![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 72
16huakai
三好学生,四有青年
展开
-
机器学习:逻辑回归与Python代码实现
前言:本篇博文主要介绍逻辑回归(logistic regression),首先介绍相关的基础概念和原理,然后通过Python代码实现逻辑回归的二分类问题。特别强调,其中大多理论知识来源于《统计学习方法_李航》和斯坦福课程翻译笔记以及Coursera机器学习课程。原创 2017-09-30 10:41:26 · 10120 阅读 · 7 评论 -
数据竞赛入门资料与参赛经验分享
前言本篇博文主要根据博主自身的参赛学习经历,分享一些关于机器学习和数据挖掘比赛的资料与经验。因为自己在学习过程中,也多亏大佬前辈们的指导和分享,才慢慢学会一些技能,所以,希望大家一起学习交流,一起进步。博主(ID:16huakai)这半年来的参赛经历如下(按照时间先后):1、2018 华为软件精英挑战赛 武长赛区三等奖2、2018 DF CCF 招商银行“奇点计划”数据竞赛 ...原创 2018-10-22 13:25:40 · 3240 阅读 · 4 评论 -
机器学习:PCA和SVD的关系
原博客地址:从PCA和SVD的关系拾遗自己写的代码,可视化博客的理论观点:点这里转载 2018-01-06 13:46:43 · 786 阅读 · 0 评论 -
机器学习:吴恩达Coursera机器学习课后作业答案MATLAB和Python版本分享
如果想了解更多机器学习算法细节,个人使用jupyter notebook整理的peter的《机器学习实战》代码,使其更有层次感,更加连贯,也根据自己的代码习惯,加了一些自己的修改,以及注释。博客地址:算法介绍GitHub地址:更新完成学习机器学习理论知识:吴恩达的Coursera机器学习课程整理的课后作业MATLAB版本:look here原创 2017-10-25 14:36:43 · 33648 阅读 · 15 评论 -
机器学习:Peter Harrington《机器学习实战》代码jupyter notebook整理
个人使用jupyter notebook整理的peter的《机器学习实战》代码,使其更有层次感,更加连贯,也根据自己的代码习惯,加了一些自己的修改,以及注释。既是为了给自己做一个笔记,如果有人需要,也是希望大家一起学习。GitHub传送门kmeans文件夹:kmeans + 二分kmeans算法k-Nearest Neighbor文件夹:k近邻算原创 2017-11-18 12:06:47 · 7209 阅读 · 0 评论 -
机器学习:交叉验证和模型选择与Python代码实现
前言:本篇博文主要介绍交叉验证(cross validation)和模型选择,首先介绍相关的基础概念和原理,然后通过Python代码实现交叉验证和模型评估以及选择。特别强调,其中大多理论知识来源于《统计学习方法_李航》和斯坦福课程翻译笔记。原创 2017-09-23 14:28:43 · 32354 阅读 · 9 评论 -
机器学习:神经网络、正则化、多分类问题与Python代码实现
前言:本篇博文主要介绍神经网络(Neural network),介绍一下正则化用于神经网络防止过拟合,以及介绍多分类问题,然后通过Python代码实现相关模型。特别强调,其中大多理论知识来源于《统计学习方法_李航》和斯坦福课程翻译笔记以及Coursera机器学习课程。本篇博文的理论知识都来自于吴大大的Coursera机器学习课程,人家讲的深入浅出,我就不一一赘述,只是简单概括一下以及记一下自己的见解。原创 2017-09-30 11:22:51 · 5933 阅读 · 3 评论 -
机器学习:线性回归与Python代码实现
前言:本篇博文主要介绍线性回归模型(linear regression),首先介绍相关的基础概念和原理,然后通过Python代码实现线性回归模型。特别强调,其中大多理论知识来源于《统计学习方法_李航》和斯坦福课程翻译笔记以及Coursera机器学习课程。原创 2017-09-28 14:38:32 · 15731 阅读 · 1 评论 -
西南财经大学“新网银行杯”数据科学竞赛总结与分享
前言:本博客主要针对此次比赛做一些数据分析与总结,将我的思路分享给大家,开源的代码只整理了主要的model设计,不包含详细的数据分析过程——源代码传输门(TingNie)。想要系统学习机器学习和数据竞赛的知识,请参见我的博客:数据竞赛入门资料与参赛经验分享 ...原创 2018-11-15 09:57:49 · 7141 阅读 · 0 评论