machine learning自学日记

最新推荐文章于 2023-09-14 00:32:18 发布
最新推荐文章于 2023-09-14 00:32:18 发布
阅读量203 收藏
点赞数
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/wujiduan/article/details/88935708
版权

为了暑研的时候能有一个好的表现——课题是信院同学比较Match的统计加上机器学习的内容，也是为了探索自己的将来的科研道路，决定在暑假之前学习机器学习这门课程。

先制定一个学习计划表：

1.参考书籍与课程

首先吴恩达的课程很多人推荐过，但是CGG曾经说过内容有些水，我觉得应该比较适合作为课外阅读的对象，但是干货学习可能还不够，知乎上有人推荐了台湾大学林轩田老师的《机器学习基石》

西瓜书，知乎上说对于入门可能难了些，建议作为参考而不是主力，入门阶段读前十章即可

《Hands-On.Machine Learning with Scikit-Learn and TensorFlow》

2.Kaggle挑战赛/练习，也并没有搞懂先注册了一个账号，wujiduan,只能用Google Chrome,而且这里真的要插一句，GC是真的界面舒服！特别是有了对比之后。

3.Sklearn文档学习

第一个月计划：先看吴恩达的课程有一个大致了解，要有全局观！！！！中间配合做练习，用的是python语言，每个星期至少要上传五篇学习的笔记。

嗯，先就酱！

wujiduan
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python自学——机器学习Machine learning
01-06
Python pycharm learning code text record （7） 文章编号：Python学【2020】007号 日期：2020-02-18 文章为日常学习记录，以备温习使用，同时作为像我一样的新人学习使用，内容属于学习记录，版权归视频学习提供方。以每天追无聊小说的心态，每天坚持学习码代码。 **Machine learning in action ** Steps 1.Import the Data 2.Clean the Data 3.Split the Data into Training / Test sets 4.Create a Model 5.Train
一份中外结合的 Machine Learning 自学计划
热门推荐
孙启超
03-21 1万+
看了Siraj Raval的3个月学习机器学习计划的视频，感觉非常好，地址：https://www.youtube.com/watch?v=Cr6VqTRO1v0结合一些我们学习中的经验得出一份Hybrid的机器学习自学计划。根据Siraj的建议：机器学习的涉及的知识比例分布的 35%线性代数25%概率论和统计学15%微积分15%算法及其复杂性10%是数据预处理知识强烈建议订阅：Siraj Rav...
Machine Learning(1)
sinat_40766770的博客
09-16 1040
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。 机器学习步骤：define a set of function->goodness of function->pick the best...
从零开始的机器学习 - Machine Learning(一)
Philm_iOS的博客
08-15 2364
前言 这篇文章的主角是线性回归，也就是LR(Linear Regression)。不过高中生肯定不知道回归是什么吧？我现在前言里面简单介绍一下。 回归(Regression) 回归(Regression)问题是机器学习里面很大的一块。 统计学中，回归分析（regression analysis)指的是确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。回归分析按照涉及的变量的...
Machine Learning Design Patterns
11-22
"Machine Learning Design Patterns" 《Machine Learning Design Patterns》是一本关于机器学习设计模式的书籍，作者是Valliappa Lakshmanan, Sara Robinson和Michael Munn。该书的主要内容是解决数据准备、模型...
Python Machine Learning
12-11
source libraries for deep learning, data wrangling, and data visualization, Learn effective strategies and best practices to improve and optimize machine learning systems and algorithms, Ask – and ...
machine learning
07-11
machine learning
Python Machine Learning Machine Learning and Deep Learning
03-27
Python Machine Learning Machine Learning and Deep Learning with Python, scikit-learn, and TensorFlow, 2nd Edition 很受推荐
从零开始的机器学习 - Machine Learning(二)
Philm_iOS的博客
08-15 3983
前言 继上一章 Re:从零开始的机器学习 - Machine Learning(一) 线性回归，我还是继续按照斯坦福的路线，这一章来说说逻辑回归（Logistic Regression） 分类(Classification) 和回归(Regression)一样，分类(Classification)问题也是机器学习里面很大的一块。 分类问题是机器学习非常重要的一个组成部分，它的目标是根据...
Kevin P. Murphy. Machine learning A Probabilistic Perspective
05-25
With the ever increasing amounts of data in electronic form, the need for automated methods for data analysis continues to grow. The goal of machine learning is to develop methods that can automatically detect patterns in data, and then to use the uncovered patterns to predict future data or other outcomes of interest. Machine learning is thus closely related to the fields of statistics and data mining, but differs slightly in terms of its emphasis and terminology. This book provides a detailed introduction to the field, and includes worked examples drawn from application domains such as molecular biology, text processing, computer vision, and robotics.
Machine Learning A Probabilistic Perspective MLAPP（英文版）
01-31
Machine Learning A Probabilistic Perspective MLAPP（英文版)
《Machine Learning A Probabilistic Perspective》
06-08
机器学习非常推荐的一本书，能够兼顾深度和广度、并且比较适合拥有计算机科学或其它相关领域基础的初学者的教材
Machine Learning A Probabilistic Perspective
11-02
Machine Learning 高清 英文版 2012 亚马逊评论： The closest contender to this book I believe is BRML. Both are excellent textbooks and have accompanying source code. BRML is more accessible, has a free PDF version, and a stronger focus on graphical models. MLAPP has all the qualities of an excellent graduate textbook (unified presentation, valuable learning aids), and yet is unafraid of discussing detail points (e.g. omnipresent results on complexity), as well as advanced and research topics (LDA, L1 regularization).
Machine Learning -- 框架学习(1)
troysps的博客
06-29 422
Machine Learning – 框架学习(1) 什么是机器学习 需要进行大量手工调整或需要拥有长串规则才能解决的问题：机器学习算法通常可以简化代码、提高性能。 问题复杂，传统方法难以解决：最好的机器学习方法可以找到解决方案。 环境有波动：机器学习算法可以适应新数据。 自适应性 洞察复杂问题和大量数据。处理大量数据 建立模型分析数据 机器学习系统的类型 是否存在先验数据(...
Machine learning system design(机器学习系统的设计)
qq_36417014的博客
11-18 733
前言 这一章内容还是紧接上一章内容的，在上一章我们给大家介绍了当我们在构建了一个学习模型后，我们发现用这个模型去预测新的数据时，有很大的偏差，我们该如何进行改进。也跟大家介绍了出现问题的类型包括高偏差和高方差，和如何用learning curve去判断这个改进方法是否有效等等，在这一章我将给大家介绍在构建一个学习系统前该做些什么工作。 最后，如果有理解不对的地方，希望...
机器学习(Machine learning: a probabilistic perspective) 第三章阅读笔记
饮冰室
09-18 2042
Table of Contents1  机器学习(Machine learning: a probabilistic perspective) 第三章阅读笔记1.1  生成式分类器（generative classifiers）1.2  离散数据的生成式模型1.2.1  似然（likelihood）1.2.2  先验（prior）1.2.3  后验（posterior）1.2.4  后验预测分布（p
Machine Learning: A Probabilistic Perspective on Neur
最新发布
禅与计算机程序设计艺术
09-14 2261
作者：禅与计算机程序设计艺术 1.简介 近几年，随着深度学习在图像处理、自然语言处理等领域的广泛应用，机器学习(ML)技术也越来越火热。而机器学习方法也逐渐从传统的监督学习(Supervised Learning)转向了无监督学习(Unsupervised Learning)和半监督学习(Semi-Su
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