从机器学习谈起----极好的一篇机器学习全貌入门文章
摘要：在博客园看到一篇极好的文章，这里做一个分享： 在本篇文章中，我将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。当然，本文也面对一般读者，不会对阅读有相关的前提要求。 在进入正题前，我想读者心中可能会有一个疑惑：机器学习有什么重要性，以至于要
阅读全文
posted @ 2018-05-25 14:18
随笔分类 - 08. 机器学习笔记
近期在看周志华老师写的《机器学习》，只看书容易忘，所以边看边记录笔记，方便后续回忆。
计算机视觉
摘要：Computer vision is the emulation of biological vision using computers and machines. It deals with the problem of inferring three-dimensional (3D) info
阅读全文
posted @ 2018-05-14 14:18
sklearn了解一下
摘要：sklearn是机器学习中一个常用的python第三方模块，网址：http://scikit-learn.org/stable/index.html ，里面对一些常用的机器学习方法进行了封装，在进行机器学习任务时，并不需要每个人都实现所有的算法，只需要简单的调用sklearn里的模块就可以实现大多数
阅读全文
posted @ 2018-05-09 18:04
Day4 《机器学习》第四章学习笔记
摘要：决策树 前几天学习了《机器学习》的前三章，前三章介绍机器学习的基础知识，接下来，第四章到第十章介绍一些经典而常用的机器学习方法，这部分算是具体的应用篇，第四章介绍了一类机器学习方法——决策树。 3.1 基本流程 决策树（decision tree）是一类常见的机器学习方法。以二分类任务为例，我们希望
阅读全文
posted @ 2018-05-08 21:55
Day3 《机器学习》第三章学习笔记
摘要：这一章也是本书基本理论的一章，我对这章后面有些公式看的比较模糊，这一会章涉及线性代数和概率论基础知识，讲了几种经典的线性模型，回归，分类（二分类和多分类）任务。 3.1 基本形式 给定由d个属性描述的示例 x =（x1；x2；… ；xd）,其中xi是x在第i个属性上的取值，线性模型（linear m
阅读全文
posted @ 2018-05-06 17:29
Day2 《机器学习》第二章学习笔记
摘要：这一章应该算是比价了理论的一章，我有些概率论基础，不过起初有些地方还是没看多大懂。其中有些公式的定义和模型误差的推导应该还是很眼熟的，就是之前在概率论课上提过的，不过有些模糊了，当时课上学得比较浅。 Day2 第二章 模型评估与选择 2.1 经验误差与过拟合 通常我们把分类错误的样本数占样本总数的比
阅读全文
posted @ 2018-05-02 14:23
Day1 《机器学习》第一章学习笔记
摘要：《机器学习》这本书算是很好的一本了解机器学习知识的一本入门书籍吧，是南京大学周志华老师所著的鸿篇大作，很早就听闻周老师大名了，算是国内机器学习领域少数的大牛了吧，刚好研究生做这个方向相关的内容，所以今天买了一本所谓的西瓜书，准备研读，光读书记性不好，边读边做笔记练习印象深刻，接下来我就把自己的学习过
阅读全文
posted @ 2018-04-28 13:26
人工智能、机器学习和深度学习的区别与联系?
摘要：人工智能的浪潮正在席卷全球，诸多词汇时刻萦绕在我们耳边：人工智能（Artificial Intelligence）、机器学习（Machine Learning）、深度学习（Deep Learning）。不少人对这些高频词汇的含义及其背后的关系总是似懂非懂、一知半解，那么他们之间有什么样的联系啦？下面
阅读全文
posted @ 2018-04-16 20:33
