摘要：
一、说在前面 物以类聚人以群分，今天老师讲的是聚类，又双叒叕是涉及数学知识的一节课，听得云里雾里，不过有一个很深的体会就是机器学习里面对随机和迭代的使用频率确实很高。 二、笔记 1、什么是聚类？ 数学知识：凸函数与Jensen不等式 聚类的本质：将数据集中相似的样本进行分组的过程 每一个组成为一个簇 阅读全文
摘要：
一、说在前面 机器模型中，模型在使用的时候往往会出现误差，如何调整来减小误差就涉及到了模型提升的方法。 二、笔记 模型提升 1、模型提升的方法 模型误差的来源 训练集D={xi,yi}(i=1...n)由函数f产生 假设空间H中理论上最好的函数为f^ 用训练集D得到的函数f*=argmaxL(w)f 阅读全文
摘要：
一、说在前面 今天学习的是数据的分类，二分类，但是没有涉及到多种类。 二、笔记 1、数学知识回顾：点到平面距离、梯度下降法、最大似然估计 点到平面距离：点到直线、点到二维平面、点到超平面 梯度下降法：沿梯度下降最快的方向走 最大似然估计：求解概率模型参数的方法 线性可分训练集D={xi,yi} 2、 阅读全文
摘要：
一、说在前面 今天学习的是有监督学习的回归案例，通过已有的数据集进行计算，生成回归函数，以对未来的数据进行预测。 二、笔记 NumPy 矩阵求逆函数 numpy.linalg 模块包含线性代数的函数，可计算逆矩阵、求特征值、解线性方程组以及求解行列式等。 行列式：np.linalg.det(A) ( 阅读全文
摘要：
一、说在前面 今天开始第一节数据酷客的学习，进行机器学习的入门，机器能学习吗？ 二、笔记 机器学习方法的分类 有监督学习数据集中的样本带有标签，有明确目标回归和分类目标：找到样本到标签的最佳映射 y=f(x) 找到这个f应用场景：垃圾邮件分类、病理切片分类、客户流失预警、客户风险评估、房价预测等典型 阅读全文
摘要：
#说在前面 reshape()改变数组的形状的用法 #具体使用 numpy.reshape 函数可以在不改变数据的条件下修改形状，准确来说就是数组的列数和行数。 使用模板： numpy.reshape(arr, newshape, order='C') (行，列) 参数解释： arr：要修改形状的数 阅读全文
摘要：
#说在前面 学习机器学习，想要了解TensorFlow是什么，与其听老师讲的云里雾里，还不如自己查一查文献自己学习了解也下。 #笔记 让我们先来看看tensor（张量）是什么？ 张量=容器 张量是现代机器学习的基础。它的核心是一个数据容器，多数情况下，它包含数字，有时候它也包含字符串，但这种情况比较 阅读全文
摘要：
#说在前面 train_test_split()函数划分训练、测试集的用法 #具体使用 train_test_split()函数是用来随机划分样本数据为训练集和测试集的，也可以用来人为的切片划分 可以客观随机的划分数据，减少认为因素 使用模板： train_X,test_X,train_Y,test 阅读全文
摘要：
#一.Pytorch是什么？ Pytorch是torch的python版本，是由Facebook开源的神经网络框架，专门针对 GPU 加速的深度神经网络（DNN）编程。Torch 是一个经典的对多维矩阵数据进行操作的张量（tensor ）库，在机器学习和其他数学密集型应用有广泛应用。与Tensorf 阅读全文