機器學習筆記（一）

機器學習演算法原理：

機器學習實戰原書內容與批註：

機器學習的python實現：

機器學習演算法集錦：

各種機器學習的應用場景分別是什麼：

knn k-鄰近演算法

優點：精度高，對異常值不敏感，無資料輸入假定

缺點：計算複雜度高，空間複雜度高

適用資料範圍：數值型和標稱型

什麼是數值型和標稱型

標稱型：標稱型目標變數的結果只在有限目標集中取值

數值型：數值型目標變數則可以從無限的數值集合中取值

決策樹

缺點：可能會產生過度匹配問題

適用資料型別：數值型和標稱型

樸素貝葉斯

優點：在資料較少的情況下仍然有效，可以處理多類別問題

缺點：對於輸入數的準備方式較為敏感

適用資料型別：標稱型資料

機器學習演算法之樸素貝葉斯（***** bayes）--第一篇

樸素貝葉斯理論推導與三種常見模型

用樸素貝葉斯進行文字分類

樸素貝葉斯演算法之文字分類演算法的理解與實現

logic回歸

優點：計算代價不高，易於理解和實現

缺點：容易欠擬合，分類精度可能不高

使用資料型別：數值型和標稱型資料

logic回歸總結

logics回歸數學推導

svm支援向量機

優點：泛化（由具體的，個別的擴大為一般的，就是說：模型訓練完後的新樣本）錯誤率低，計算開銷不大，結果易理解

缺點：對引數調節和核函式的選擇敏感，原始分類器不加修改僅適合於處理二分類問題

適用資料型別：數值型和標稱型資料

svm原理：

通俗易懂：

svm：

svm和logistic回歸分別在什麼情況下使用

深度學習

零基礎入門深度學習（總計六章）

cnn

deep learning學習筆記整理系列

cnn(卷積神經網路),rnn(迴圈神經網路)，dnn（深度神經網路）的內部網路結構有什麼區別

一文讀懂卷積神經網路cnn

深度學習簡介（一）-------卷積神經網路

卷積神經網路cnn基本概念筆記

使用keras+卷積神經網路玩小鳥

python庫

keras深度學習庫

tensorflow機器學習與深度學習庫

matplotlib資料分析庫，matplotlib api使用手冊

機器學習筆記（一） 了解機器學習

1 人工智慧是我們想要達成的目標，機器學習是想要達成目標的手段，深度學習就是機器學習的其中乙個方法。2 機器學習，根據你提供的資料尋找乙個function，如下圖，輸入一段語音知道是 how are you 輸入貓的知道是 貓 怎樣找出這個function呢？第一，要有一系列的function，即模...

機器學習筆記（一）

機器學習筆記 1,2課 一.線性回歸模型 1.數學模型 對於乙個具體的問題，x1,x2 是我們所選取的特徵，h x 是我們所建立的模型，其中有n 1個引數。我們希望所建立的數學模型可以很好的刻畫實際問題，而我們所擁有的就是訓練資料集。很自然的，我們希望數學模型可以較好的表述訓練資料集的情況。雖然對訓...

機器學習筆記（一）

統計學習三要素 模型 策略和演算法。模型分類有幾種，監督非監督，引數非引數等。監督學習又分為生成方法和判別方法。生成模型有 樸素貝葉斯和隱馬爾科夫。判別模型有 k近鄰，感知機，決策樹，邏輯回歸，em，svm，boost,crf.引數模型 引數個數固定，與訓練資料無關。非引數模型 引數個數依賴於訓練資...