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...