學習筆記，僅供參考，有錯必糾
從今天重新學習機器學習這門課程，鼓掌！
好了，我要開始膜拜阿z老師了！
機器學習第一課
讓計算機像人一樣地學習，或讓模型演算法更聰明更智慧型。
機器學習要學習的內容非常多，比如微積分、線性代數、概率論與數理統計、統計學等數學基礎；監督學習、無監督學習、整合學習、深度學習等常用演算法；最後，我們還需要了解一些機器學習在計算機視覺、自然語言處理等方面的應用。
《機器學習線性代數基礎 》–張雨萌
備註：該書可以作為機器學習的基礎到應用的銜接。
《機器學習》–周志華
備註：這本西瓜書值得反覆研讀，反覆推敲，請重視
《統計機器學習導論》–杉山將
機器學習 調參 Part1
3.2 隨機搜尋 3.3 貝葉斯調參 4 參考 調參即對模型的引數進行相應的調整，以期獲得更好的 效果！其中引數又分為 模型引數和模型超引數。即 調參調參，無非就是將模型的超引數調整到最佳的引數，使得模型 的效果最好。總的來說，調參方式有下面三種 3.1.1 原理 優點 缺點 3.1.2 pytho...
機器學習簡單介紹part1
一 基本分類及定義 機器學習分為 監督學習，無監督學習，強化學習 監督學習是指 利用一組已知類別的樣本調整分類器的引數，使其達到所要求效能的過程，也稱為監督訓練或有教師學習。監督學習是從標記的訓練資料來推斷乙個功能的機器學習任務。訓練資料報括一套訓練示例。在監督學習中，每個例項都是由乙個輸入物件 通...
機器學習複習2 模型評估與選擇Part1
mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask mask ...