Garyboyboy的博客

2 线性神经网络本博客与代码已同步到github当中，欢迎各位读者为此项目提供宝贵的issue注意：本页面的一些超链接跳转会有一些错乱，建议打开对应小节进行内容查看。2.1 线性回归在机器学习领域中的大多数任务通常都与预测有关。那么就有一部分会涉及到回归问题（另外一部分会是分类问题，其目标是预测数据属于一组类别中的哪一个）。例如：预测价格、课程参加人数预测。我们将会在2.2当中介绍多分类问题。线性回归部分我们在Part1就有所介绍，也包含其Pytorch的实现，这里我们忽略Part

1 AI框架使用(Pytorch)每小节都有对应的可执行notebook文件。1.1 基本数据操作由于本人能力有限，不可能将所有Pytorch的操作都进行讲解。因此强烈建议读者遇到问题时候查阅Pytorch的官方文档和参与一些论坛社区的讨论。1.1.1 安装对Pytorch的安装，这里也不做过多的展开介绍。可以来看沐神的视频来进行学习。1.1.2 张量与基本运算为此我们首先导入torchimport torch# 为了后续方便我顺便将下面这些库也导入import numpy as

9 EM算法（最大期望算法）在前面聚类的博客当中，我们简单的讲解过使用EM算法求解GMM模型的过程，这里我们对EM算法深入进行探讨。本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/9%20EM代码说明：文件名说明gmm.ipynbGMM模型的EM算法实现gmm.data数据集文件最大期望算法（Expectation-maximization al

8 Markov（马尔科夫模型）HMM(隐马尔科夫模型)本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/8%20Markov代码说明：文件名说明markov_tag.ipynbHMM模型对NLTK自带的Brown词库进行词性标注隐马尔科夫模型（Hidden Markov Model，以下简称HMM）是比较经典的机器学习模型了，它在自然语言处理，模式识别等

7 Bayes Network（贝叶斯网络）本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/7%20Bayes%20Network代码说明：文件名说明bayes_network_practice.ipynb贝叶斯网络处理新闻分类7.1 概率图模型​ 概率图模型是用图来表示变量概率依赖关系的理论，结合概率论与图论的知识，利用图来表示与模型有关的变量的联合概

6 KNN (K近邻)本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/6%20KNN代码说明：文件名说明knn_simple.ipynbsklearn包knn算法训练iris数据集knn_date.ipynb约会网站的配对实践datingTestSet2.txt用于knn_date的数据集。knn_date实践描述：海伦使用约会网站寻找约

5 聚类（Clustering）本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/5%20Clustering代码说明：文件名说明[k_means.ipynb](https://github.com/Gary-code/Machine-Learning-Park/blob/main/5 Clustering/k_means.ipynb)K_Means算法解决文本词

4 Ensemble Method集成学习本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/4%20Ensemble%20Method代码说明：文件名说明random_forest_example.ipynb随机森林sklearn实现（使用iris数据集）decision_tree_vs_random_forest.ipynb决策树与随机森林算法对比A

3 SVM支持向量机本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/3%20SVM代码说明：文件名说明svmsklearn工具包实现（使用高斯核函数）对比与logistic回归和神经网络，SVM在非线性方程很有优势！为了解释一些数学知识， 此文将用???? 表示θ????????\theta^????????θTx。模型构建引入​ 如果我们用一个

2 Logistic Regression & Softmax2.1 Logistic Regression逻辑回归本文Github仓库已经同步文章与代码https://github.com/Gary-code/Machine-Learning-Park/tree/main/2%20LogisticRegression%26Softmax这是解决分类问题而不是回归问题的！代码文件说明文件名说明logistic_numpy.ipynb逻辑回归实现（使用a9

1 Linear Regression线性回归1.1 Linear Algebra线性代数矩阵与向量X=[1402191137182194914371471448]X = \left[\begin{array}{cc}1402 & 191 \\1371 & 821 \\949 & 1437 \\147 & 1448\end{array}\right]X=⎣⎢⎢⎡​14021371949147​19182114371448​⎦⎥⎥⎤​一般默认

机器学习 Mechine LearningGary 哥哥2021/11/15介绍本专栏主要分两大版块，主要用于分享与总结机器学习相关基础知识当下应用说明：每个核心知识点都包含知识讲解和代码实现。本专栏主要目的用于个人学习，亦不可以篇概全，请谅解，有问题可提出。主要代码实现使用python，将同步到对应github仓库：Machine-Learning-Park专栏尽量做到每三天或者两天更新先来介绍四类角色：领域专家（Domain experts）：知晓机器学习的项