各位工程师累了吗? 推荐一篇可以让你技术能力达到出神入化的网站["宅男门诊"](https://zhainanmenzhen.com/) 1、使用机器学习来解决问题，我们用数学语言来描述它，然后建立一个模型，例如回归模型或者分类模型等来描述这个问题； 2、通过最小化误差、最大似 ...

　　一个完整的机器学习项目一般流程包括： 1、抽象成数学问题 　　首先要明确问题，分类还是回归，尽量避免胡乱尝试； 2、数据获取及分析 　　获取的数据要有代表性，否则必然会过拟合。 　　而且对于分类问题，数据偏斜不能过于严重，不同类别的数据数量不要有数个数量级的差距。 而且还要对数据的量级 ...

预备：把实际问题转化为机器学习问题，即能够从现有的数据中学的某种规律，从而解决实际问题（预测或分类） 机器学习是数据和模型的结合。 一.获取数据：人工合成、爬虫、数据库、公开数据集、收集数据... 二.数据预处理: 1.数据清洗：缺失数据、重复数据、一致性检验 2.数据 ...

1. 提出问题： 明确是分类问题还是回归问题 2. 理解数据： 2.1 采集数据 sklearn.datasets中有练习数据（数据要有代表性，数据量要合适 ...

机器学习算法 什么是程序（Program） 计算机程序，是指为了得到某种结果而可以由计算机（等具有信息处理能力的装置）执行的代码化指令序列（或者可以被自动转换成代码化指令序列的符号化指令序列或者符号化语句序列）。 通俗讲，计算机给人干活，但它不是人，甚至不如狗懂人的需要（《小羊肖恩 ...

转载自：http://www.cnblogs.com/tornadomeet 　　朴素贝叶斯： 　　有以下几个地方需要注意： 　　1. 如果给出的特征向量长度可能不同，这是需要归一化为通长度的 ...

注：对于最重要的两类回归模型，之前总结了逻辑回归模型，这里总结一下"线性回归"模型。 0. 概述 线性回归应该是我们听过次数最多的机器学习算法了。在一般的统计学教科书中，最后都会提到这种方法。因此该算法也算是架起了数理统计与机器学习之间的桥梁。线性回归虽然常见，但是却并不简单。该算法 ...

前言 在我们构建完机器学习模型，经常会遇到训练得到模型无法正确预测，这之后我们往往会采取下面的一些方案： 增加训练数据 减少特征的个数 增加更多的特征 增加多项式特征（X1*X2 ...） 增大lambda的值 减小lambda的值 若是不了解模型具体的问题所在 ...