这篇博客是本人学习机器学习系列教程时候做的笔记,虽然有点简陋,但也是对我自己知识总结,希望能对像我一样的行业萌新有所帮助,也许排版有些简陋(第一次写博客),我会在接下来的博客中慢慢改进。
接下来这系列博客让你对机器学习有一个整体的理解,包括理论,应用,以及监督、无监督和深度学习算法的内部工作。 我将介绍线性回归、K近邻、支持向量机(SVM)、层次聚类和神经网络等。对于我们所讨论的每一个算法,我们将讨论它们在逻辑上是如何工作的,然后,我们将使用真实世界的数据集和一个模块(比如Scikit-Learn)在代码中应用这些算法。最后,我们将深入研究每一种算法的内部工作方式,从代码中重新创建它们,包括从头到尾,包括所有涉及到的数学运算。这应该能让你完全了解这些算法是如何工作的,它们是如何被调整的,它们的优势是什么,以及它们的缺点是什么。 为了遵循这个系列,我建议您至少对Python有一个基本的理解。如果您不这样做,我建议您至少在使用pip教程的模块安装之前遵循Python 3基础教程。如果你对Python有基本的了解,并且愿意学习和思考问题,那