m0_63807165的博客

本文主要介绍了图的基础理论知识，以及使用Python的NetworkX库创建图，使用其相关的方法。

本文主要介绍了计算机图形学中的DDA（数字差分分析器）算法，用于画直线。文中给出了Python代码。

本文作为入门图深度学习的开始，主要介绍了图论中的图，图的应用，图结构数据中机器学习的应用以及应用图面临的挑战。

本文主要简述了数据分析时模型评估的重要性。使用Python代码实例进行模型评估，主要有交叉验证、混淆矩阵、ROC曲线。代码详细，说明清晰。

使用前面清洗好的数据来建立模型。使用自变量数据来预测是否存活（因变量）？

写在前面：代码运行环境为jupyter，如果结果显示不出来的地方就加一个print()函数。

本文主要展示了csv文件的数据导入，及基本信息查看。

本篇文章主要介绍了机器学习中的聚类及一些算法原理，k-means聚类，密度聚类，层次聚类。

本文主要介绍了机器学习里的集成学习，并简单介绍了集成学习中的adaboost和随机森林。

本篇文章主要介绍了基于贝叶斯定理的分类方法——贝叶斯分类器、（半朴素&）朴素贝叶斯分类器及其方法原理，还简要介绍了贝叶斯网。

本篇文章是一个为零基础学员制作Python速成学习计划。这个计划包括了一些基本的Python概念和技能，以及一些实用的学习技巧。

本篇文章主要介绍了机器学习学科、作为小白可以学习的一些知识及一些常见算法。

本篇文章主要介绍了支持向量机及其算法原理

本篇文章主要介绍了01背包问题、问题的求解算法及lingo和Python的求解代码。

神经网络（Neural Networks）是机器学习中一类强大的模型，它们受到人脑神经元网络的启发。神经网络通常由多个层（Layers）组成，每个层包含多个神经元（Neurons），这些神经元通过连接权重（Weights）相互连接。神经网络通过学习数据之间的复杂关系来执行任务，例如分类、回归、聚类等。

本文主要介绍了如何使用lingo求解线性整数规划，和进行敏感性分析（即参数价值（对偶价值）和资源向量（右端向量）），这是通过对线性规划模型的系数和约束条件进行扰动来进行灵敏度分析的重要概念。

摘要：本篇文章主要从决策树原理，

本篇文章主要介绍了机器学习中的线性模型，线性回归的及算法原理等包括最小二乘法、多项式回归、逻辑回归等。

假设空间由样本特征所有可能假设组成。关于《西瓜书》的第一章绪论，通过挑选西瓜的例子，主要介绍了后续章节会用到的基本概念，，如数据集、样本、属性/特征、算法、泛化等，假设空间、归纳偏好（这让我想到了特征选择和模糊数学）。这一章还介绍了人工智能的发展历程，包括20世纪50年代到70年代的推理期和知识期，以及20世纪80年代至今的符号主义学习、连接主义学习等发展阶段。随着互联网和计算机的发展，机器学习越来越多地渗透到我们的生活中，对于我们的生活、工作和社交都产生了深远的影响，甚至对一些产业的发展方向产生了影响。

信息论是运用与的信息、等问题的。信息系统就是广义的通信系统，泛指某种信息从一处传送到另一处所需的全部设备所构成的系统。信息论将信息的传递作为一种统计现象来考虑，给出了估算通信信道容量的方法。和是信息论研究中的两大领域。这两个方面又由、信源－信道隔离定理相互联系。在本篇文章里主要解决的是自信息量和离散信源平均信息量的计算及讨论二元离散信源的最大信息量与概率的关系。