DataWhale-吃瓜教程
文章平均质量分 92
DataWhale组队学习机器学习西瓜书学习记录
Alexa2077
这个作者很懒,什么都没留下…
展开
-
机器学习(西瓜书+南瓜书-CH6)支持向量机
机器学习CH6-支持向量机原创 2022-03-31 18:24:30 · 1029 阅读 · 0 评论 -
机器学习:基于全连接神经网络的MNIST手写数字识别实战
全连接神经网络原创 2022-03-28 22:26:57 · 2823 阅读 · 0 评论 -
机器学习:梯度下降算法及优化(python代码实践)
梯度下降原创 2022-03-28 21:27:46 · 7205 阅读 · 1 评论 -
机器学习-西瓜书CH5-神经网络
吃瓜教程学习笔记-CH5神经网络原创 2022-03-27 17:50:18 · 1043 阅读 · 0 评论 -
DataWhale吃瓜教程-Task3学习笔记(CH4-决策树)
吃瓜教程学习笔记-CH4决策树原创 2022-03-24 21:24:38 · 1199 阅读 · 0 评论 -
DataWhale吃瓜教程-Task2学习笔记(CH3-线性模型)
吃瓜教程学习笔记-CH3线性模型3.1 基本形式3.2 线性回归1,一元线性回归2,多元线性回归3.3 对数几率回归3.4 线性判别分析LDA3.5 多分类学习3.6 类别不平衡3.7 参考3.1 基本形式线性模型(linear model):试图学得一个通过属性的线性组合来进行预测的函数。比如已有2000年到2015年房价信息,线性模型学习其性质规律后预测2016,2017年房子价格。一般向量形式:f(x)=wTx+bf(x)=w^Tx+bf(x)=wTx+b,比如说以下几种类型。3.2 线性回原创 2022-03-21 17:43:01 · 1493 阅读 · 0 评论 -
DataWhale吃瓜教程-Task1学习笔记(绪论,模型评估与选择)
吃瓜教程学习笔记-CH1&CH2CH1-绪论1.1 引言1.2 基本术语1.3 假设空间1.4 归纳偏好1.5 发展历程CH2 模型评估与选择2.1 经验误差与过拟合2.2 评估方法1 留出法 hold-out2 交叉验证法 cross validation3 自助法 bootstrapping4 性能度量 performance measure-衡量泛化能力5 ROC与AUCCH1-绪论1.1 引言机器学习:致力于研究如何通过计算的手段,利用经验来改善系统的性能。经验:数据ML研究内容原创 2022-03-15 12:13:33 · 1101 阅读 · 0 评论