机器学习

参考博客：http://blog.csdn.net/u010167269/article/details/51340070 在以前的网络训练中，有关于验证集一直比较疑惑，在一些机器学习的教程中，都会提到，将数据集分为三部分，即训练集，验证集与测试集，但是由于工作中涉及到的都是神经网络的训练，大部分的情况是将数据集分为train以及test两部分，直接用tra…

对于机器学习中的正负样本问题，之前思考过一次，但是后来又有些迷惑，又看了些网上的总结，记录在这里。 我们经常涉及到的任务有检测以及分类。 针对与分类问题，正样本则是我们想要正确分类出的类别所对应的样本，例如，我们要对一张图片进行分类，以确定其是否属于汽车，那么在训练的时候，汽车的图片则为正样本，负样本原则上可以选取任何不是汽车的其他图片，这样就可以训练出来一…

KubeSphere 开源社区的小伙伴们，大家好。我是微众银行大数据平台的工程师周可，接下来给大家分享的是基于 WeDataSphere 和 KubeSphere 这两个开源社区的产品去构建一个云原生机器学习平台 Prophecis。 Prophecis 是什么？ 首先我介绍一下什么是 Prophecis (Prophecy In WeDataSphere)…

机器学习100天|Day1数据预处理 100天搞定机器学习|Day2简单线性回归分析 100天搞定机器学习|Day3多元线性回归 100天搞定机器学习|Day4-6 逻辑回归 100天搞定机器学习|Day7 K-NN 100天搞定机器学习|Day8 逻辑回归的数学原理 第九天直观了解SVM是什么以及如何使用它来解决分类问题       支持向量机（suppo…

机器学习100天|Day1数据预处理 100天搞定机器学习|Day2简单线性回归分析 100天搞定机器学习|Day3多元线性回归 100天搞定机器学习|Day4-6 逻辑回归 100天搞定机器学习|Day7 K-NN  Day7，我们学习了K最近邻算法（k-NN），了解了其定义，如何工作，介绍了集中常用的距离和k值选择。Day8，作者转回之前的逻辑回归内容，…

前情回顾[第二天100天搞定机器学习|Day2简单线性回归分析][1]，我们学习了简单线性回归分析，这个模型非常简单，很容易理解。实现方式是sklearn中的LinearRegression，我们也学习了LinearRegression的四个参数，fit_intercept、normalize、copy_X、n_jobs。然后介绍了LinearRegress…

逻辑回归avik-jain介绍的不是特别详细，下面再唠叨一遍这个算法。 1.模型 在分类问题中，比如判断邮件是否为垃圾邮件，判断肿瘤是否为阳性，目标变量是离散的，只有两种取值，通常会编码为0和1。假设我们有一个特征X，画出散点图，结果如下所示。这时候如果我们用线性回归去拟合一条直线：hθ(X) = θ0+θ1X，若Y≥0.5则判断为1，否则为0。这样我们也可…

机器学习100天|Day1数据预处理 100天搞定机器学习|Day2简单线性回归分析 100天搞定机器学习|Day3多元线性回归 100天搞定机器学习|Day4-6 逻辑回归 100天搞定机器学习|Day7 K-NN 100天搞定机器学习|Day8 逻辑回归的数学原理 100天搞定机器学习|Day9-12 支持向量机 100天搞定机器学习|Day11 实现K…

本文译自：Machine Learning Trends fromNIPS 2014  编者按：John Platt是微软的杰出科学家，也是微软在机器学习领域的领军人物。加入微软17年，一直在机器学习领域埋首耕耘。Platt也是SVM最快的加速算法SMO的提出者。NIPS大会是机器学习领域两大重要学习会议之一，另外一个是ICML。接下来的文章中Platt将和…

以下内容转自：http://blog.csdn.net/lcjpure/article/details/8069704 结合自己的学习经历，总结一下如何学习机器学习。我自己的学习过程其实是非常混乱和痛苦的，一个人瞎搞现在也不知道入没入门。希望能对其他想自学机器学习而找不到方向的人有一点点帮助。 一、可以读读一些科普性的，综述性的东西。 南京大学周志华教授写的…