通过自学编程，感觉到基础知识很重要，越到后面越能发现这一点，光记住是不行的，还要灵活运用，要多调试代码，计算机就是一个不断练习，不断遇到问题，解决问题的工种，要根据实际的业务能想到对应的语法，实际项目和应用最重要。基础的Python 3语法知识，包括列表、元组、字符串、字典以及各种语句。现在 ...

用数学工具解决实际问题仅有的要求可能就是懂一点概率知识和程序设计。而贝叶斯方法是一种常见的利用概率学知识去解决不确定性问题的数学方法，对于一个计算机专业的人士，应当熟悉其应用在诸如机器翻译，语音识别，垃圾邮件检测等常见的计算机问题领域。 在共计15章的篇幅中讨论了怎样解决十几个现实生活中的实际问题 ...

5.1 根据表5.1所给的训练数据集，利用信息增益比（C4.5算法）生成决策树。 注意这里是用信息增益比哦，from sklearn.tree import DecisionTreeClass ...

统计学习 统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。统计学习也称为统计机器学习（statical machine learning）。 统计学习的方法是基于数据构建统计模型从而对数据进行预测和分析。统计学习由监督学习、非监督学习、半监督学习和强化学习 ...

机器学习的三个步骤，包括了表示、评价、优化这样三个步骤，在这三个步骤当中会用到不同的数学公式来分别解决这三个问题。用到的基础数学都包括线性代数，概率统计，还有最优化理论。这是在机器学习当中用到的最基础的一些数学工具。 《普林斯顿微积分读本(修订版)》中文PDF，673页，带书签目录，文字 ...

上学期花了一个多月读完了李航老师的《统计学习方法》，现在带着新入团队的新同学以读书会的形式读这本书，书里边全是干货，对于我理解基本的机器学习算法很有帮助，也笔头做了一些总结（不完全基于此书），现将其摘录于此作为在博客园的第一篇博客。因为并不是为了扫盲，所以仅仅是抓出脉络以及关键点，方便以后快速温习 ...

统计学习 统计学习：也称统计机器学习，是计算机基于数据构建概率统计模型，并用模型进行预测与分析的一门学科。 数据是统计学习的对象。统计学习关于数据的基本假设是同类数据具有一定的统计规律性，这是统计学习的前提。这些数据具有某种共同的性质，并且由于具有统计规律性，因此可以用统计学习方法来加以处理 ...

统计学习方法是基于训练数据构建统计模型，从而对数据进行预测和分析。 统计学习分为，监督学习（supervised learning），非监督学习，半监督学习和强化学习（reinforcement learning），其中以监督学习最为常见和重要，所以这里只讨论监督学习 统计学习的过程如下， 1. ...