机器学习入门-01快速学会使用Matplotlib绘图
快速学会使用Matplotlib绘图使用Matplotlib的基本功能实现图形显示使用Matplotlib实现多图显示使用Matplotlib实现不同画图种类1. Matplotlib之HelloWorld1.1 什么是MatplotlibMatplotlib 是 Python 的绘图库，它能让使用
1行代码完成可视化：Seaborn3个常用方法示例
只需一行 Seaborn 代码，我们就能够创建最常用的绘图并对其进行自定义，这是我们将在本文中重点介绍的内容。
连夜看了30多篇改进YOLO的中文核心期刊 我似乎发现了一个能发论文的规律
第1种：焕然一新的创新；比如Faster-RCNN、Yolov1、Transformer、ShuffleNet等，能……第2种：守正出奇的创新；比如将图像金字塔改进为特征金字塔……第3种：各种先进算法集成的创新，比如……
【机器学习】交叉验证详细解释+10种常见的验证方法具体代码实现+可视化图
【机器学习】交叉验证详细解释+10种常见的验证方法具体代码实现+可视化图一、使用背景由于在训练集上，通过调整参数设置使估计器的性能达到了最佳状态；但在测试集上可能会出现过拟合的情况。 此时，测试集上的信息反馈足以颠覆训练好的模型，评估的指标不再有效反映出模型的泛化性能。 为了解决此类问题，还应该准备
教你通过计算图看懂反向传播
看恩达老师的反向传播视频没有看很明白，于是搜寻发现了宝藏资源**《深度学习入门：基于Python的理论与实现》**，现将书中反向传播部分的内容截取出来供大家参考。图5-15练习答案：...
特征选择：11 种特征选择策略总结
“特征选择”意味着可以保留一些特征并放弃其他一些特征。本文的目的是概述一些特征选择策略
R语言使用levels（）函数来查看factor因子变量水平级别（levels）
R语言使用levels（）函数来查看factor因子变量水平级别（levels）
机器学习系列6 使用Scikit-learn构建回归模型：简单线性回归、多项式回归与多元线性回归
在本文中，我们以美国南瓜数据为例，讲解了三种线性回归的原理与使用方法，探寻数据之间的相关性，并构建了6种线性回归模型。将准确率从一开始的0.04提升到0.96.
R语言使用names函数为列表list中的所有数据对象设置名称、使用names函数查看列表中所有数据的名称
R语言使用names函数为列表list中的所有数据对象设置名称、使用names函数查看列表中所有数据的名称
pandas将多个Series对象合并起来形成dataframe、当索引不一致时会产生缺失值NaN
pandas将多个Series对象合并起来形成dataframe、当索引不一致时会产生缺失值NaN
Pandas 中最常用的 7 个时间戳处理函数
数据科学和机器学习中时间序列分析的有用概念
三、深度学习基础2（前、反向传播；超参数）
前向传播与反向传播前向传播反向传播神经网络的输出、卷积神经网络输出值以及Pooling 层输出值（主要作用是下采样）过程皆为比较简单的基础知识，在此不作详细赘述。超参数超参数:比如算法中的 learning rate （学习率）、iterations(梯度下降法循环的数量)、（隐藏层数目）、（隐藏层
机器学习实战 -朴素贝叶斯
贝叶斯分类算法是统计学的一种概率分类方法，朴素贝叶斯分类是贝叶斯分类中最简单的一种。所以称之为”朴素”，是因为贝叶斯分类只做最原始、最简单的假设：所有的特征之间是统计独立的。
【Spark】(task6)Spark RDD完成统计逻辑
文章目录一、Spark RDD二、使用RDD functions完成任务2的统计逻辑Reference一、Spark RDDRDD：resilient distributed dataset (RDD)每个spark程序都有一个driver program运行main函数，在cluster集群上执行
三、深度学习基础1（构成、模型）
神经网络组成（输入层、隐藏层、输出层）最简单的神经网络：感知机复杂一些的感知机由简单的感知机单元组合而成：Sigmoid 单元感知机单元的输出只有 0 和 1，实际情况中，更多的输出类别不止 0 和 1，而是[0,1]上的概率值，这时候就需要 sigmoid 函数把任意实数映射到[0,1]上。sig
学习笔记：深度学习（5）——词向量的相关概念
开始学习Bert。
常见的8个概率分布公式和可视化
在本文中，我们将介绍一些常见的分布并通过Python 代码进行可视化以直观地显示它们。
集成学习-装袋法和提升法
集成学习(ensemble learning)是时下非常流行的机器学习算法，它本身不是一个单独的机器学习算法，而是通 过在数据上构建多个模型，集成所有模型的建模结果。目录前言一、集成学习是什么？二、装袋法Bagging1.随机森林-代表集成学习技术水平的算法（有放回的抽样bagging）1.1 简介
5篇关于将强化学习与马尔可夫决策过程结合使用的论文推荐
低光图像增强、离线强化学习、基于深度强化学习的二元分类决策森林的构建方法等最新的研究成果
二、机器学习基础11（点估计）
点估计：用实际样本的一个指标来估计总体的一个指标的一种估计方法。点估计举例：比如说，我们想要了解中国人的平均身高，那么在大街上随便找了一个人，通过测量这个人的身高来估计中国人的平均身高水平；或者在淘宝上买东西的时候随便一次买到假货就说淘宝上都是假货等；这些都属于点估计。点估计主要思想：在样本数据中得
