神经网络与傅立叶变换有关系吗？
傅里叶变换可以视为一种有助于逼近其他函数的函数，神经网络被也认为是一种函数逼近技术或通用函数逼近技术。 本文将讨论傅里叶变换，以及如何将其用于深度学习领域。
Python机器学习从入门到高级：模型评估和选择（含详细代码）
之前我们介绍了机器学习的一些基础性工作，介绍了如何对数据进行预处理，接下来我们可以根据这些数据以及我们的研究目标建立模型。那么如何选择合适的模型呢？首先需要对这些模型的效果进行评估。本文介绍如何使用`sklearn`代码进行模型评估
【人工智能】话说人工智能与人工神经网络的历程
人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工智能带来的科技产品，将会是人类智慧的“容器”。人工智能可以对人的意识、思维的信息过程的模拟。那么，它的发展历程是经历了什么过程呢？
《机器学习实战：基于Scikit-Learn、Keras和TensorFlow第2版》-学习笔记（5）：支持向量机
第五章 支持向量机· Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow, 2nd Edition, by Aurélien Géron (O’Reilly). Copyright 2019 Aurélien Géro
机器学习决策树作业
机器学习决策树作业
机器学习之分类方法K近邻(KNN)
详解KNN原理及步骤，针对K值的选取，距离度量法的选择进行说明，并利用sklearn对手写体进行预测。
Python机器学习从入门到高级：玩转日期型数据（含代码）
Python机器学习：日期型数据处理🌸个人主页：JoJo的数据分析历险记📝个人介绍：小编大四统计在读，目前保研到统计学top3高校继续攻读统计研究生💌如果文章对你有帮助，欢迎✌关注、👍点赞、✌收藏、👍订阅专栏文章目录Python机器学习：日期型数据处理💮1. 将字符串转换成日期🏵️2.
Micro-Outlier Removal: 一种Kaggle快速提分的小技巧
Micro-Outlier Removal：这个词听起来不错。但是这个术语是本文的作者首创的。所以应该找不到其他相关的资料，但是看完本篇文章你就可以了解这个词的含义。
Pandas 对数值进行分箱操作的4种方法总结对比
使用 Pandas 的between 、cut、qcut 和 value_count离散化数值变量
Python机器学习从入门到高级：带你玩转特征转换（含详细代码）
本文介绍如何使用python进行特征转换，建议收藏！！！本文介绍如何使用python进行特征转换，建议收藏！！！本文介绍如何使用python进行特征转换，建议收藏！！！
[KO机器学习] Day4 特征工程：如何有效地找到组合特征？
本文介绍一种基于决策树的特征组合寻找方法（关于决策树的详细内容过段时间为大家更新）。以点击预测问题为例，假设原始输入特征包含年龄、性别、用户类型（试用期、付费）、物品类型（护肤、食品等）4个方面的信息，并且根据原始输入和标签（ 点击 / 未点击 ）构造出了决策树，如下图所示。
机器学习系列7 基于Python的Scikit-learn库构建逻辑回归模型
🎄🎄本文中，你将学到逻辑回归的数学原理，使用Seaborn库可视化数据寻找数据间的相关性，并基于Scikit-learn库构建逻辑回归模型预测南瓜颜色。
[机器学习面试] Day3： 什么是组合特征？如何处理高维组合特征？
什么是组合特征？如何处理高维组合特征？难度：★★☆☆☆分析与解答：为了提高复杂关系的拟合能力，在特征工程中经常会把一阶离散特征两两组合，构成高阶组合特征。以广告点击预估问题为例，原始数据有语言和类型两种离散特征。表1.2是语言和类型对点击的影响。为了提高拟合能力，语言和类型可以组成二阶特征，表1.3
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。
【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.
