摘要：
转眼间，小Mi带大家已经机器学习了两个月了，今天带大家一起放松放松，我们和电脑来几场简单的“决斗”！ 场景1： 在没有丰富表情包的聊天时代，大家的表情是不是纯粹靠兔斯基和石头剪刀布来简单进行娱乐，要不今天安排下和计算机无聊来几局？ 逻辑分析： 代码展示： import random #导入随机模块 阅读全文
摘要：
几天不见，动力不减！话说回来，我们要正式开始挑起大梁干大事了，前面一段时间，小Mi已经带大家初步了解了机器学习，复习了机器学习中需要用到的线性代数知识点，这次我们就要开始正式学习监督学习下的单变量线性回归（那么后面是不是还有多变量线性回归？Bingo！答对了！）啦。那就废话不多说，抓紧时间跟小Mi一 阅读全文
摘要：
小Mi学习，向上积极！在上一篇机器学习中，小Mi已经带大家认识了单变量线性回归的数学模型，以及对应代价函数的图形解释，小Mi也提及过，我们真正需要的是一种有效的算法，能够自动地找出这些使代价函数J取最小值的参数，来，因此它来了它来了！今天小Mi在此基础上，继续带大家一起学习梯度下降算法。 3梯度下降 阅读全文
摘要：
今天我们学习支持向量机！小Mi在办公室的时候经常会听到同事提及什么支持向量机啊，凸优化啊这样的名词，那么支持向量机到底是什么呢？今天让我们过来一探究竟！~~ 1 优化目标 与逻辑回归和神经网络相比，支持向量机，简称SVM，在学习复杂的非线性方程时提供了一种更为清晰，更加强大的方式，该算法的强大和受欢 阅读全文