@(x)(x+2);我们可以在命令行窗口直接输入匿名函数，然后调用或者在m文件点击执行匿名函数可以保存到mat文件中然后调用load文件名函数名myfundhd=@(x)(x+x.^2);save('myfundhd.mat')2.M文件主函数每一个函数M文件第一行定义的函数就是M文件主函数，一个

总裁余(余登武)·2022-07-17 15:55

解开机器学习模型黑盒的 4 种方法（终极指南）

challeypeng·2022-07-13 07:19

《Machine Learning in Action》—— 剖析支持向量机，单手狂撕线性SVM

手撕机器学习系列文章就暂时更新到此吧，目前已经完成了支持向量机SVM、决策树、KNN、贝叶斯、线性回归、Logistic回归，其他算法还请允许Taoye在这里先赊个账，后期有机会有时间再给大家补上。

玩世不恭的Coder·2022-07-13 07:15

【Python零基础入门笔记 | 11】函数、类、模块和包如何构建四级模块化体系

面向人群：零基础编程爱好者专栏计划：接下来会逐步发布跨入人工智能的系列博文，敬请期待Python零基础快速入门系列快速入门Python数据科学系列人工智能开发环境搭建系列机器学习系列

i机器未来·2022-06-22 07:17

【自动驾驶模拟器AirSim快速入门 | 03】模型训练

面向人群：零基础编程爱好者专栏计划：接下来会逐步发布跨入人工智能的系列博文，敬请期待Python零基础快速入门系列快速入门Python数据科学系列人工智能开发环境搭建系列机器学习系列物体检测快速入门系列自动驾驶模拟器

i机器未来·2022-06-22 07:11

机器学习系列-------机器学习路线图(附资料)

作者：龙心尘&&寒小阳时间：2016年2月。出处：http://blog.csdn.net/longxinchen_ml/article/details/50749614http://blog.csdn.net/han_xiaoyang/article/details/507594721.引言也许你和这个叫『机器学习』的家伙一点也不熟，但是你举起iphone手机拍照的时候，早已习惯它帮你框出人脸；

Future_starmy·2022-06-18 07:11

深入机器学习系列之自然语言处理

来源：星环科技数据猿官网|www.datayuan.cn今日头条丨一点资讯丨腾讯丨搜狐丨网易丨凤凰丨阿里UC大鱼丨新浪微博丨新浪看点丨百度百家丨博客中国丨趣头条丨腾讯云·云+社区自然语言处理(NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。随着深度学习在图像识别、语音识别领域的大放异彩，人们对深度学习在NLP的价值也寄予厚望

微笑点燃希望·2022-06-17 07:16

【自动驾驶模拟器AirSim快速入门 | 01】自动驾驶模拟器AirSim实战演练

面向人群：零基础编程爱好者专栏计划：接下来会逐步发布跨入人工智能的系列博文，敬请期待Python零基础快速入门系列快速入门Python数据科学系列人工智能开发环境搭建系列机器学习系列

i机器未来·2022-06-16 07:17

机器学习系列 -- 聚类（Clustering）、降维（Dimensionality Reduction）

一、无监督学习无监督学习是机器学习中的一种训练方式或者学习方式。人工智能中机器学习有3中不同的训练方法，分别是监督学习、非监督学习、强化学习。下面跟监督学习的对比来学习无监督学习。监督学习是一种目的明确的训练方式，你知道得到的是什么；而无监督学习则是没有明确目的的训练方式，你无法提前知道结果是什么。监督学习需要给数据打标签；而无监督学习不需要给数据打标签。监督学习由于目标明确，所以可以衡量效果；而

奋起的小渣渣·2022-06-12 07:46

sklearn与机器学习系列专题之降维（二）一文弄懂LDA特征筛选&降维

目录1.PCA算法优缺点2.LDA算法简介3.枯燥又简洁的理论推导4.python实战LDA5.下篇预告1.PCA算法优缺点在上一篇推文中，我们详解了PCA算法。这是机器学习中最为常用的降维方法，能降低算法的计算开销，使得数据集更容易处理，且完全无参数的限制。但是，如果用户对观测对象有一定的先验知识，掌握了数据的一些特征，却很难按照预想的方法对处理过程进行干预，可能达不到预期的效果，在非高斯分布的

南上加南·2022-06-06 07:57

机器学习学习--Kaggle Titanic--LR，GBDT，bagging

参考，机器学习系列(3)_逻辑回归应用之Kaggle泰坦尼克之灾http://www.cnblogs.com/zhizhan/p/5238908.html机器学习（二）如何做到Kaggle排名前2%http

冰竹依梦·2022-06-05 08:36

[机器学习系列二]TensorFlow入门

，相关课程可以参考吴恩达机器学习系列课程。

925781609·2022-06-03 12:17

机器学习系列(16)_朴素贝叶斯算法

注：机器学习之分类期末会有一道贝叶斯的计算的题目文章目录一、朴素贝叶斯1、概率论贝叶斯2、朴素贝叶斯GaussianNB实例3、约会实例二、朴素贝叶斯实现步骤三、朴素贝叶斯对IRIS进行分类一、朴素贝叶斯朴素贝叶斯是一种直接衡量标签和特征之间的概率关系的有监督算法。1、概率论贝叶斯2、朴素贝叶斯GaussianNB实例importnumpyasnpfromsklearn.naive_bayesim

温欣'·2022-06-02 07:24

机器学习系列_机器学习路线图（附资料）

sunyunlong_1·2022-06-02 07:55

机器学习系列(17)_关联规则

期末考关联规则部分会考选择题1、关联规则学习（Associationrulelearning）2、关联规则——机器学习入门系列（十八）3、机器学习之关联规则理解文章目录一、关联规则含义二、关联规则商品案例1、使用mlxtend工具包得出频繁项集与规则2、设置支持度来选择频繁项集3、计算规则4、数据转换成为独热编码三、电影题材关联规则四、商品出入库历史记录案例1、数据清洗一、关联规则含义事务仅包含其

温欣'·2022-06-02 07:30

吴恩达机器学习系列课程作业ex7 matlab实现

目录findClosestCentroids.mcomputeCentroids.mpca.mprojectData.mrecoverData.mfindClosestCentroids.mfunctionidx=findClosestCentroids(X,centroids)%FINDCLOSESTCENTROIDScomputesthecentroidmembershipsforeverye

d7901699·2022-05-30 09:17

吴恩达-机器学习系列课程-Matlab作业

吴恩达-机器学习系列课程-Matlab作业ex1LinearRegressionwarmUpExercise.mplotData.mcomputeCostgradientDescentfeaturenormalizationcomputeCostMultigradientDescentMultinormalEqnex2LogisticRegressionplotDatasigmoidcostFun

BubbleCodes·2022-05-30 09:17

推荐频道

机器学习系列