随笔分类 - python / python机器学习
基于机器学习等延伸出的数学知识补救——关于那些大学学了不及时用就会忘掉的知识
摘要：因为要学机器学习深度学习之类的，那么对数学基础有要求。但是我大学学了高数后我就没怎么用过（至少没用过偏导之类的），挠头。那么就是为了复习，然后重新构建知识谱图，因为笔记丢了（目移），所以会借用一些资料的笔记。 顺序大概就是学机器学习深度学习接触的数学知识，分类后画AI相关的数学图，大概学完最基础的就
python机器学习算法——KNN算法
摘要：如题，KNN算法。 参考： https://www.showmeai.tech/article-detail/187 前提总结：KNN算法，或许就是“近墨者黑，近朱者赤”。 1.机器学习与分类问题 1）分类问题 2）分类问题的数学抽象 从算法的角度解决一个分类问题，我们的训练数据会被映射成 维空间的
机器学习学习笔记——基本知识
摘要：被我们老师说一定要学AI相关的，所以开始认真学了。（但是仍然不知道学了有什么用，吐槽） 参考： 有参考链接的，网站是这个https://www.showmeai.tech/article-detail/185。很推荐这个网站，看了第一篇就决定继续看下去了。 本篇只是一些知识概论，从这一篇开始设置重点
使用python实现垃圾邮件分类——朴素贝叶斯
摘要：这个是我的python（选修课）期末作业，代码很简单，但是课程报告老师要求我们写出一朵花出来，我：？ 相关原理介绍： 贝叶斯公式，用于计算在已知一些相关事情发生的情况下，另一事件发生的概率，公式如下： 条件独立性假设，假设所有特征在类别给定的情况下都是相互独立的。 朴素贝叶斯公式，建立在贝叶斯公式和
