liuyubobobo《机器学习》学习笔记（三）

最新推荐文章于 2021-03-20 16:34:43 发布
最新推荐文章于 2021-03-20 16:34:43 发布
阅读量432 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/atporter/article/details/107783722
版权

Jupyter Notebook

1.Jupyter Notebook

关于Jupyter Notebook的介绍，请看 传送门

Jupyter Notebook 有两种键盘输入模式。编辑模式，允许你往单元中键入代码或文本；命令模式，键盘输入运行程序命令。

按Enter进入编辑模式，按Esc进入命令行模式

2.Jupyter Notebook的快捷键

常用快捷键（命令行模式）

  • Shift+Enter : 运行本单元，选中下个单元
  • Ctrl+Enter : 运行本单元
  • Alt+Enter : 运行本单元，在其下插入新单元
  • Y：单元转入代码状态
  • M：单元转入markdown状态
  • A ：在上方插入新单元
  • B：在下方插入新单元
  • X：剪切选中的单元
  • DD：删除选中的单元
  • V：在下方粘贴单元
3.Jupyter Notebook的魔法命令

通过%lsmagic查看所有的魔法命令

常用魔法命令

%run hello.py     # 运行脚本

在这里插入图片描述

%timeit           # 测试这条语句的执行时间
%%timeit          # 测试整个单元格语句的执行时间
                  # 测试时，会多次循环，计算期望和方差

%time
%%time          # 用法和%timeit一致，不过只跑一次
atporter
关注
专栏目录
liuyubo 机器学习系列笔记
JanicePeng
09-05 596
liuyubo 机器学习系列笔记。 2.2机器学习按任务分类 分类任务 二分类 是否是垃圾邮件、发给客户行用卡有没有风险、判断病患良性\恶心肿瘤、股票涨跌 多分类 数字识别、图像识别、发给客户行用卡的风险评级 多标签分类 一些算法只支持完成二分类的任务，但是多分类任务可以转化为二分类任务； 一些算法天然可以完成多分类任务。 回归任务 与分...
liuyubobobo《机器学习》学习笔记（十）
atporter的博客
02-02 355
PCA 1.主成分分析Principal Component Analysis 是一个非监督的机器学习算法，主要用于数据的降维 通过降维，可以发现更便于人类理解的特征 其他应用：可视化，去噪 2.主成分分析的推导过程 考虑这样一个过程：将二维数据降维到一维 最好的方案为：找到一个轴，使得样本空间的所有点映射到这个轴后，间距最大 样本间间距——方差 首先，将样例的均值归为0（demean），方差公式变为：Var(x)=1m∑i=1m(xi−x‾)2=1m∑i=1mxi2Var(x) = \frac{1}{
liuyubobobo《机器学习》学习笔记（七）
atporter的博客
09-04 565
K近邻算法 —— KNN 1.示意图 判断绿点的种类，选取与它距离最近的三个点，其中红色占两个，蓝色占一个，所以预测它为红色种类 2.KNN代码实现 X_train：数据 y_train：标签 x：待预测数据 import numpy as np from math import sqrt distances = [sqrt(np.sum((x_train - x) ** 2)) for x_train in X_train] 欧拉公式（计算距离） 二维：(xa−xb)2+(ya−yb)2\sqrt
liuyubobobo《机器学习》学习笔记（二）
atporter的博客
07-30 347
机器学习基础 1.数据的一些概念 萼片长度 萼片宽度 花瓣长度 花瓣宽度 种类 5.1 3.5 1.4 0.2 0（se） 7.0 3.2 4.7 1.4 1（ve） 6.3 3.3 6 2.5 2（vi） 数据整体叫数据集 每一行数据称为一个样本 除最后一列之外的每一列是样本的一个特征 最后一列称为标记（label） 2.数据的矩阵表示 除最后一列外的数据，用矩阵X表示，X(i)X^{(i)}X(i)表示第i个样本行，Xj(i)X^{(i)}_jXj(i)​表示第i个样本
liuyubobobo《机器学习》学习笔记（一）
atporter的博客
07-27 598
什么是机器学习 1.最早的机器学习应用：垃圾邮件分辨 传统做法：定义“垃圾邮件”，进行筛选 问题：难定义、多变化 2.人类的学习过程（经验学习） 3.机器学习过程 4.机器学习在生活中的应用 google：根据部分关键字判断搜索内容 最喜欢的商品，音乐，图书，文章…… 语音识别，人脸识别 金融预测，医疗诊断 5.未来领域 无人驾驶、安全领域、医疗领域、金融领域、市场领域、各种专有领域…… 自然语言处理 6.人工智能、机器学习、深度学习 ...
周志华《机器学习》学习笔记（大全）
03-06
本文为周志华《机器学习》的学习笔记，记录了本人在学习这本书的过程中的理解思路以及一些有助于消化书内容的拓展知识，笔记中参考了许多网上的大牛经典博客以及李航《统计学习》的内容，向前辈们和知识致敬！
2022吴恩达机器学习笔记汇总(共10章节).zip
12-27
2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip2022吴恩达机器学习笔记汇总(共10章节).zip...
机器学习课笔记_吴恩达机器学习笔记_
10-01
吴恩达机器学习视频配套笔记，大家可以在B站上搜索视频进行学习
人工智能 机器学习 （西瓜书）笔记
最新发布
05-15
资料是我发表文章的pdf版，需要人工智能 机器学习 （西瓜书）笔记的小伙伴们可以自取。 后面我会陆续更新相关章节的笔记 pdf.
斯坦福大学 2014 机器学习教程中文笔记
12-10
斯坦福大学 2014 机器学习教程中文笔记
最牛吴恩达老师的机器学习笔记
08-07
详细入门机器学习，需要一定的背景，并且阅读过吴恩达老师的机器学习课程或者对机器学习有一定的 基础
liuyubobobo《机器学习》学习笔记（十一）
atporter的博客
02-09 287
多项式回归与模型泛化（1） 1.多项式回归 当数据之间不具有线性关系时，采用非线性回归进行拟合 处理思想：将 x2x^2x2 当作一个新的特征，再应用线性回归 from sklearn.linear_model import LinearRegression X2 = np.hstack([X, X**2]) # 添加一个新的特征 lin_reg = LinearRegression() lin_reg.fit(X2, y) y_predict = lin_reg.predict(X2) 2.s
梯度下降法
热门推荐
weixin_51030341的博客
09-27 1万+
梯度下降法 梯度下降法简介 梯度下降法，又称最速下降法，是一个一阶最优化算法，迭代法的一种，可以用于求解最小二乘问题（线性和非线性都可以） 基本思想 可用下山举例说明，将小人看作J（ω），即表示目标函数，目的地是最低点。而中间如何到达最低点则是我们需要解决的问题。下山路有千万种，想要快速的到达，就需要选择最陡的地方下山。在当前位置求偏导，即我们所讨论的梯度，正常的梯度方向类似于上山的方向，是使值增大的， ...
K近邻算法-----liuyubobobo之机器学习
青灵_Yaffa的博客
03-20 151
K近邻算法-----liuyubobobo之机器学习在这里插入图片描述K近邻算法： 我们已经知道的数据是分布在特征空间中的，为了可视化方便，我们放在二维空间里面。 恶性肿瘤用蓝色来表示，良性用红色表示。 K近邻算法： 首先取一个K值，选取离我们的目标点最近的三个点（因为k=3）----K近邻算法的本质：两个样本相似的话，我们就说他们属于同一个样本。相似性是通过样本在特征空间中的距离来表示的， ...
liuyubobobo《机器学习》学习笔记（八）
atporter的博客
09-09 389
线性回归法 1.简单线性回归 样本特征只有一个，称为简单线性回归 假设我们找到了最佳拟合的直线方程 y=ax+by = ax + by=ax+b 则对于每一个样本点x(i)x^{(i)}x(i)，真值为y(i)y^{(i)}y(i)，其预测值为y^(i)=ax(i)+b\widehat{y}^{(i)} = ax^{(i)} + by​(i)=ax(i)+b 我们用(y(i)−y^(i))2(y^{(i)}- \widehat{y}^{(i)})^2(y(i)−y​(i))2表示差距（不用绝对值是因
学习方法分享
yechaoa
04-16 1015
特别声明：原作者 liuyubobobo 由于每个人的背景不同，擅长不同，每个人都有适合自己的不同的学习方法； 与此同时，不同的领域，由于其本质不同，学习方法也应该是不同的。 我坚信：每个人去寻找适合于自己的学习方法，是每个人一生的话题。 别人叙述的所谓的“学习方法”，只能作为参考用。 1、不要完美主义！ 我观察到的大多数同学犯得最最最最大的“错误”，就是在学习上“完美主义”。乃至后续很多其他...
bobo老师机器学习笔记--机器学习基础思维导图
夜深人静后的码农
09-28 584
慕课网liuyubobobo老师课程学习笔记---part7：优先队列和堆
LKJgdut的博客
04-30 457
1、什么是优先队列 2、堆的基础表示   二叉堆的2个性质：   下面介绍二叉堆的实现技巧：使用数组存储二叉堆（当然，也可以像前面的二分搜索树那样，通过左右指针的指定某个结点的左右孩子） 3、二叉堆的各类操作   代码如下： package com.lkj; //同样，二叉堆也是树，它里面的结点的值也必须要具有比较性，因为我们规定每一个结点的值必须大于等于它的孩子结...
Bobo老师机器学习笔记第九课-逻辑回归理论
夜深人静后的码农
12-05 483
1、什么是逻辑回归？（Logistic Regresssion） 逻辑回归（Logistic Regression）是一种用于解决二分类（0 or 1）问题的机器学习方法，用于估计某种事物的可能性。逻辑回归既可以看做是一个回归算法，也可以看作是一个分类问题，通常是用过分类，并且是二分类。 分类主要是基于得到结果，获得结果是一个概率，然后根据概率来进行分类。  比如判断一个肿瘤是良性还是恶性，如果...
斯坦福大学2014机器学习课程中文笔记解析
"这是一份由黄海广整理的吴恩达教授2014年斯坦福大学机器学习课程的中文笔记，涵盖了课程的全部主要内容，包括课堂讲解和部分截图，适用于配合在线课程学习，便于复习和理解关键概念。笔记内容详细，涉及到机器学习...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值