從業這么久了，做了很多項目，一直對機器學習的基礎課程鄙視已久，現在回頭看來，系統的基礎知識整理對我現在思路的整理很有利，寫完這個基礎篇，開始把AI+cv的也總結完，然后把這么多年做的項目再寫好總結。 參考：機器學習&深度學習算法及代碼實現 學習路線第一步：數學主要為微積分、概率統計 ...

繼續回到神經網絡章節，上次只對模型進行了簡要的介紹，以及做了一個Hello World的練習，這節主要是對當我們結果不好時具體該去做些什么呢？本節就總結一些在深度學習中一些基本的解決問題的辦法。 為什么說是“基本的辦法”？因為這一部分主要是比較基礎的內容，是一些常用的，比較容易理解的，不過多 ...

tensorflow集成和實現了各種機器學習基礎的算法，可以直接調用。 代碼集：https://github.com/ageron/handson-ml 監督學習 1）決策樹（Decision Tree）和隨機森林 決策樹： 決策樹是一種樹形結構，為人們提供決策依據，決策樹可以用 ...

系列文章：《機器學習實戰》學習筆記 這是《機器學習實戰》的第一章，本章簡要介紹了下什么是機器學習、機器學習的主要任務和本書中將要用到的Python語言。現在機器學習（Machine learning）與人工智能（Artificial intelligence）這么火，介紹機器學習的文章網上 ...

神經網絡是深度學習的基礎，上節提到由LR能夠聯系到神經網絡，本節就對神經網絡和BP算法進行一個回顧和總結。 1.由LR到神經網絡 　　前面在邏輯回歸的文章末尾提到，當樣本是線性不可分時，需要對樣本數據進行轉換，轉換過后在進行分類，那么轉換的這個步驟就成為特征的提取的過程，結構如圖所示 ...

參考 1. 完 ...

機器學習基礎：Kmeans算法及其優化 CONTENT 算法原理 算法流程 算法優化 Kmeans++ Elkan Kmeans Mini Batch Kmeans 與KNN的區別 算法小結 sklearn代碼實踐 ...

矩陣 參考: 機器學習基礎 一般而言，一個對象應該被視為完整的個體，表現實中有意義的事物，不能輕易拆分。 對象是被特征化的客觀事物，而表（或矩陣）是容納這些對象的容器。換句話說，對象是表中的元素，表是對象的集合（表中的每個對象都有相同的特征和維度，對象對於每個特征都有一定的取值 ...