![](https://i-blog.csdnimg.cn/direct/abffd6a4ca654de2803a9c2acb27f0c5.jpeg?x-oss-process=image/resize,m_fixed,h_224,w_224)
Python机器学习
文章平均质量分 97
机器学习是一门人工智能的学科,主要研究对象是人工智能,特别是如何在经验学习中改善具体算法的性能。本专栏介绍基于Python机器学习的相关算法与实现。专栏资源保存在我的GitCode仓库:https://gitcode.com/Morse_Chen/Python_machine_learning。
Francek Chen
征途漫漫,惟有奋斗!
数据分析和机器学习相关资源保存在我的GitCode仓库https://gitcode.com/user/Morse_Chen/repos
展开
-
【机器学习-神经网络】循环神经网络
本文主要介绍了循环神经网络及其变体门控循环单元,并在简单的数据集上实现了GRU模型。与其他的神经网络结构相比,RNN充分利用了数据中的序列特性,将中间向量按时间步不断向后传播,从而具有捕捉序列型关联的能力。原创 2024-09-03 09:11:23 · 499 阅读 · 26 评论 -
【机器学习-神经网络】卷积神经网络
本文介绍了卷积神经网络和其在图像处理任务中的应用,包括用卷积神经网络完成图像分类任务、用预训练的卷积神经网络完成色彩风格迁移。原创 2024-08-30 11:21:20 · 2236 阅读 · 70 评论 -
【机器学习-监督学习】神经网络与多层感知机
本文讲解了神经网络的发展历程,以及一个曾经得到大规模应用的重要神经网络模型——多层感知机。其中包含的前馈结构、反向传播等思想,深刻地影响了后续神经网络的发展。原创 2024-08-26 09:02:42 · 2088 阅读 · 54 评论 -
【机器学习-监督学习】支持向量机
本文介绍了支持向量机的原理及其求解算法SMO。由于SVM属于非参数化模型,其模型中的参数与数据集的规模相同,求解较为复杂,但SMO算法大大降低了求解的难度。对于非线性分布的数据,通过引入非线性的核函数使SVM完成分类任务,达到和神经网络中激活函数类似的效果。原创 2024-08-24 15:33:08 · 848 阅读 · 28 评论 -
【机器学习-监督学习】双线性模型
本文介绍了双线性模型的来源和特点,以及与线性模型的区别。以因子分解机和概率矩阵分解两个推荐系统中的常用模型为例,具体讲解了双线性模型的应用,并动手实现了矩阵分解MF模型和因子分解机FM模型。这两个模型都是目前推荐系统所用模型的基础,从它们改进和衍生的模型仍然有广泛应用。原创 2024-08-22 14:03:44 · 1952 阅读 · 29 评论 -
【机器学习-监督学习】逻辑斯谛回归
本文讲解了二分类问题的最简单的线性模型:逻辑斯谛回归。利用最大似然估计解决了模型优化与训练的问题,在数据集上分别用梯度下降法和sklearn中的工具进行了实践,并推导了交叉熵的公式,得到分类问题中交叉熵与最大似然估计的等价性。原创 2024-08-19 08:52:34 · 1972 阅读 · 42 评论 -
【机器学习的基本思想】模型优化与评估
本文介绍了一些机器学习的基本思想,主要关于模型优化和评估,包括欠拟合与过拟合、正则化约束、输入特征与相似度、参数与超参数和数据集划分与交叉验证。原创 2024-08-13 14:52:30 · 1217 阅读 · 5 评论 -
【机器学习数据预处理】特征工程
本文详细讲解了机器学习数据预处理中特征工程的相关知识点,包括特征变换和特征选择,并通过代码示例进行演示。原创 2024-08-12 08:00:00 · 916 阅读 · 6 评论 -
【机器学习基础】线性回归
本文讲解了线性回归问题和求解方法。线性回归是机器学习中最基础的参数化学习模型,线性回归任务是机器学习中最基础的有监督学习任务。讨论了求解线性回归问题的不同方法和预测误差,并在房屋售价数据集上进行了实践。原创 2024-08-09 15:23:55 · 1346 阅读 · 3 评论 -
【机器学习基础】k近邻算法
本文讲解KNN算法的原理,并在分类和回归任务上进行了应用。KNN算法作为最简单的机器学习算法之一,其统计的思想仍然在多个领域中有着广泛应用。原创 2024-08-08 08:26:43 · 1135 阅读 · 6 评论 -
【机器学习基础】Scikit-learn主要用法
本文讲解Python机器学习库scikit-learn的用法,主要包括数据预处理、划分数据集、构建并拟合模型、模型评价与优化等。原创 2024-08-03 15:34:58 · 1689 阅读 · 9 评论 -
【机器学习数据预处理】数据准备
本文详细讲解机器学习数据预处理部分的数据准备相关步骤和知识点,包括数据质量校验、数据分布与趋势探查、数据清洗和数据合并。原创 2024-08-02 13:43:48 · 1909 阅读 · 7 评论 -
【机器学习基础】机器学习概述与实践基础
本文主要介绍机器学习的相关概念与应用领域、实现机器学习的通用流程和Python中的机器学习工具库。原创 2024-07-31 11:11:44 · 978 阅读 · 8 评论 -
【机器学习基础】机器学习的数学基础
本文讲解机器学习算法中常用的数学工具。包括向量、矩阵、梯度和凸函数。重点放在机器学习算法的讲解与实践上,将数学概念以直观的方式展示,并没有过多地展示数学证明与定理。原创 2024-07-30 18:14:37 · 939 阅读 · 4 评论 -
【机器学习基础】初探机器学习
本文以简要的形式介绍了机器学习是什么,它在人工智能领域是一个怎样的位置,机器学习模型有哪些分类,机器学习奏效的本质是其泛化能力,不同的模型往往有不同的归纳偏置,机器学习本身也存在一些限制。原创 2024-07-29 13:56:38 · 1123 阅读 · 6 评论 -
Scikit-Learn机器学习要点总结
《数据采集与分析》课程sklearn机器学习部分重要知识点,复习总结sklearn库的相关内容。原创 2024-05-20 18:02:54 · 1150 阅读 · 5 评论 -
【机器学习与实现】支持向量机SVM
本文介绍机器学习的支持向量机SVM,包括硬间隔、软间隔、核函数和scikit-learn中的SVM分类器及其主要参数。原创 2024-05-20 12:59:53 · 883 阅读 · 5 评论 -
【机器学习与实现】逻辑回归分析
本文介绍机器学习的逻辑回归分析,包括逻辑回归的基本概念、分类思想、损失函数、参数求解和Scikit-learn的LogisticRegression类。原创 2024-05-18 12:24:17 · 829 阅读 · 7 评论 -
【机器学习与实现】kNN分类算法示例
本文介绍机器学习中的kNN分类算法示例,主要包括对鸢尾花数据集进行分类。原创 2024-05-15 13:51:24 · 1157 阅读 · 2 评论 -
【机器学习与实现】K近邻算法
本文介绍机器学习中的K近邻算法,即KNN算法。原创 2024-05-13 18:31:59 · 1009 阅读 · 1 评论 -
【机器学习与实现】线性回归示例——波士顿房价分析
本文介绍一个线性回归模型示例——波士顿房价分析。原创 2024-05-07 17:28:45 · 2735 阅读 · 12 评论 -
【机器学习与实现】线性回归分析
本文介绍机器学习的线性回归分析,包括线性回归的概念和方程、线性回归模型的损失函数与参数估计以及线性回归的正则化。原创 2024-05-06 13:38:02 · 1272 阅读 · 0 评论 -
【机器学习与实现】机器学习概述
本文介绍机器学习的概述,包括机器学习的基本概念和方法、步骤总结、预处理、类型以及学习路线。原创 2024-04-24 13:22:41 · 979 阅读 · 0 评论