通過自學編程，感覺到基礎知識很重要，越到后面越能發現這一點，光記住是不行的，還要靈活運用，要多調試代碼，計算機就是一個不斷練習，不斷遇到問題，解決問題的工種，要根據實際的業務能想到對應的語法，實際項目和應用最重要。基礎的Python 3語法知識，包括列表、元組、字符串、字典以及各種語句。現在 ...

用數學工具解決實際問題僅有的要求可能就是懂一點概率知識和程序設計。而貝葉斯方法是一種常見的利用概率學知識去解決不確定性問題的數學方法，對於一個計算機專業的人士，應當熟悉其應用在諸如機器翻譯，語音識別，垃圾郵件檢測等常見的計算機問題領域。 在共計15章的篇幅中討論了怎樣解決十幾個現實生活中的實際問題 ...

5.1 根據表5.1所給的訓練數據集，利用信息增益比（C4.5算法）生成決策樹。 注意這里是用信息增益比哦，from sklearn.tree import DecisionTreeClass ...

統計學習 統計學習是關於計算機基於數據構建概率統計模型並運用模型對數據進行預測與分析的一門學科。統計學習也稱為統計機器學習（statical machine learning）。 統計學習的方法是基於數據構建統計模型從而對數據進行預測和分析。統計學習由監督學習、非監督學習、半監督學習和強化學習 ...

機器學習的三個步驟，包括了表示、評價、優化這樣三個步驟，在這三個步驟當中會用到不同的數學公式來分別解決這三個問題。用到的基礎數學都包括線性代數，概率統計，還有最優化理論。這是在機器學習當中用到的最基礎的一些數學工具。 《普林斯頓微積分讀本(修訂版)》中文PDF，673頁，帶書簽目錄，文字 ...

上學期花了一個多月讀完了李航老師的《統計學習方法》，現在帶着新入團隊的新同學以讀書會的形式讀這本書，書里邊全是干貨，對於我理解基本的機器學習算法很有幫助，也筆頭做了一些總結（不完全基於此書），現將其摘錄於此作為在博客園的第一篇博客。因為並不是為了掃盲，所以僅僅是抓出脈絡以及關鍵點，方便以后快速溫習 ...

統計學習 統計學習：也稱統計機器學習，是計算機基於數據構建概率統計模型，並用模型進行預測與分析的一門學科。 數據是統計學習的對象。統計學習關於數據的基本假設是同類數據具有一定的統計規律性，這是統計學習的前提。這些數據具有某種共同的性質，並且由於具有統計規律性，因此可以用統計學習方法來加以處理 ...

統計學習方法是基於訓練數據構建統計模型，從而對數據進行預測和分析。 統計學習分為，監督學習（supervised learning），非監督學習，半監督學習和強化學習（reinforcement learning），其中以監督學習最為常見和重要，所以這里只討論監督學習 統計學習的過程如下， 1. ...