机器学习

  视频地址：https://pan.baidu.com/s/1b25yNG 机器学习比赛入门条件 1.过的去的code能力：Leetcode平台 leetcode平台可以帮助我们提高基本的算法实现能力，比如写一个冒泡排序方法，写出来的代码简洁高效 2.参与比赛：Data Fountain，Kaggle,biendata,Data castle 经常发布一些…

目录 一.什么是数据分析 1.这里引用网上的定义： 2.数据分析发展与组成 3.特点 二.python数据分析环境及各类常用分析包配置 1.处理的数据类型 2.为什么选择python 三.python数据分析环境安装 1.Ipython (1)简介 (2)安装方法如下 2.Jupyter (1)简介 (2)安装 3.Anaconda安装器 (1)简介 (2)…

【火炉炼AI】机器学习011-分类模型的评估：准确率，精确率，召回率，F1值 (本文所使用的Python库和版本号: Python 3.5, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 在前面的（【火炉炼AI】机器学习004-岭回归器的构建和模型评估）中，讲解了回归模型的评估方法，主要有均方误差MSE， 解…

【火炉炼AI】机器学习016-如何知道SVM模型输出类别的置信度 (本文所使用的Python库和版本号: Python 3.5, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 一般的，对于未知样本，我们通过模型预测出来属于某种类别，往往会给出是这种类别的概率。 比如通过AI模型识别某一种图片是“狗”的概率是9…

【火炉炼AI】机器学习015-如何处理样本数偏差较大的数据集 (本文所使用的Python库和版本号: Python 3.5, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 我们得到的数据集在绝大多数情况下，都不是理想的数据集，都需要经过各种各样的处理，其中的一个处理方式就是，如何处理样本数偏差较大的数据集。比…

特征选择 还是回归到房价的问题。在最开始的问题中，我们假设房价与房屋面积有关，那么最开始对房价预测的时候，回归方程可能如下所示： 其中frontage表示的房子的长，depth表示的是房子的宽。但长和宽显然不是用于预测房价的一个很好的特征，正常的特征应该是房屋面积，那么正常的线性方程应该为： 其中X表示的房屋面积。 所以选择了合适的特征，对算法进行预测和分类…

在处理机器学习任务时，我们都需要使用数据，当然，有时候数据集可以很大，有时候数据集数量不是很理想，那么如何针对这些数据得出更加有效的模型呢？ 大型数据集 Idea #1： 当我们拿到数据集后，如果将所有数据进行训练的话 这样会导致模型见过所有的数据，如果再用这些数据进行测试的话，效果会非常好，但我们知道，这其实是一种过拟合现象，我们的模型在当前数据集中，永远…

上面的回归问题中如果我们的模型是： 　　我们可以从之前的事例中看出，正是那些高次项导致了过拟合的产生，所以如果我们能让这些高次项的系数接近于0 的话，我们就能很好的拟合了。　　所以我们要做的就是在一定程度上减小这些参数???? 的值，这就是正则化的基本方法。我们决定要减少????3和????4的大小，我们要做的便是修改代价函数，在其中????3和????4 …

出现noisy时错误的可能性，这题是简单的概率问题，μ是h出错的概率，当y=f(x)时出错：λμ；当otherwise时出错：(1-λ)(1-μ)。 => λμ+(1-λ)(1-μ)   h的表现和μ无关，λμ+(1-λ)(1-μ)=1-λ-(1-2λ)μ => λ=0.5     根据公式4(2N)dVC exp(-1/8 ξ2 N)=0.05…

整理摘自 https://blog.csdn.net/icefire_tyh/article/details/52065626 若不考虑冗余： 属性1    属性2    属性3    2           3            3 假设空间中有 3 * 4 * 4 + 1 = 49种假设。 在不考虑沉余的情况下，最多包含k个合取式来表达假设空间，显然…