声明：本博客整理自博友 zhouyong计算广告与机器学习 技术共享平台，尊重原创，欢迎感兴趣的博友查看原文。 符号定义 这里定义 深入浅出ML 系列中涉及到的公式符号，如无特殊说明，符号含义均按下述定义解释： 符号 含义 x j 第 j 维特征 x 一条样本中的特征向量， x , x , x , cdots, x n x i 第 i 条样本 x j i 第 i 条样本的第 j 维特征 y i ...
2016-05-15 11:59 0 4651 推荐指数：
声明：本博客整理自博友@zhouyong计算广告与机器学习－技术共享平台，尊重原创，欢迎感兴趣的博友查看原文。 写在前面 记得在《Pattern Recognition And Machine Learning》一书中的开头有讲到：“概率论、决策论、信息论3个重要工具贯穿 ...
线性回归是机器学习中最基础的算法，掌握了线性回归算法，有利于以后更容易地理解其它复杂的算法。 线性回归看似简单，但是其中包含了线性代数，微积分，概率等诸多方面的知识。让我们先从最简单的形式开始。 一元线性回归（Simple Linear Regression）： 假设只有一个 ...
逻辑回归（Logistic Regression）是一种经典的线性分类算法。逻辑回归虽然叫回归，但是其模型是用来分类的。 让我们先从最简单的二分类问题开始。给定特征向量x=([x1,x2,...,xn])T以及每个特征的权重w=([w1,w2,...,wn])T，阈值为b，目标y是两个分类 ...
2016是人工智能爆发的一年，各种层出不穷的新技术、新概念让人眼花缭乱。很多人都分不清人工智能（Artificial Intelligence，简称AI）、机器学习（Machine Learning，简称ML）以及深度学习（Deep Learning，简称DL）概念之间的不同。本文为理解机器学习 ...
在之前的文章《机器学习---线性回归（Machine Learning Linear Regression）》中说到，使用最小二乘回归模型需要满足一些假设条件。但是这些假设条件却往往是人们容易忽略的地方。如果不考虑模型的适用情况，就只会得到错误的模型。下面来看一下，使用最小二乘回归模型需要满足 ...
在《机器学习---朴素贝叶斯分类器（Machine Learning Naive Bayes Classifier）》一文中，我们介绍了朴素贝叶斯分类器的原理。现在，让我们来实践一下。 在这里，我们使用一份皮马印第安女性的医学数据，用来预测其是否会得糖尿病。文件一共有768个样本，我们先 ...
昨天总结了深度学习的资料，今天把机器学习的资料也总结一下(友情提示：有些网站需要"科学上网"^_^) 推荐几本好书： 1.Pattern Recognition and Machine Learning (by Hastie, Tibshirani, and Friedman's ...
绘制了一张导图,有不对的地方欢迎指正: 下载地址 机器学习中,特征是很关键的.其中包括,特征的提取和特征的选择.他们是降维的两种方法,但又有所不同: 特征抽取（Feature Extraction）:Creatting a subset of new features ...
