机器学习实战——第一章：机器学习基础

最新推荐文章于 2018-06-23 14:46:00 发布
最新推荐文章于 2018-06-23 14:46:00 发布
阅读量723 收藏
点赞数
分类专栏： 《Machine Learning in Action》
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/mmc2015/article/details/45786285
版权

本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。


python：建议使用2.7

python常用函数库：NumPy、scikit-learn等

python集成环境：anaconda



mmc2015
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深度学习框架(TensorFlow)基础教程——第1章：人工智能简介
10-09
3. 深度学习：深度学习是机器学习的一个子领域，主要依赖于多层神经网络对数据进行建模和预测。它在图像识别、自然语言处理等领域取得了显著成果。 二、TensorFlow概述 1. TensorFlow的诞生：TensorFlow是由Google...
机器学习之支持向量机简述（最大边界分类器：MMC；支持向量分类器：SVC；支持向量机：SVM）
weixin_40247876的博客
09-07 2156
机器学习22_支持向量机简述（2021.09.07） 一. 引言：（摘自：https://ladychili.top/SVM/） 机器学习研究者所说的 Support Vector Machines 通常泛指最大边界分类器 (Maximal Margin Classifier)、支持向量分类器 (Support Vector Classifiers) 和支持向量机 (Support Vector Machine) 三者。其本质都是构造linear decision boundary，前者分别是后者在数据纬
机器学习(Machine Learning)&深度学习(Deep Learning)资料
weixin_33708432的博客
04-07 7642
转载自机器学习(Machine Learning)&深度学习(Deep Learning)资料 希望转载的朋友，你可以不用联系我．但是一定要保留原文链接，因为这个项目还在继续也在不定期更新．希望看到文章的朋友能够学到更多． 《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感...
机器学习实战——总结
mmc2015的专栏
06-30 811
第一：看源码陷入了代码的细节，不能从本质上理解某些算法，仅仅达到了会使用的程度，SVM是最大的证明。 第二：有些时候看看源码才会知道某些算法的使用是非常灵巧的，如决策树和CART的结合。 第三：本质上是一种之前工作的重复，没有实质性新的认识，以后看东西一定要注意筛选，不要老重复已有的工作。。。。。 毕业了。。。。。
【深度学习】一文读懂机器学习常用损失函数（Loss Function）
weixin_33847182的博客
06-23 1898
最近太忙已经好久没有写博客了，今天整理分享一篇关于损失函数的文章吧，以前对损失函数的理解不够深入，没有真正理解每个损失函数的特点以及应用范围，如果文中有任何错误，请各位朋友指教，谢谢~ 　　损失函数（loss function）是用来估量模型的预测值f(x)与真实值Y的不一致程度，它是一个非负实值函数,通常使用L(Y, f(x))来表示，损失函数越小，模型的鲁棒性就越好。损失函数是经验风...
斯坦福大学公开课 ：机器学习课程（Andrew Ng）——12、无监督学习：Factor Analysis
mmc2015的专栏
01-06 2626
1）问题描述 2）协方差矩阵的限制 3）多元高斯分布的边缘分布和条件分布 4）因子分析的例子 5）因子分析模型 6）因子分析的EM估计‘ 7）简单总结 1）问题描述    之前我们考虑的训练数据中样例的个数m都远远大于其特征个数n，这样不管是进行回归、聚类等都没有太大的问题。    然而当训练样例个数m太小，甚至m变成奇异阵（），也就是说不存在，根
机器学习实战第一章-k-邻近算法.pdf
最新发布
08-09
【机器学习实战】中的第一章主要介绍了机器学习的基本概念，并通过Python3实现了一个k-最近邻(k-Nearest Neighbors, k-NN)算法的案例。k-NN是一种监督学习算法，用于分类和回归问题，特别是在分类问题上应用广泛。在...
Python3数据分析与机器学习实战——随书PPT
11-12
《Python3数据分析与机器学习实战——随书PPT》这套资料涵盖了从Python基础知识到高级机器学习应用的全方位教程。通过各个章节的PPT，我们可以深入理解Python在数据分析和机器学习领域的强大功能。 首先，让我们从...
读懂机器学习(转)
weixin_34128411的博客
01-13 5613
在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。这篇文档也算是EasyPR开发的番外篇，从这里开始，必须对机器学习了解才能进一步介绍EasyPR的内核。当然，本文也面对一般读者，不会对阅读有相关的前提要求。 在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要阅读完这篇非常长的文章呢？ 我并不直接...
机器学习实战——第十一/十二章：关联规则挖掘Apriori算法和FP-growth算法
mmc2015的专栏
06-29 3777
本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。 python：建议使用2.7 python常用函数库：NumPy、scikit-learn等 python集成环境：anaconda 毕业季，玩了20天。 Apriori缺点：只关心物品是否出现，不关心出现的次数。每次增加频繁
机器学习实战——第十章：K-mean聚类
mmc2015的专栏
06-29 2054
本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。 python：建议使用2.7 python常用函数库：NumPy、scikit-learn等 python集成环境：anaconda 毕业季，玩了20天。 优点： 1、编程容易实现。 缺点：
机器学习实战——第八章：用回归预测数值型数据
mmc2015的专栏
06-25 1631
本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。 python：建议使用2.7 python常用函数库：NumPy、scikit-learn等 python集成环境：anaconda 毕业季，玩了20天。 使用时注意事项： 0、线性回归和非线性回归：线性回归意味着可以将
机器学习实战——第六章：支持向量机
mmc2015的专栏
06-24 1390
本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。 python：建议使用2.7 python常用函数库：NumPy、scikit-learn等 python集成环境：anaconda 毕业季，玩了20天。 优点： 1、泛化错误率低，计算开销小，结果易解释。
机器学习实战——第五章：Logistic回归
mmc2015的专栏
05-17 1300
本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。 python：建议使用2.7 python常用函数库：NumPy、scikit-learn等 python集成环境：anaconda 优点： 1、简单、易于理解 缺点： 1、容易欠拟合，效果不很好 2、要求error函数在当前点是有定义、并
机器学习实战——第十三/十四章：利用PCA和SVD来简化数据
mmc2015的专栏
06-30 1289
本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。 python：建议使用2.7 python常用函数库：NumPy、scikit-learn等 python集成环境：anaconda 毕业季，玩了20天。 降维的好处： 使数据集更易使用；降低算法开销；去除噪声；使结果更
机器学习实战——第七章：AdaBoost元算法
mmc2015的专栏
06-24 1213
本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。 python：建议使用2.7 python常用函数库：NumPy、scikit-learn等 python集成环境：anaconda 毕业季，玩了20天。 优点： 1、最好的监督学习方法：泛化错误率低，易实现，无
机器学习实战——第七章：处理非均衡分类问题
mmc2015的专栏
06-24 1107
在前面六章的所有分类介绍中，我们都假设所有类别的分类代价是一样的。 坦白地说，在大多数情况下不同类别的分类代价并不相等，如治病我们情愿误判也不愿漏判，垃圾邮件，可以使收件箱里出现垃圾邮件，但不希望正常邮件放进垃圾邮件夹中。 在本节中，我们将会考察一种新的分类器性能度量方法，并通过图像技术来对在上述非均衡问题。 1、混淆矩阵：争取率、召回率 2、ROC曲线：接受者操作特征
机器学习实战——第三章：决策树ID3/C4.5
mmc2015的专栏
05-17 1026
本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。 python：建议使用2.7 python常用函数库：NumPy、scikit-learn等 python集成环境：anaconda 优点： 1、容易理解，能给出数据的内在含义 2、对异常值不敏感 3、容易将树转换为规则 4、能够将训练好的决策树存
机器学习实战——第二章：K-近邻算法
mmc2015的专栏
05-17 949
本系列目的在于总结每一个分类器的特点（优点、缺点、使用数据类型、使用时的注意事项等）。相关代码自己搜。 python：建议使用2.7 python常用函数库：NumPy、scikit-learn等 python集成环境：anaconda 优点：对异常值不敏感、无数据输入假设 缺点：计算复杂度高（对每一个测试样本要跑一边KNN，距离计算也很耗时）、空间复杂度高（
机器学习入门到精通：从基础到实战
"《机器学习——从入门到精通.pdf》是一本面向初学者和开发者的书籍，涵盖了机器学习的基础知识，适用于本科和研究生学习。标签包括Python和机器学习入门到精通，表明书中可能包含了使用Python语言进行机器学习的...
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