目录 机器学习 1.1 学习目标 1.2 人工智能 1.3 机器学习 1.4 深度学习 1.5 机器学习分类 1.5.1 监督学习 1.5.1.2 回归问题 1.5.1.3 分类问题 ...

目录 机器学习 一、学习目标 二、人工智能 三、机器学习 3.1 机器学习基本术语 四、深度学习 五、机器学习分类 5.1 监督学习 5.1.1 回归问题 5.1.2 分类问题 ...

最近在研究机器学习，随手将学习的过程记录下来，方面自己的学习与回顾 1. 机器学习是什么？ 机器学习(Machine Learning，ML)是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能的一门科学技术。 它使用 ...

<一>：特征工程：将原始数据转化为算法数据 一：特征值抽取 1：对字典数据 :from sklearn.feature_extraction import DictVectorizer ...

1.1 背景 从2018年开始，人工智能像一阵龙卷风席卷全球，并迎来全面爆发，有无数的企业家投身AI创业热潮，在这个广袤的土地上，诞生了一个个神话般的企业，这些企业的核心技术便是机器学习。 其实机器学习的理论在2010年后已经有了重大突破，为什么在这一年突然爆发了呢？AlphaGo ...

机器学习中的评价指标--01 在机器学习中，性能指标(Metrics)是衡量一个模型好坏的关键，通过衡量模型输出y_predict 和 y_true之间的某种"距离"得出的。 性能指标往往是我们做模型时的最终目标，如准确率，召回率，敏感度等等，但是性能指标常常因为不可微分，无法作为优化 ...

一.模型结构 线性回归算是回归任务中比较简单的一种模型，它的模型结构可以表示如下： \[f(x)=w^Tx^* \] 这里\(x^*=[x^T,1]^T\)，\(x\in R^n\)，所以\(w\in R^{n+1}\)，\(w\)即是模型需要学习的参数，下面造一些伪数据进行演示 ...

--------------------------------------------------------------------------------------- 本系列文章为《机器学习实战》学习笔记，内容整理自书本，网络以及自己的理解，如有错误欢迎指正。 源码在Python ...