技術語言python 3
機器學習框架scikit learn
繪圖框架matplotlib
矩陣處理框架numpy
idejupyter notebook
工欲善其事，必先利其器。在本章，我們將學習和機器學習相關的基礎工具的使用：jupyter notebook, numpy和matplotlib。大多數教程在講解機器學習的時候，大量使用這些工具，卻不對這些工具進行系統講解。我特意新增了這個章節，讓同學們在後續編寫機器學習演算法的過程中，更加得心應手！…
k近鄰演算法本身是乙個思想非常簡單的演算法，但是這個簡單演算法背後，也蘊含著豐富的內容。在這一章，我們將詳細介紹k近鄰演算法的原理，進而對訓練資料集，測試資料集，分類準確度，超引數，資料歸一化，樣本距離等基礎概念進行詳細的**。我們將詳細了解scikit-learn框架中對演算法的封裝，並實現我們自己的演算法框架。我們還將學…
線性回歸法是機器學習領域的經典演算法，很多更複雜的演算法都是以線性回歸為基礎的。在這一章，我們將深入學習線性回歸法背後的原理，同時仔細**如何評價回歸演算法。大家將對mse,rmse,mae和r squared等回歸問題的評價指標有充分的理解。在實現層面上，我們還將學習機器學習領域的乙個重要的實現技巧：向量化。…
梯度下降法是在機器學習領域的乙個重要的搜尋策略。在這一章，我們將詳細講解梯度下降法的基本原理，一步一步改進梯度下降演算法，讓大家理解梯度下降法中各種引數，尤其是學習率的意義。同時，我們還將引申出隨機梯度下降法和小批量梯度下降法兩個方法，讓大家對梯度下降法家族有乙個全方位的認識。…
通常教材會使用非常多的數學概念來講解pca，在這個課程中，我們將另闢蹊徑，繞開繁重的數學概念，使用梯度下降法的姊妹方法：梯度上公升法來求解pca問題，進而深刻理解pca的基本原理，如何使用pca進行資料的降維。我們還將給出多個pca的應用場景，不僅讓大家親手實踐出pca降維的巨大威力，也讓大家看到pca在降噪，人臉識別等…
在這一章，我們將接觸非線性問題。我們將學習多項式回歸的思想，使用線性回歸的思路來解決非線性問題。進一步，我們將引申出或許是機器學習領域最重要的乙個問題：模型泛化問題。我們將深入**什麼是欠擬合，什麼是過擬合，怎樣檢測欠擬合和過擬合。什麼是交叉驗證，什麼是模型正則化。聽起來拗口的ridge和lasso都是什麼鬼…
據統計，邏輯回歸是機器學習領域最常用的分類演算法，沒有之一！在這一章，我們將逐漸揭開邏輯回歸的神秘面紗，了解如何應用線性回歸的思路，來解決分類問題。我們將綜合之前所學習的很多內容，一點一點來完善我們的邏輯回歸模型。我們還將繼續深入分類問題，學習對分類結果概率的估計，以及決策邊界等重要概念。 …
對機器學習分類演算法結果的評估，是乙個公認的複雜問題。在這一章，我們將來闡述這個問題為什麼複雜。我們如何更好地看待我們的機器學習演算法給出的結果。學習諸如混淆矩陣，準確率，精確率，召回率，f1，以及roc等諸多評價分類結果的指標。通過這一章的學習，大家將更好地理解自己的機器學習演算法給出的結果，從而在實際應用…
在這一章，我們將深入學習大名鼎鼎的支撐向量機svm。我們將從線性svm開始，理解svm的思路，進而深入理解svm解決非線性問題的方式——核函式。我們將重點學習兩個最重要的核函式：多項式核和徑向基函式核。我們更會使用真實的資料集實驗，看到svm的優缺點。最後，我們還將**使用svm解決回歸問題的思路。 …
在這一章，我們將學習另外乙個大名鼎鼎的機器學習演算法：決策樹。決策樹本身非常簡單，背後並沒有複雜的數學模型，但使用好決策樹也有很多技巧。我們將深入了解什麼是熵模型，什麼是基尼係數，怎樣使用決策樹解決分類問題，怎樣獲得分類的概率，怎樣用決策樹解決回歸問題，以及使用決策樹的注意事項。 …
整合學習的思想是機器學習領域解決問題的一種重要思想。我們將從整合之前已經學習過的演算法出發，進而引入整合學習的經典演算法：隨機森林。我們將看到整合學習的威力。在這一章，我們還會對其他整合學習的思想，如adaboost, gradient boosting, stacking等演算法進行介紹。 …
相信通過這個課程的學習。同學們學到的不僅僅是乙個乙個零散的機器學習演算法，更對機器學領域解決問題的方式有了乙個系統性的認識。學會了這種思維方法，相信大家都可以更好地繼續深入學習機器學習。在最後，我將給大家介紹scikit-learn的文件，希望大家能夠借助scikit-learn這個強大的機器學習庫，繼續探索機器學習這個當下…
簡單說一下自己看完後的心得：收益匪淺，課程值得擁有…
Python3入門機器學習 整合學習
整合學習是使用一系列學習器進行學習，並使用某種規則把各個學習結果進行整合從而獲得比單個學習器更好的學習效果的一種機器學習方法。準備資料 x,y datasets.make moons noise 0.3,n samples 500,random state 42 from sklearn.model...
Python3入門機器學習 numpy篇
numpy是python的乙個支援矩陣 向量運算的庫，由於python自帶的list不僅效率低，也不會將陣列看作矩陣或者向量，因此在機器學習中，使用numpy來作為運算元組及矩陣的工具 x numpy.arange 10,3,5 x.ndim x的維度 x.shape x的各維度長度 x.size ...
Python3入門經典100例
最近由於人工智慧和編譯原理實驗，決定要學python3。不為別的，就是因為自己語言基礎太差，現學現賣只能用python了。網上看了一圈python的例題，都只有python2的，於是自己決定把python2的例題，手寫成python3。希望通過這100道例題，自己能對python3的基礎 能力有一定...