机器学习
勒布朗.马克思
这个作者很懒,什么都没留下…
展开
-
机器学习笔记02:反向传播的推导和使用
反向传播看的我一脸懵逼,mark下大佬的笔记,讲的比教材清楚原文链接原创 2020-07-30 14:34:48 · 109 阅读 · 0 评论 -
机器学习笔记01:正规方程θ 的推导
Normal equation(正规方程)的推导中θ值,θ=(XTX)−1XTyθ = (X^T X)^{-1}X^Tyθ=(XTX)−1XTy的由来一直看不明白,推荐一个讲的比较清楚老哥博客,传送门原创 2020-07-27 15:40:43 · 385 阅读 · 0 评论 -
机器学习入门路线归纳
Step1: Python零基础入门Python是现在公认最好的学习机器学习的编程语言,熟练掌握python能让我们如鱼得水Step2: 人工智能必备数学知识必要的高等数学/线性代数/概率论与数理统计知识决定了我们的根基打的牢不牢靠,不然很多算法的推理是很难理解的更不用说深入了Step3: 初识人工智能前面的主要是相关知识储备,现在真正进入机器学习,可以在b站上搜吴恩达机器学习课程,跟着老师学并能完成课外作业Step4:深度学习入门掌握以上可以接触了解深度学习的一些开源框架如caffe、ten原创 2020-07-23 11:10:50 · 153 阅读 · 0 评论 -
机器学习之数学基础
机器学习是一门综合性很强的学课,没有一定的数学基础是很难深入理解学习,需要掌握必要的高等数学,线性代数,概率论与数理统计知识,这几门课程也是理工科大学数学必修科目,当然并不需要掌握下面所有的知识点你才能迈入机器学习,下面是相关的课本目录可以参考下一 高等数学<上>《高等数学(第七版)》上册目录第一章 函数与极限第一节 映射与函数第二节 数列的极限第三节 函数的极限第四节 无穷小与无穷大第五节 极限运算法则第六节 极限存在准则 两个重要极限第七节 无穷小的比较第八节 函数的连原创 2020-07-23 10:50:15 · 803 阅读 · 1 评论 -
window下快速安装Scikit-learn
Scikit-learn(sklearn)是机器学习的第三方模块包,对常用的机器学习方法进行了封装,包括回归(Regression)、降维(Dimensionality Reduction)、分类(Classfication)、聚类(Clustering)等方法.Sklearn具有以下特点:简单高效的数据挖掘和数据分析工具让每个人能够在复杂环境中重复使用建立NumPy、Scipy、MatPlotLib之上先确保python环境已ok,我的是Python 3.8.3python -V因为s原创 2020-07-23 10:35:04 · 1153 阅读 · 0 评论