机器学习系列

深度学习报告（下）

这是机器学习系列的最后一篇文章，文章的很多数学公式我自己看的都有点不耐烦了。虽说不耐烦，但学到现在却也有不小的成就感，没想到连高数都挂科的人能坚持到现在。
小男孩LittleBoy·2021-06-04 03:26

机器学习系列（一）逻辑回归初步

姓名：黄永飞；学号：17040520006；学院：机电工程学院转自http://blog.csdn.net/han_xiaoyang/article/details/49123419【嵌牛导读】逻辑回归是应用非常广泛的一个分类机器学习算法，它将数据拟合到一个logit函数(或者叫做logistic函数)中，从而能够完成对事件发生的概率进行预测。【嵌牛鼻子】逻辑回归代价函数梯度下降【嵌牛提问】什么是
嵌入式创新·2021-05-21 12:51

机器学习系列--软件准备

Anaconda包含一系列科学计算的包和conda包管理器下载.sh，原地址很慢，通过清华大学镜像选择合适版本下载wgethttps://mirrors.tuna.tsinghua.edu.cn/anaconda/archive/可能你的centos没有装bzip2,解压报错bzip2:Cannotexec:Nosuchfileordirectoryyuminstallbzip2需要重新打开终端生
songkl·2021-05-19 15:53

百面机器学习之特征工程

百面机器学习系列主要是针对面试算法的一些问题，该系列主要面对面试中的一些机器学习算法问题:目录1.统计学习和机器学习的联系2.为什么需要对数值类型的特征做归一化？
柳小葱·2021-05-14 16:00

【手撕机器学习系列】KNN算法

机器学习算法理论太过强大，既要知其然，又要知其所以然手撕代码的好处就是对原理深入的理解，不仅从理论层面，也在代码技巧上有所认识一个强大系统的实现就是一个个小系统的堆积，原理都是一样的，从小见大，流程都是相通的【手撕机器学习系列
墨竹 | kevinelstri·2021-04-25 22:31

【手撕机器学习系列】kmeans算法

重温《机器学习实战》，对其中的经典算法重新学习，发现又是另一种感受；才发现自己以前并没有真正理解，在数据结构算法的理解基础上，再来看机器学习算法，发现有一种异曲同工之妙，这才有了《手撕机器学习系列》的想法
墨竹 | kevinelstri·2021-04-25 20:18

100天搞定机器学习：模型训练好了，然后呢？

许久没有更新100天搞定机器学习系列了，最近在看一个开源框架，其中有用到gRPC，它可以用于机器学习模型的部署，也可用于深度学习框架的开发，本文就当是《100天搞定机器学习》的番外篇吧。
机器学习算法与Python实战·2021-04-18 23:22

吴恩达机器学习系列内容汇总

学习机器学习过程中的一些经验与方法吴恩达机器学习（一）——简介吴恩达机器学习（二）——线性回归吴恩达机器学习（三）——ex1：LinearRegression（MATLAB+Python）吴恩达机器学习（四）——Logisitic回归吴恩达机器学习（五）——正则化吴恩达机器学习（六）——ex2：LogisticRegression（MATLAB+Python）吴恩达机器学习（七）——神经网络：Re
大彤小忆·2021-04-17 18:05

吴恩达机器学习（十五）—— ex6：Support Vector Machines（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·2021-03-24 11:24

二维正态分布的最大似然估计_机器学习系列（二）多元正态分布

一元正态分布回顾如果随机变量服从均值为方差为的正态分布(Univariatenormaldistribution)，，则其概率密度函数为：整个分布可以仅用均值及方差来刻画如果变量之间不相关，则它们相互独立经典统计检验通常基于正态分布假设正态分布可以模拟大量自然现象多元正态分布多元正态分布密度函数类比于一元情况，若维随机变量服从均值向量为和协方差矩阵为的多元正态分布(Multivariatenorm
林玉伟·2021-02-22 14:11

机器学习(三)：理解逻辑回归及二分类、多分类代码实践

本文是机器学习系列的第三篇，算上前置机器学习系列是第八篇。本文的概念相对简单，主要侧重于代码实践。上一篇文章说到，我们可以用线性回归做预测，但显然现实生活中不止有预测的问题还有分类的问题。
·2021-02-01 16:02

机器学习(三)：理解逻辑回归及二分类、多分类代码实践

本文是机器学习系列的第三篇，算上前置机器学习系列是第八篇。本文的概念相对简单，主要侧重于代码实践。上一篇文章说到，我们可以用线性回归做预测，但显然现实生活中不止有预测的问题还有分类的问题。
蔡永吉·2021-02-01 16:37

机器学习(三)：理解逻辑回归及二分类、多分类代码实践

本文是机器学习系列的第三篇，算上前置机器学习系列是第八篇。本文的概念相对简单，主要侧重于代码实践。上一篇文章说到，我们可以用线性回归做预测，但显然现实生活中不止有预测的问题还有分类的问题。
·2021-02-01 16:29

经典机器学习系列之【聚类分析】

  在《战国策·齐策三》中有这么一句话：“物以类聚，人以群分”，用于比喻同类的东西常聚在一起，志同道合的人相聚成群，反之就分开。而所谓的科学，不过是把我们日常的生活经验，大自然的规律用数学的语言描述出来罢了。在机器学习中也有这么一类算法，聚类算法，借鉴的就是“物以类聚，人以群分”的思想。  想想人在生活中是如何做到“聚类”的。我们通常会跟自己很像的人在一起玩，比如同龄人、有共同爱好的人，相同的社会
小小何先生·2021-01-30 22:04

python 累积正态分布函数_机器学习系列（二）多元正态分布

一元正态分布回顾如果随机变量服从均值为方差为的正态分布(Univariatenormaldistribution)，，则其概率密度函数为：整个分布可以仅用均值及方差来刻画如果变量之间不相关，则它们相互独立经典统计检验通常基于正态分布假设正态分布可以模拟大量自然现象多元正态分布多元正态分布密度函数类比于一元情况，若维随机变量服从均值向量为和协方差矩阵为的多元正态分布(Multivariatenorm
清华大学出版社·2021-01-01 21:01

财务大数据比赛有python吗-Python大数据与机器学习之NumPy初体验

本文是Python大数据与机器学习系列文章中的第6篇，将介绍学习Python大数据与机器学习所必须的NumPy库。
weixin_37988176·2020-11-01 13:53

机器学习系列-数据分析-平行坐标图

机器学习系列-数据分析-平行坐标图文章目录机器学习系列-数据分析-平行坐标图1.平行坐标图简介2.平行坐标图的绘制2.1iris鸢尾花数据集2.2iris平行坐标图图像绘制结语1.平行坐标图简介平行坐标系是一种常用的数据可视化方法
烨2000·2020-09-17 18:23

机器学习系列4---RVM（相关向量机）MATLAB实现

上期主要介绍了相关向量机的提出及主要计算过程，本期主要介绍MATLAB实现RVM，并就相关分析结果展开讨论。相关论文及代码下载网站：http://www.miketipping.com/sparsebayes.htm；RVM分为定量和定性分析两种类型，首先介绍定量分析：定量分析通过随机产sinc函数数据点进行稀疏表示学习，然后将拟合结果和真实数据进行对比，计算RMSE判定分析性能。1.RVM定量分
一条大鱼025·2020-09-16 23:21

机器学习系列3---相关向量机（RVM）

本期介绍一种重要的稀疏表示方法：相关向量机（RelevanceVectorMachine,RVM）。RVM是有著名学者MichaelE.Tipping于2001年提出的，相关论文发表在著名国际期刊《Journalofmachinelearningresearch》(该期刊的影响力大不如以前了)，论文题目为：SparseBayesianLearningandtheRelevanceVectorMac
一条大鱼025·2020-09-16 23:20

机器学习系列（6）——集成学习方法与随机森林

本文介绍集成学习方法和随机森林算法，以及随机森林在sklearn中的实现。0x01、集成学习简介1、集成学习集成学习（ensemblelearning）通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统（multi-classifiersystem）、基于委员会的学习（committee-basedlearning）等。集成学习的一般结构：先产生一组个体学习器（individuall
陌简宁·2020-09-16 23:27

机器学习系列——内核岭回归

Kernelridgeregression(KRR)（内核岭回归）[M2012]_由使用内核方法的:ref:ridge_regression（岭回归）（使用l2正则化的最小二乘法）所组成。因此，它所学习到的在空间中不同的线性函数是由不同的内核和数据所导致的。对于非线性的内核，它与原始空间中的非线性函数相对应。由KernelRidge学习的模型的形式与支持向量回归(SVR)是一样的。但是他们使用不同
数据科学家修炼之道·2020-09-16 21:18

机器学习系列10：线性回归和逻辑回归的正则化

线性回归的正则化还记得在线性回归中我们有哪两种方法去求代价函数的最小值吗？当然是梯度下降和正规方程了。让我们来复习一下线性回归中梯度下降算法，如下：其中黄色部分就是代价函数对参数θ的偏导数。当我们正则化代价函数后，代价函数发生了改变：相应地，偏导数也会改变，得到正则化后的梯度下降算法：把其中的θ_j提出来，简化后：那正规方程正则化后呢？就成了下面这样：逻辑回归的正则化逻辑回归的代价函数为：与线性回
SuperFengCode·2020-09-16 18:48

「05」回归的诱惑：一文读懂线性回归

前言从这一篇文章开始，就正式进入「美团」算法工程师带你入门机器学习系列的正文了，之前的几篇算是导读和预热，想必大家看的并不过瘾。
闻人翎悬·2020-09-15 14:56

机器学习系列(20)_机器学习性能改善备忘单

原文地址：MachineLearningPerformanceImprovementCheatSheet原文翻译与校对：@姜范波&&寒小阳时间：2016年12月。出处：http://blog.csdn.net/han_xiaoyang/article/details/53453145声明：版权所有，转载请联系作者并注明出机器学习最有价值(实际应用最广)的部分是预测性建模。也就是在历史数据上进行训练
寒小阳·2020-09-14 17:19

特征工程

特征工程，是机器学习系列任务中最耗时、最繁重、最无聊却又是最不可或缺的
weixin_30653023·2020-09-13 03:41

「01」机器学习与深度学习，到底在学些什么？

大家好，欢迎来到久违的机器学习系列，这是「美团」算法工程师带你入门机器学习专栏的第一篇文章，不会太长，一半聊想法，一半聊干货。
闻人翎悬·2020-09-13 02:35

公开课列表

二免费公开课2.1机器学习类吴恩达机器学习李宏毅机器学习（2017）阿里巴巴机器学习系列课程人工智能实践：Tensorflow笔记人工智能PK人类智能Tensorflow搭建自己的神经网络(莫烦Python
weixin_30657999·2020-09-12 20:49

纯小白学机器学习系列：数学基础（day2）

Sincemachinelearningisinherentlydatadriven,dataisatthecoredataofmachinelearning.Thegoalofmachinelearningistodesigngeneral-purposemethodologiestoextractvaluablepatternsfromdata,ideallywithoutmuchdomain
kkk8000·2020-09-12 18:21

纯小白学机器学习系列：数学基础（day1）

PartIMathematicalFoundations1IntroductionandMotivationMachinelearningisaboutdesigningalgorithmsthatautomaticallyextractvaluableinformationfromdata.Theemphasishereison“automatic”,i.e.,machinelearningis
kkk8000·2020-09-12 18:21

Weka中数据挖掘与机器学习系列之Weka系统安装（四）

能来看我这篇博客的朋友，想必大家都知道，Weka采用Java编写的，因此，具有Java“一次编译，到处运行”的特性。支持的操作系统有Windowsx86、Windowsx64、MacOSX、Linux等。这里不多赘述。Weka系统安装一共分为：1、安装Weka所需系统要求下表，列举了运行Weka的特定版本对Java版本的要求。Java1.41.51.6Weka3.5.2r2892,20/02/20
weixin_34292959·2020-09-12 14:28

Weka中数据挖掘与机器学习系列之Exploer界面（七）

不多说，直接上干货！Weka的Explorer（探索者）界面，是Weka的主要图形化用户界面，其全部功能都可通过菜单选择或表单填写进行访问。本博客将详细介绍Weka探索者界面的图形化用户界面、预处理界面、分类界面、聚类界面、关联界面、选择属性界面和可视化界面等内容。一、Weka的Explorer（探索者）界面里的图形化界面启动WekaGUI选择器窗口之后，用鼠标单击窗口右部最上面的Explorer
weixin_33800463·2020-09-12 14:17

【机器学习系列2】FPGrowth算法与spark实现

原理基础支持度支持度是指在所有项集中{X,Y}出现的可能性，即项集中同时含有X和Y的概率：该指标作为建立强关联规则的第一个门槛，衡量了所考察关联规则在“量”上的多少。置信度置信度表示在先决条件X发生的条件下，关联结果Y发生的概率：这是生成强关联规则的第二个门槛，衡量了所考察的关联规则在“质”上的可靠性。提升度提升度表示在含有X的条件下同时含有Y的可能性与没有X这个条件下项集中含有Y的可能性之比，该
江南小白龙·2020-09-11 06:50

《机器学习系列教程》神经网络的入门级算法

第四章经典网络4.1LetNet5一种典型的用来识别数字的卷积网络是LeNet-5。4.1.1模型结构[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-QiOLzT7k-1578728255977)(./img/ch4/image1.png)]4.1.2模型结构LeNet-5共有7层，不包含输入，每层都包含可训练参数；每个层有多个FeatureMap，每个Feature
缠禅可禅·2020-09-10 09:46

机器学习系列 - 4 线性回归算法

1.简单线性回归：1.1损失函数：在机器学习中，所有的算法模型其实都依赖于最小化或最大化某一个函数，我们称之为“目标函数”。最小化的这组函数被称为“损失函数”。什么是损失函数呢？损失函数描述了单个样本预测值和真实值之间误差的程度。用来度量模型一次预测的好坏。常用损失函数有：0-1损失函数：用来表述分类问题，当预测分类错误时，损失函数值为1，正确为0平方损失函数：用来描述回归问题，用来表示连续性变量
小蘑菇1962·2020-09-02 19:31

李宏毅机器学习系列-结构化学习之结构化支持向量机

李宏毅机器学习系列-结构化学习之结构化支持向量机回顾统一框架统一框架的问题结构化学习的应用统一框架的问题解决方案前方高能线性可分的情况和结构化感知机训练次数的数学推导如何进行快速训练线性不可分情况定义损失函数梯度下降法考虑误差加上正则化结构化
王伟王胖胖·2020-08-25 17:21

机器学习系列(22)_SVM碎碎念part5：凸函数与优化

原文地址：SVM-Understandingthemath-convex-functions/byBrandonAmos感谢参与翻译同学：@程亚雄&&@张蒙&&@jozee时间：2018年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/70214565声明：版权所有，转载请联系寒小阳([email protected])
寒小阳·2020-08-25 06:03

李宏毅机器学习系列-强化学习之近端策略优化PPO

李宏毅机器学习系列-强化学习之近端策略优化策略梯度的另一个问题从现在学习到离线学习(Fromon-policytooff-policy)重要性采样(importancesampling)重要性采样的问题近端策略优化
王伟王胖胖·2020-08-25 01:23

机器学习:基础概念

本文是笔者学习李航老师的经典教材《统计学习方法》第一章的学习笔记，分享在此，作为机器学习系列的开篇文章，在本系列中，将会逐一总结介绍主要的机器学习算法的基本原理、基于Python的具体实现、使用sklearn
dengnai9214·2020-08-24 14:00

机器学习系列-数据拆分和结果评价

1.数据集分类机器学习中的数据分为训练数据集、验证数据集和测试数据集。通常，在训练有监督的机器学习模型的时候，会将数据划分为训练集、验证集合测试集，划分比例一般为0.6:0.2:0.2。对原始数据进行三个集合的划分，是为了能够选出效果（可以理解为准确率）最好的、泛化能力最佳的模型。训练集（Trainingset）作用是用来拟合模型，通过设置分类器的超参数，训练分类模型。后续结合验证集作用时，会选出
xmh8023·2020-08-24 04:46

机器学习系列（九） 分类结果的评价（混淆矩阵、精确度、召回率、F1、ROC） 2020.6.10

前言本节学习对分类结果的评价混淆矩阵精确度召回率F1ROC1、原理在数据极度偏斜的时候（skeweddata）只用分类准确度远远不够需要有新的评价指标混淆矩阵（confusionmatrix）精确率召回率F1：精准率和召回率的调和平均值ROC曲线：描述TPR和FPR之间的关系具体选择哪些具体情况具体分析2、实现importnumpyasnpimportmatplotlib.pyplotaspltf
思源湖的鱼·2020-08-24 04:15

机器学习系列(21)_SVM碎碎念part4：无约束最小化问题

原文地址：SVM-Understandingthemath-UnconstrainedminimizationbyAlexandreKOWALCZYK感谢参与翻译同学：@田苗苗&&@樊睿&&@jozee时间：2018年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/70214565声明：版权所有，转载请联系寒小阳(hanxiaoyan
寒小阳·2020-08-23 08:03

2018-04-22 project literature

图像分类比赛中，你可以用如下方案举一反三可以模仿这个进行Howto(quickly)buildadeeplearningimagedataset机器学习系列(4)_机器学习算法一览，应用建议与解决思路吊炸天的
kamin·2020-08-23 02:16

机器学习系列(11)_Python中Gradient Boosting Machine(GBM）调参方法详解

原文地址：CompleteGuidetoParameterTuninginGradientBoosting(GBM)inPythonbyAarshayJain原文翻译与校对：@酒酒Angie([email protected])&&寒小阳（[email protected]）时间：2016年9月。出处：http://blog.csdn.net/han_xiaoyang/article/
寒小阳·2020-08-22 15:38

Python 机器学习系列之线性回归(一)

一元线性回归1、导入库#!/usr/bin/envpython#-*-coding:utf-8-*-importnumpyasnpimportmatplotlib.pyplotasplt2、定义线性回归模型defpredict(x,a,b):y_predict=a*x+breturny_predict一元线性回归的模型如下：公式1—一元线性回归模型损失函数为：公式2—损失函数公式3—最小化损失函数
超超超超超超超超级玛丽·2020-08-22 14:17

深入机器学习系列之：FactorAnalysis

来源：首席人物观丨作者：小芳数据猿官网|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1IntroductionAnextensionofprincipalcomponentanalysis(PCA)inthesenseofapproximatingcovariancematrix.Goal·
数据猿·2020-08-21 18:39

机器学习系列之coursera week 3 Logistic Regression

目录1.ClassificationandRepresentation1.1Classification1.2HypothesisrepresentationofLogisticRegression1.3Decisionboundary2.LogisticRegressionModel2.1Costfunction2.2Simplifiedcostfunctionandgradientdescen
爱战术的码农新人·2020-08-20 03:04

特征提取的方法

机器学习系列：(三)特征提取与处理特征提取与处理上一章案例中的解释变量都是数值，比如匹萨的直接。而很多机器学习问题需要研究的对象可能是分类变量、文字甚至图像。本章，我们介绍提取这些变量特征的方法。
rosenor1·2020-08-19 03:21

【机器学习】LP距离、欧式距离、曼哈顿距离、切比雪夫距离

其他机器学习系列文章见于专题：机器学习进阶之路——学习笔记整理，欢迎大家关注。  
齐在·2020-08-19 02:24

机器学习系列之最大熵模型

在上一篇讲决策树的文章中，在做特征选择的时候我们用的是信息增益或者信息增益比作为标准，其中就涉及到了熵。熵是信息论中的核心概念，在许多领域都有广泛的应用。这次我们讲的就是利用熵最大的标准来选择模型，这种模型就叫做最大熵模型。一、特征函数在介绍最大熵模型之前我们需要先介绍一下特征函数的概念。最大熵模型最早最成功的应用是在自然语言处理领域，而语言作为人类发明的东西总是包含许多人为设定的规则，比如说在英
HOPEver·2020-08-19 01:35

【机器学习】K近邻法（KNN）与kd树原理详解

其他机器学习系列文章见于专题：机器学习进阶之路——学习笔记整理，欢迎大家关注。
齐在·2020-08-19 00:27
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他