摘要：
课程习得 通过对这门课程的学习，你将习得以下技能： 你可以快速入门应用机器学习，为公司、企业直接创造价值 你可以掌握机器学习理论基础 你可以学到感知机算法 你可以学到线性回归算法 你可以学到逻辑回归 你可以学到朴素贝叶斯法 你可以学到k近邻算法、决策树、支持向量机 你可以学到k均值聚类算法 你可以学 阅读全文
摘要：
目录 推荐系统 一、导入模块 二、收集数据 三、数据预处理 3.1 无评分电影处理 四、协同过滤算法-基于用户的推荐 4.1 余弦相似度 4.2 数据标准化处理 五、预测 六、测试 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https:// 阅读全文
摘要：
目录 手写数字识别应用程序 一、导入模块 二、图像转向量 三、训练并测试模型 四、模型转应用程序 4.1 展示图片 4.2 处理图片 4.3 预测图片 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等着你：https://www.cnblogs.com 阅读全文
摘要：
目录 基于协同过滤的推荐算法 一、实验设计——训练集M折交叉验证 二、评测指标 2.1 准确率/召回率 2.2 覆盖率 2.3 新颖度 三、基于领域的算法 3.1 基于用户的协同过滤算法 3.1.1 UserCF推荐算法 3.1.2 User-IIF推荐算法 3.2 基于物品的协同过滤算法 3.3 阅读全文
摘要：
目录 推荐系统常用评估指标 一、RMSE 二、MAE 三、Precision(准确率)&Recall(召回率) 四、覆盖率 五、信息熵 六、基尼系数 七、多样性 八、获取各种评测指标的途径 九、长尾分布 更新、更全的《机器学习》的更新网站，更有python、go、数据结构与算法、爬虫、人工智能教学等 阅读全文
摘要：
目录深度学习-图像识别一、人脸定位二、手工提取特征的图像分类2.1 识图认物2.2 传统分类系统的特征提取2.3 计算机眼中的图像2.4 什么是图像特征？2.5 卷积运算2.6 利用卷积提取图像特征三、基于神经网络的图像分类3.1 传统图像分类系统和深度神经网络3.2 深度神经网络的架构3.3 卷积 阅读全文
摘要：
目录模型选择一、模型选择学习目标二、机器学习基本假设2.1 损失函数2.2 目标函数三、参数模型和非参数模型3.1 参数模型3.2 非参数模型四、过拟合五、过拟合解决方法5.1 收集更多训练数据5.2 选择简单模型5.2.0.1 示例5.3 正则化5.3.1 L1正则化5.3.2 L2正则化5.4 阅读全文
摘要：
目录主成分分析代码(手写数字识别)一、导入模块二、数据预处理三、KNN训练数据3.1 准确度四、降维(2维)4.1 KNN训练数据4.2 准确度4.3 二维特征方差比例五、查看原始数据特征方差比例5.1 主成分所占方差比例六、保留原始维度的80%的维度6.1 查看主成分个数6.2 降维(13维)6. 阅读全文
摘要：
目录scikit-learn库之主成分分析一、PCA1.1 使用场景1.2 代码1.3 参数1.4 属性1.5 方法二、KernelPCA三、IncrementalPCA四、SparsePCA五、MiniBatchSparsePCA 更新、更全的《机器学习》的更新网站，更有python、go、数据结 阅读全文
摘要：
目录主成分分析(PCA)一、维数灾难和降维二、主成分分析学习目标三、主成分分析详解3.1 主成分分析两个条件3.2 基于最近重构性推导PCA3.2.1 主成分分析目标函数3.2.2 主成分分析目标函数优化3.3 基于最大可分性推导PCA3.4 核主成分分析(KPCA)四、主成分分析流程4.1 输入4 阅读全文