python机器学习集合

机器学习提纲

深度学习一条线——线性回归 梯度下降算法 逻辑回归

• 机器学习中线性模型和非线性的区别
• 深度学习 【算法】【算力】【数据】的论述
• python安装numpy和pandas

线性回归&梯度下降算法

• 第一周笔记：线性回归
• 深入浅出--梯度下降法及其实现

优化手段

1. 收敛
2. 输入处理：归一化、shuffle、去掉异常值等

逻辑回归

决策树

支持向量机 SVM

支持向量机通俗导论（理解SVM的三层境界） 向量计算 感知向量计算 wx+b>=1 只是化简结果，为了计算方便，>=0.5是否可行？？

贝叶斯分类器

1. 读数据
2. 处理数据
3. interence
4. 训练
5. 通过flask提供API接口

神经网络

神经网络浅讲：从神经元到深度学习

基本概念

1. softmax【softmax详解】【CNN入门讲解：我的Softmax和你的不太一样】

集成学习

强化学习

TensorFlow

数据预处理 连续值：最大最小归一化 离散值：分散属性、属性枚举

python与机器学习课程的参考资料、学习方法、核心理论、代码等

微积分

• 微分和导数的关系是什么？两者的几何意义有什么不同？

线性代数

• 如何理解矩阵的「秩」？

概论论

• 均方误差、平方差、方差、均方差、协方差

几个Python库

numpy .. sklearn

环境搭建

1. Python安装 勾选 add Python* to Path

笔记

【线性相关】一组向量线性先关，其中一条向量可以由其他一条或者多条表示 【线性无关】
【矩阵的秩】【极大线性无关组】（有意义的方程个数）

【行列式计算】是计算行列式的值
解线性方程组，【矩阵的初等行变换】是方程组间的处理，不能有列变换（对系数处理）
【非其次线性方程组的解】 = 其次的通解+非其次的特解

梯度下降算法 i/j与数据表格中的行列对应起来讲解

向量的内积、点乘=值 向量的外积、叉乘=向量

应用

个性化推荐系统

• 协同过滤算法

手写数字识别

• 简单的数据处理，机器学习就能解决，比如上万条的数据
• 大数据量需要用到深度学习，比如图像的识别（The CIFAR-10 dataset），讯飞的作文批改，简答题批改

对神经网络优化方法

• 梯度下降优化，如Adam优化
• 网络参数优化，如112正则化 ···

1.