摆正心态

第一部分神经网络设计过程与TensorFlow1差不多。只是函数不同。代码p13.张量（Tensor）讲解了创建Tensor的方法：tf.constan（张量内容，dtype=数据类型（可选））方法即可创建。将numpy数据类型转换为Tensor数据类型：tf.convenrt_to_tensor（数据名，dtype=数据类型（可选））生成正态分布的随机数：默认均值为0，标准差为1tf.random.normal（维度，mean=均值，stddev=标准差）生成截断式正态

前言在看完《机器学习实战》这本书的第八章之后，相对之前入门的时候，学习的李宏毅老师的机器学习的回归部分进行总结（那已经是去年的事了…）。当时作业一是预测某一时间点在下一时刻的PM2.5，我怎么着都对代码不熟悉，以至于我去学习了一遍Python基础，回过头还是挺懵，我估计是我不适合从李宏毅老师的视频入门，所以我推荐基础不大好的同类们从《机器学习实战》这本书入门机器学习，里面不会有太多数学推导过程，非常实用，我认为学习机器学习得先理解其运行流程与使用，至于数学推导等细节方面，还是等做项目需要的时候再回头学习

前言接着上一篇继续学习。首先感谢博主：Jack-Cui主页：http://blog.csdn.net/c406495762回归博文地址：https://blog.csdn.net/c406495762/article/details/78760239https://blog.csdn.net/c406495762/article/details/82967529这篇博文对书上的内容很形象的进行了表达，通俗易懂，用自己的实例来进行讲解，比书上讲的清楚太多，于是我才开始了学习，感激不尽，真心推荐。

前言之前把《机器学习实战》这本书的分类部分学完了，想自己动手实践一下，所以从前面的章节开始，慢慢熟悉代码。今天在学习决策树的时候，发现书中并没有直接给出预测隐形眼镜类型的代码，于是想借着这个机会自己实践一下。在这过程中我使用原来的一些函数，比如创建决策树的函数，用来对官方给的文件进行分类，会出现bestFeatLabel = labels[bestFeat]IndexError: list index out of range等错误，于是我就开始从头熟悉代码，print单步调试代码，最终得出了结

前言接着上一篇继续学习。首先感谢博主：Jack-Cui主页：http://blog.csdn.net/c406495762AdaBoost博文地址：https://blog.csdn.net/c406495762/article/details/78212124这篇博文对书上的内容很形象的进行了表达，通俗易懂，用自己的实例来进行讲解，比书上讲的清楚太多，于是我才开始了学习，感激不尽，真心推荐。我这篇博文大多从它的博文中摘抄，但也是我一个字一个敲出来的，算法我也是自己算过的，算是学完它的博文的一个

前言首先感谢博主：Jack-Cui主页：http://blog.csdn.net/c406495762支持向量机博文地址：https://blog.csdn.net/c406495762/article/details/78072313https://blog.csdn.net/c406495762/article/details/78158354这一章在我看来可以说很难了，数学方面的东西还是有点难理解，代码方面也是，硬着头皮看完了。公式没进行推导了，直接对照着书的结论。具体推导可以参考上面博主

前言首先感谢博主：Jack-Cui主页：http://blog.csdn.net/c406495762Logistic回归博文地址：https://blog.csdn.net/c406495762/article/details/77723333https://blog.csdn.net/c406495762/article/details/77851973#%E4%B8%80-%E5%89%8D%E8%A8%80这篇博文对书上的内容很形象的进行了表达，通俗易懂，用自己的实例来进行讲解，比书上讲

前言首先感谢博主：Jack-Cui主页：http://blog.csdn.net/c406495762朴素贝叶斯博文地址：https://blog.csdn.net/c406495762/article/details/77341116https://blog.csdn.net/c406495762/article/details/77500679这篇博文对书上的内容很形象的进行了表达，通俗易懂，用自己的实例来进行讲解，比书上讲的清楚太多，于是我才开始了学习，感激不尽，真心推荐。我这篇博文大多

前言接着上一篇继续学习。首先感谢博主：Jack-Cui主页：http://blog.csdn.net/c406495762决策树博文地址：https://blog.csdn.net/c406495762/article/details/76262487这篇博文对书上的内容很形象的进行了表达，通俗易懂，用自己的实例来进行讲解，比书上讲的清楚太多，于是我才开始了学习，感激不尽，真心推荐。我这篇博文大多从它的博文中摘抄，但也是我一个字一个敲出来的，算法我也是自己算过的，算是学完它的博文的一个总结吧，如

前言今天看了会《机器学习实战》第三章：决策树，很迷，似懂非懂，专业术语太多了，而且有点混乱，对于一个大一概率论没学好的学渣来说，如今大三的我看到那些概率公式和一些概率论专业术语就头疼，马上就打了退堂鼓，早起看了半个小时没看明白果断又躺回了床上。直到我看到了这篇博文。首先感谢博主：Jack-Cui主页：http://blog.csdn.net/c406495762决策树博文地址：https://blog.csdn.net/c406495762/article/details/75663451这篇博文

前言学了好几节李宏毅老师的机器学习视频，感觉脑袋瓜嗡嗡的，似懂非懂，没有代码实现过，而且听的时候我老被它的英文带跑了，英语确实不大好。。。。。李宏毅老师是把理论通过一些例子例举出来，我能听明白，但不知道干嘛用的，怎么去使用，而且一个这么长的假期搞得我基本忘得差不多了，想去补，但是又有心无力，害，没办法只能找点新的知识让自己先把学习兴趣提上来。《机器学习实战》我觉得讲的非常棒，会给出具体的实例与代码让大家一同实现，建议初学者先看书入门吧，比如像我这样的英语差的孩儿。。。。进入正题吧。。k-近邻算法概念

Classification（分类）分类也是找一个function，只不过他的输入输出不同，它输出的是用来表明输入是属于那一个类别。应用：银行根据用户信息确定是否贷款、医疗、文字辨识、人脸识别。引例还是以宝可梦为例，需要找到一个function，输入是一个宝可梦的某种数值，输出则是宝可梦属于十八种属性的哪一种。用宝可梦的一些自身属性（数值化）来当做function的输入，如何做？理想做法找一个function，输出为一个类别。在我们找的这个function里，内建一个func

Gradien Descent回顾Loss function是一个function的function，他的input来自一个function，但我们也可以写成关于这个function的参数形式作为Loss function的input。我们要找一组参数θ，让Loss function越小越好。这件事就可以用Gradien Descent来做。假设有两个参数{θ1,θ2}随机取一个起始点θ0...

where does the error come from？（误差从何而来？）回顾：上节课说选择不同的Model，在Training Data和Testing Data中有不同的error，而且越复杂的Model不一定会有越小的error我们本节课要做的就是知道这个error来自什么地方。其实这个来自两个，一是来自bias偏差，其二是来自variance方差**。Estimat...

Regression回归对照学习框架来看他是上一节中的scenario场景中的一个 task任务：Regression回归Regression：output a scalar 回归：输出是一个数值量上节课说机器学习就是为了找到一个function，那回归要做的事情就是我们要找的那个function的output是一个数值，也就是说我们要找的function的output是...

什么是机器学习？写程序让Machine（机器）有学习的能力给一段声音告诉他意思，下次再给他就能识别实际机器学习就是在寻找一个Function函数就是根据我们提供的资料去寻找我们想要的Function比如语音识别输入函数Function是一段声音，输出就是这段语音说的意思比如图像识别输入一张图片。识别图片的东西等等Framewo...