目前國內關於機器學習的內容多是python或者go或者c++的，.net平台下的多是使用封裝好的工具包，而幾乎沒有關於如何使用c#實現的內容。目前有翻譯版本的net平台下的機器學習的書籍，不過卻是f#語言的，沒有c#。
目錄1.機器學習的基本知識
機器學習概論資料採集
人工智慧
生物-ai
深度學習
概率與統計
開始你的機器學習專案
資料收集
資料準備
選擇與訓練模型
評估模型
調教模型
鳶尾花資料集
機器學習中的分類
監督式學習
偏差及方差的權衡
培訓的資料量
輸入空間維數
不正確的輸出值
資料的多樣性
無監督式學習2.貝葉斯定理-執行資料分析解決肇事逃逸之謎強化學習
構建、購買或開源
總結
概述樸素貝葉斯和圖形化資料3.懲罰與獎勵-強化學習總結
強化學習概況4.模糊邏輯-穿越障礙q-learning
sarsa
執行我們的應用程式
漢諾塔遊戲
總結
模糊邏輯
模糊的自主移動小車
總結5.顏色混合-自組織對映和彈性神經網路
在som引擎下6. 面部和動態檢測-影象過濾器總結
人臉檢測動態檢測
將檢測新增到應用程式中
總結7. 旅行推銷員問題
旅行商問題影響學習速率的引數
學習的有效範圍
總結8.我應該接受這份工作嗎-使用決策樹
決策樹
決策節點
決策的變數
決策分支節點的集合
我應該接受這份工作嗎？numl
accord.net 決策樹
**混合矩陣
真-陽性
真-陰性
假-陽性
假-陰性
回憶精度
視覺化錯誤型別9.深層信念網路總結
受限波爾茲曼機
分層
電腦在做夢？10. 微基準測試和啟用功能總結
使用視覺繪圖方法
策劃所有功能
主函式
確定基準點
總結11. c# .net中直觀的深度學習
什麼是深度學習?opencl
opencl 層級
kelp.net framework
函式
函式棧
函式字典
caffe1
loss
優化程式
資料集
測驗
監測kelp.net
織布機
編寫測試
基準測試函式
執行單個基準測試
總結12. 機器學習建模的基礎
構建ml模型的步驟
13. 垃圾郵件過濾
定義問題準備資料
資料分析
構建資料的特徵
邏輯回歸與樸素貝葉斯的email垃圾郵件過濾
分類模型驗證
總結
機器學習目錄
資料集中的資料節點，均已打上標記 給出答案 例如結果有無，高低。其中對於連續答案值使用回歸演算法，對於離散答案值使用分類演算法。資料集中只要特徵值，沒有答案，即只告訴計算機是什麼，而不告訴計算機要求的是什麼，讓計算機自動分析，形成多個特徵值相近的簇，稱為 聚類 邏輯回歸 正則化區域性最優 查準率和查...
機器學習 機器學習目錄
注 後期有時間的話會對每乙個演算法進行講解。1 普通線性回歸 2 廣義線性模型 3 邏輯回歸 4 線性判定分析1 決策樹基本原理與構建 2 cart演算法 3 回歸決策樹 4 分類決策樹1 貝葉斯定理與樸素貝葉斯 2 高斯貝葉斯分類器 3 多項式貝葉斯分類器 4 伯努利貝葉斯分類器 5 遞增式學習1...
基於Scikit learn的機器學習模型
建立乙個機器學習的模型非常簡單 form sklearn,liner model import linearregression 匯入線性回歸模型 model linearregression 建立線性回歸模型 print model 訓練模型，對於監督模型來說為 fit x,y 對於非監督模型來說...