图灵的猫的博客

特征工程，顾名思义，是对原始数据进行一系列工程处理，将其提炼为特征，作为输入供算法和模型使用。从本质上来讲，特征工程是一个表示和展现数据的过程。在实际工作中，特征工程旨在去除原始数据中的杂质和冗余，设计更高效的特征以刻画求解的问题与预测模型之间的关系。

机器学习课程期末综合测评 文章目录机器学习课程期末综合测评问题一: 机器学习的基本流程问题二: 决策树问题三: 模型评估方法问题四: 神经网络参考书籍及文献 问题一: 机器学习的基本流程 要求: 结合线性回归在机器学习中的应用及原理,阐述从样本数据到应用预测的数学基本思想方法,并以视图的形式展示机器学习的基本流程,加以文字描述. 机器学习概览(基本流程) 机器学习的三要素 模型 线性方法: f(x,θ)=wTx+bf(\mathbf{x}, \theta)=\mathbf{w}^{\mathrm{T

深度学习与科学计算的结合：基础与提高 2021年12月8日-12月19日，国家天元数学东南中心通过腾讯会议线上举办“深度学习与科学计算的结合：基础与提高”短课程。本次短课程开设1门课程，课程共12学时，招收校内外学员757名。 短课程开幕式由厦门大学数学科学学院毛志平教授主持。厦门大学数学科学学院邱建贤教授致欢迎辞，他首先感谢两位授课专家，简单介绍了本次暑期学校安排情况，希望学员们在短课程期间认真学习交流。 短课程邀请了美国宾夕法尼亚大学的陆路助理教授与上海交通大学的许志钦副教授为学员们讲授。课程内容主要

数学是这样一步步“沦陷”的 文章目录数学是这样一步步“沦陷”的引言插值问题描述程序源代码拟合问题描述程序源代码常微分方程问题描述程序源代码偏微分方程问题描述程序源代码Open your Python! 引言 近年来，深度学习由于神经网络强大的表示能力在计算机视觉、语音识别和自然语言处理等方面取得了巨大的成功。利用人工神经网络(ANN)进行数值计算来解决各种数学问题引起了大家的广泛研究。例如: 插值、拟合 求解常微分方程(ODE) 求解偏微分非常(PDE) 插值 问题描述 在函数f(x)=sin(x)−0