机器学习

  # sklearn 库中导入 svm 模块 from sklearn import svm # 定义三个点和标签 X = [[2, 0], [1, 1], [2,3]] y = [0, 0, 1] # 定义分类器，clf 意为 classifier，是分类器的传统命名 clf = svm.SVC(kernel = ‘linear’) # .SVC（）就是…

完成 Andrew 的课程结束至今已有一段时间，课程介绍深入浅出，很好的解释了模型的基本原理以及应用。在我看来这是个很好的入门视频，他老人家现在又出了一门 deep learning 的教程，虽然介绍的内容很浅，毕竟针对大部分初学者。不管学习到什么程度，能将课程跟一遍，或多或少会对知识体系的全貌有一个大致的理解。如果有时间的话，强烈建议跟完课程的同时完成各项…

前言 学习机器学习和数据挖掘的相关知识也有一段时间了，平时事情比较多也就懒得做笔记， 回忆起来，AndrewNg 在coursera上开设的机器学习课程受益匪浅，课程覆盖了机器学习的基础内容，深入浅出，把很多概念解释得很到位。以AndrewNg的课程为出发点，参考多本经典的教材，对经典的机器学习和数据挖掘的思想和算法进行总结回顾，一来是为了对自身学习做一个总…

决策树是十大数据挖掘算法之一，在很多工程实践中都取得了很好的效果。其分类决策过程与20问游戏类似，专家系统中经常适用决策树，而且决策树给出结果往往可以匹敌在当前领域具有几十年工作经验的人类专家。 本文对决策树的基本原理，优缺点，应用场景等进行了简要的概述。此外将会陆续实现常用的机器学习和数据挖掘算法，有简单直观的notebook形式，也有python易用重用…

算是机器学习中最简单的算法了，顾名思义是看k个近邻的类别，测试点的类别判断为k近邻里某一类点最多的，少数服从多数，要点摘录： 1. 关键参数：k值 && 距离计算方式 && 分类决策规则 2. k=1, 即只取最近点，容易过拟合，k取较大值，容易欠拟合。k值越小，模型越复杂。k ＝ 3 or 5 works well. 3. …

原文链接：https://riboseyim.github.io/2018/02/10/Machine-Learning-Algorithms/ 机器学习算法分类：监督学习、半监督学习、无监督学习、强化学习 基本的机器学习算法：线性回归、支持向量机(SVM)、最近邻居(KNN)、逻辑回归、决策树、k平均、随机森林、朴素贝叶斯、降维、梯度增强 目录 监督学习(…

对于机器学习有兴趣，不少人应该会先从 Andrew Ng ( 吴恩达 ) 的机器学习课程开始，但是吴恩达的课程是使用 octave 这个工具当作练习。这个 github 项目包含使用 Python 实现流行机器学习算法的范例，并解释了其背后的 数学原理。 每个算法都有交互式的 Jupyter Notebook 示范，可以让你玩训练数据、算法配置，并立即在浏览…

Open sourcing wav2letter++, the fastest state-of-the-art speech system, and flashlight, an ML library going native    WHAT THE RESEARCH IS: A new fully convolutional approach to au…

序 殊途同归的算法，本文将从数学，概率和信息论的角度来说明常见的几种机器学习算法都是等价的。一定程度上 最大熵模型（Maximum Entopy ：MaxEnt），逻辑回归（Logit Regression），softmax 回归， 对数线性模型， 广义线性模型（指数模型）， energy-based model, Boltzmann distributio…

作者：JSong, 日期：2017.10.10 集成学习（ensemble learning）通过构建并结合多个学习器来完成学习任务，常可获得比单一学习器显著优越的泛化性能，这对“弱学习器”尤为明显。 目前，有三种常见的集成学习框架：bagging，boosting和stacking。第一种是并行的，各个基学习器之间不存在强依赖关系，代表是随机森林算法。后两…