1.網易公開課 機器學習
2.傳統的機器學習:
機器學習(ml)技術在**中發揮了重要的作用,ml經歷了多代的發展,形成了具有豐富的模型結構,例如:
1.線性回歸。
2.邏輯回歸。
3.決策樹。
4.支援向量機。
5.貝葉斯模型。
6.正則化模型。
7.模型整合(ensemble)。
8.神經網路。
在大資料時代,雲計算和大規模並行處理基礎架構的共同發展,使得機器處理能力在二十一世紀初得到了極大的提公升。我們不再侷限於低功耗/簡單的模型。例如,當今最流行的兩種主流機器學習模型是隨機森林和梯度提公升樹。儘管如此,兩者都非常強大,並且提供了非線性模型擬合的訓練資料,但資料科學家仍然需要仔細地建立特徵以獲得良好的效能。
與此同時,計算機科學家重新使用神經網路的許多層來完成這些人類模仿的任務。這給dnn(深度神經網路)帶來了新的生機,並在影象分類和語音識別任務方面提供了重大突破。dnn的主要區別在於,你可以將原始訊號(例如rgb畫素值)直接輸入dnn,而不需要建立任何域特定的輸入功能。通過多層神經元(這就是為什麼它被稱為「深度」神經網路),dnn可以「自動」通過每一層產生適當的特徵,最後提供乙個非常好的**。這極大地消除了尋找「特徵工程」的麻煩,這是資料科學家們最喜歡看到的。
dnn也演變成許多不同的網路拓撲結構,所以有cnn(卷積神經網路),rnn(遞迴神經網路),lstm(長期短期記憶),gan(生成敵對網路),轉移學習,注意模型(attention model)所有的這些被統稱為深度學習(deep learning),它正在引起整個機器學習界的關注。
3.4.第一周
統計分析
分析資料集中的特點,例如平均值,中位數,標準差以及分位數等。
第二週資料建模
了解資料的基本型別;學習如何用 sklearn 處理資料集。
第三週評估和驗證
學習如何用準確率或者召回率等指標來測試以及衡量提高表現。
第四周了解錯誤和複雜度
了解錯誤型別、過擬合、欠擬合;學習如何用學習曲線,模型複雜度來識別問題;應用交叉驗證等技術提示你模型的表現。
第五周監督學習
回歸和分類的區別;用線性回歸****;用對數機率回歸來**狀態。
第六周決策樹
訓練決策樹來**狀態;用資訊熵來構建遞迴決策樹。
第七周神經網路
神經網路的定義;用反向傳導訓練乙個神經網路;從乙個單個神經元構建乙個神經網路。
第八周支援向量機
學習如何訓練支援向量機來對資料進行線性分割;用核方法來訓練支援向量機使它能夠分割線性不可分的資料。
第九周非引數模型
基於例項的模型。
第十周貝葉斯方法
學習貝葉斯法則,了解如何用樸素貝葉斯演算法來**資料;用貝葉斯方法來訓練模型;用貝葉斯推斷來建立多變數貝葉斯網路;貝葉斯自然語言處理迷你專案。
第十一周
整合學習
通過 boosting 來增強傳統演算法;隨機森林;adaboost。
第十二周
聚類學習資料聚類的基本方法;使用 k-平均演算法來聚類資料;single linkage 聚類法;高斯模型和最大期望演算法。
第十三周
特徵工程
歸一化你的資料;學習如何為訓練選擇最佳特徵。
第十四周
降低維度
用主成分分析和獨立成分分析來降低特徵維度。
第十五周
強化學習
學習基本的馬爾可夫決策過程;用 q-學習尋找最優策略。
第十六周
博弈論撲克策略;納什均衡;極小化極大策略。
第十七周
機器學習到深度學習
深度學習基礎,包括 softmax、獨熱編碼和交叉墒;簡單的線性分類模型,例如對數機率回歸以及與之相關的損失函式。
第十八周
深度神經網路
回顧:什麼是神經網路?啟用函式:sigmoid、tanh 和 relu;如何用反向傳播和鏈式法則來訓練神經網路;如何用正則化和dropout等方法提示神經網路表現。
第十九周
卷積神經網路 什麼是卷積神經網路;卷積神經網路如何用於識別。
第二十周
針對文字和有序資料的深度模型
如何用深度神經網路實現 word2vec 對文字進行建模;迴圈神經網路基礎;長短期記憶人工神經網路 lstm。
5.記得有一篇文章總結的就非常易懂,他認為機器學習其實可以分成三類,分類、回歸、聚類。
結合到演算法裡面:
如果看過一遍《機器學習實戰》,應該就會對上述的演算法有一定的了解。不需要到公式推導級別,先能了解他們的用法即可,比如:
這麼多演算法其實只是機器學習中的一部分....
第18月第16天 statusBar
1.我們都知道要改狀態列statusbar的顏色很簡單,只要如下一行 就可以,這樣之後顏色也就改了 還有一種可以在任意頁面更改statusbar的顏色 方法就是,在想改的viewcontroller裡加入這個 uistatusbarstyle preferredstatusbarstyle retu...
11月22號學習 第20天
1 把所有的資料型別的長度 意思 讀法 全部學會明天驗收 2 在users表裡建立乙個索引 索引有什麼好處有什麼壞處 alter table users add index user name 建立索引 索引的好處 索引的好處就是可以在眾多的資訊中用最快的速度的找到你所需要的資訊並且可以自動為我進行...
第22天學習打卡
即同一方法可以根據傳送物件的不同而採用多種不同的行為方式。乙個物件的實際型別是確定的,但可以指向物件的引用型別有很多。引用一般指 父類,有關係的類 有繼承關係 子類重寫父類方法 父類引用指向子類物件 instanceof 型別轉換,引用型別轉換 判斷乙個物件是什麼型別package com.oop....