2017年10月_为了更好的明天

原创 Python与机器学习之常用的Numpy操作

在机器学习不断学习前进的道路上，发现numpy的强大，实际操作时甚至得不停地查阅numpy的资料。所以，再次总结更加实用的numpy。

2017-10-25 15:18:03 1027

原创 Python与机器学习之优化算法

Python与机器学习之优化算法回顾圣经，在监督学习中优化算法是关键的步骤——分析模型并得到最优模型，才是最终的目的。

2017-10-19 14:27:23 2400

原创 Python与机器学习之模型结构(泊松分布)

Python与机器学习之模型结构(泊松分布)回顾圣经其中有一个关键的步骤是定义模型结构，那么对模型有着深层次的把握则极为重要！

2017-10-19 11:01:08 3596

原创 Python与机器学习之实战(一)

问题描述：一组数据 Xi=[xi0,xi1] ,i=1,2,...,m 表示有两个输入特征影响对应实际值 Yi={0,1} ,i=1,2,...,m 表示Yi要么是0要么是1要求建立合理的模型用于预测或者模拟实际问题：有训练集(X,Y),且癌症是否良性(Yi)受两种因素影响(Xi),建立符合模型以预测下一个病人

2017-10-18 19:37:01 1056

原创 Python与机器学习之数据可视化

matplotlib超快速入门在机器学习实际应用中，最关键的部分之一就是数据可视化，否则无论是调试还是总结，很容易懵逼。 python提供了一个非常牛逼的库—matplotlibEnvironment:python3.5.4pycharm2017.2.3matplotlib公认的引用方法from matplotlib import pyplot as plt最常用的绘图散点图例如一系列点，

2017-10-18 15:21:33 934

原创 Python与机器学习之TensorFlow方法论

Python与机器学习之TensorFlow方法论方法论经过一段时间的学习，总结如何入门机器学习可以走这三条路：应用场景实践算法基础学习数学理论学习(尤其可以关注图论)这是一个自顶向下的方法，这样的学习思路会有一个更宏观的系统思维。而这一系列文章笔者专注于应用场景。深度学习框架要应用显然得有工具，大部分深度学习框架都包含以下五个核心组件： - 张量(Tensor) - 基于张量的各种

2017-10-17 13:15:04 924

转载 Python与机器学习之文章研读(二)

Python与机器学习之文章研读(二)虽然听说知乎都在吹牛逼，但无妨我们来研读其中的一些精彩。今天我们来总结机器学习中的一些方法以及她的应用领域，学习方法论指引着我需要先远观整棵大树之美。

2017-10-15 20:16:47 318

原创 Python与机器学习之文章研读

今天我们来研读一份文章，这份文章讲述了机器学习的定义、理解以及作用。这能帮助我们理解机器学习，并且对未来学习ML有更清晰的规划和目标。原文：An Introduction to Machine Learning Theory and Its Applications: A Visual Tutorial with Examples译文 Translated by 丁

2017-10-15 18:38:09 393