标签:机器学习 第2页

机器学习

《机器学习实战》中英文电子书 + 源代码下载

5

红色石头 发布于 2019-01-03

今天给大家介绍一本以 Python 为基础的机器学习实战编程书籍:《机器学习实战》。 本书特色: 本书的目录如下: 本书第一部分主要介绍机器学习基础,以及如何利用算法进行分类,并逐步介绍了多种经典的监督学习算法,如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、...

阅读(3388)评论(0)赞 (6)

ML 实用指南

Scikit-Learn 与 TensorFlow 机器学习实用指南学习笔记 5 —— 如何为机器学习算法准备数据?

2

红色石头 发布于 2019-01-02

本文为《Scikit-Learn 和 TensorFlow 机器学习指南》的第二章的第 3 讲:为机器学习算法准备数据。 使用实际数据 整体规划 获取数据 发现、可视化数据,增加直观印象 为机器学习准备数据 选择模型并进行训练 调试模型 部署、监控、维护系统 第二章前 2 讲的地...

阅读(1754)评论(0)赞 (5)

ML 实用指南

Scikit-Learn 与 TensorFlow 机器学习实用指南学习笔记 4 —— 数据探索与可视化、发现规律

8

红色石头 发布于 2018-12-17

目前为止,我们已经对数据有了初步的认识,大体上明白了我们要处理的数据类型。现在,我们将进入更深入的研究。 首先,确保已经划分了测试集并放置一边,我们只会对训练集进行操作。另外,如果训练集很大,可以从中采样一些作为探索集(exploration set),方便进行快速处理。在我们这...

阅读(1009)评论(0)赞 (3)

ML 实用指南

Scikit-Learn 与 TensorFlow 机器学习实用指南学习笔记 3 —— 数据获取与清洗

13

红色石头 发布于 2018-12-04

本章将完整地介绍一个端对端(End-to-End)机器学习项目。假如你是某个房地产公司刚雇佣的数据科学家,你所要做的事情主要分成以下几个步骤: 1.整体规划。 2.获取数据。 3.发现、可视化数据,增加直观印象。 4.为机器学习准备数据。 5.选择模型并进行训练。 6.调试模型。...

阅读(1467)评论(0)赞 (4)

机器学习

我整理了 50 页 PPT 来解释 SVM

43

红色石头 发布于 2018-12-03

支持向量机 SVM,是常见的一种判别方法。在机器学习领域,是一个有监督的学习模型,通常用来进行模式识别、分类以及回归分析。但是想完全掌握 SVM 的理论知识包括 SMO 算法并不容易!红色石头之前在整理 SVM 内容的时候做了一个 PPT,比较清晰完整地介绍了 SVM。主要内容包...

阅读(1942)评论(2)赞 (15)

ML 实用指南

Scikit-Learn 与 TensorFlow 机器学习实用指南学习笔记2 — 机器学习的主要挑战

6

红色石头 发布于 2018-11-26

简而言之,因为机器学习的主要任务就是选择合适的机器学习算法在数据集上进行训练,所以不好的算法和不好的数据都可能严重影响训练效果。下面我们先来看看不好的数据会带来什么影响。 1.4.1 训练数据不足 对一个蹒跚学步的孩子来说,如何识别苹果?方法是拿出很多各种各样颜色、形状的苹果图片...

阅读(1165)评论(2)赞 (6)

ML 实用指南

Scikit-Learn 与 TensorFlow 机器学习实用指南学习笔记1 — 机器学习基础知识简介

24

红色石头 发布于 2018-11-20

本章介绍的是每一个数据科学家都应该知道并听说的机器学习许多基本的概念和术语。这将是一个高层次的概括(本书唯一没有很多代码的一章)。内容很简单,但是你要保证在进行下一章之前对本章每个概念都理解得很透彻。因此,端起一杯咖啡,让我们开始吧! 1 什么是机器学习? 机器学习是一门通过编程...

阅读(1610)评论(0)赞 (5)

机器学习

天池 O2O 优惠券使用预测思路解析与代码实战

11

红色石头 发布于 2018-11-08

前阵子因为机器学习训练营的任务安排,需要打一场 AI 比赛。然后就了解到最近热度很高且非常适合新人入门的一场比赛:天池新人实战赛o2o优惠券使用预测。今天,红色石头把这场比赛的一些初级理论分析和代码实操分享给大家。本文会讲解的很细,目的是带领大家走一遍比赛流程,实现机器学习理论分...

阅读(2532)评论(3)赞 (9)

机器学习

确定不收藏?机器学习必备的分类损失函数速查手册

31

红色石头 发布于 2018-09-16

在监督式机器学习中,无论是回归问题还是分类问题,都少不了使用损失函数(Loss Function)。损失函数(Loss Function)是用来估量模型的预测值 f(x) 与真实值 y 的不一致程度。若损失函数很小,表明机器学习模型与数据真实分布很接近,则模型性能良好;若损失函数...

阅读(2090)评论(0)赞 (6)