一文读懂机器学习分类全流程
🏆在本文中，作者将带你了解机器学习分类的全流程，从问题分析>数据预处理>分类器选择>模型构建>精度评价>模型发布为Web应用。从0带读者入门机器学习分类。
一文搞懂如何使用饱和预测
本文采用Prophet模型对时间序列进行饱和预测，饱和预测通俗一点理解就是在对一系列参数进行预测时会达到一个顶点，我们需要研究的就是预测这个饱和点。
手把手带你玩转Spark机器学习-使用Spark构建回归模型
系列文章目录手把手带你玩转Spark机器学习-专栏介绍手把手带你玩转Spark机器学习-问题汇总[持续更新]手把手带你玩转Spark机器学习-Spark的安装及使用手把手带你玩转Spark机器学习-使用Spark进行数据处理和数据转换手把手带你玩转Spark机器学习-使用Spark构建分类模型文章目
机器学习3-特征工程个人笔记
特征缩放和特征降维操作，sklearn的preprocessing标准化、归一化、二值化、独热编码的使用，sklearn的decomposition中pca、ica降维和discriminant_analysis中lda降维操作。
机器学习SVD作业
作业作业1：利用SVD分解，完成china.jpg文件的压缩与显示。代码from skimage import ioimport matplotlib.pyplot as pltimport numpy as npdef getImgAsMatFromFile(filename): img =
机器学习实验之肿瘤预测（决策树）
肿瘤预测（决策树）【实验内容】 基于威斯康辛乳腺癌数据集，采用决策树的方法进行肿瘤预测。【实验要求】1.加载sklearn自带的威斯康星乳腺癌数据集，探索数据。2.进行数据集分割。3.配置决策树模型。4.训练决策树模型。5.模型预测。6.模型评估。7.参数调优。可以根据评估结果，对模型设置或调整为更
李宏毅老师《机器学习》课程笔记-4.2 Batch Normalization
介绍了Deep Neural Network 的加速优化的一个方法： Batch Normalization
基于用户的协同过滤算法（二）：用户相似度计算的改进
用户相似度计算的改进上一节介绍了计算用户兴趣相似度的最简单的公式（余弦相似度公式），但这个公式过于粗糙，本节将讨论如何改进该公式来提高UserCF的推荐性能。首先，以图书为例，如果两个用户都曾经买过《新华字典》，这丝毫不能说明他们兴趣相似，因为绝大多数中国人小时候都买过《新华字典》。但如果两个用户都
LCE：一个结合了随机森林和XGBoost优势的新的集成方法
LCE它结合了它们的优势并采用互补的多样化方法来获得更好的泛化预测器。 进一步增强了随机森林和 XGBoost 的预测性能。
强化学习系列（一）：基本原理和概念
目录一、什么是强化学习？二、强化学习的结构第一层第二层第三层三、价值函数1）Policy function：2）Value function：3）Q与V之间的转化3）Q值更新——贝尔曼公式四、强化学习的特点五、强化学习的优点一、什么是强化学习？这几年强化学习在学术界是非常的火热，想必大家或多或少都听
【人工智能-神经网络】Numpy 实现单层感知机对情感文本多分类
Numpy 实现单层感知机对情感文本多分类一、 实验题目在给定文本数据集完成文本情感分类训练，在测试集完成测试，计算准确率文本的特征可以使用TF或TF-IDF （可以使用sklearn库提取特征）设计合适的网络结构，选择合适的损失函数利用训练集完成网络训练，并在测试集上计算准确率。二、 实验内容1.
汉明距离、汉明损失详解及代码（python）
用具体的图示+代码，帮你理解汉明距离(Hamming distance)、汉明损失(Hamming loss)。
CSDN-NLP：基于技能树和弱监督学习的博文难度等级分类 (一)
目录1. 背景2. 方法2.1 规则：快速实现2.2 匹配：结构化知识体系2.3 分类：弱监督学习2.4 融合：各尽其能3. 总结与展望3.1 总结3.2 展望4. 参考团队博客: CSDN AI小组1. 背景CSDN 每天都会产生数以万计的博客数据，但是这些数据没有难度等级的体系结构，这种体系结构
独孤九剑第五式-朴素贝叶斯模型
💐文章适合于所有的相关人士进行学习💐🍀各位看官看完了之后不要立刻转身呀🍀🌿期待三连关注小小博主加收藏🌿🍃小小博主回关快 会给你意想不到的惊喜呀🍃各位老板动动小手给小弟点赞收藏一下，多多支持是我更新得动力！！！文章目录🏰前言🏰朴素贝叶斯模型理论讲解⛺️模型思想⛺️贝叶斯理论讲解⛺️
期望最大化（Expectation Maximization）算法简介和Python代码实现
期望最大化（EM）算法被广泛用于估计不同统计模型的参数。 在本文中将解释它是如何工作的，并使用python手写进行实现
深度学习实战及tensorflow环境配置
深度学习路很长，要想走得远基础一定要牢，希望本文对你有用。文章目录前言 一、pycharm和anaconda的安装 二、配环境及运行代码 1.遇到无法用pip和conda的情况 2.安装库 3.安装tensorflow和cudatoolkit 4.代码运行 总结前言重新装了一下系统，重新配置
独孤九剑第四式-K近邻模型(KNN)
💐文章适合于所有的相关人士进行学习💐🍀各位看官看完了之后不要立刻转身呀🍀🌿期待三连关注小小博主加收藏🌿🍃小小博主回关快 会给你意想不到的惊喜呀🍃各位老板动动小手给小弟点赞收藏一下，多多支持是我更新得动力！！！文章目录🐢前言🐢KNN理论讲解🐧模型思想🐧确定K值🐔欧氏距离🐔曼
最全面的SVM介绍（从拉格朗日对偶到SMO算法）
SVM主要用来处理二分类问题，其也可用以用来解决多分类问题与回归问题，只不过不常用。其目标是找到一个最优的分隔平面，来使得不同类别之间的距离最大化。核心思想是将问题转化成凸二次规划求解的问题。一、拉格朗日对偶变换 想要搞清楚SVM问题是如何进行转化的，首先就要搞清楚什么是拉格朗日对偶变换，我们
90个Numpy的有用的代码片段
这些有用的片段在面试中会经常出现，也可以作为日常的numpy练习。
机器学习—无监督学习（一）KMeans聚类
浅谈无监督学习—聚类：K-Means(1)
