【机器学习】神经网络 | 神经网络基础知识全梳理，神经网络组成，优化及其常见的神经网络-1 神经网络组成
神经网络被广泛应用于机器学习和人工智能领域。神经网络由多个神经元组成，这些神经元分布在不同的层中，每一层都可以包含多个神经元。 神经元是神经网络的基本组成单元，模仿人类大脑中的神经元。每个神经元接收来自其他神经元的输入信号，并产生一个输出信号，这个输出信号可以传递到其他神经元。神经元包括三个主要部...
变分贝叶斯自编码器（VAE) 汇总 详解机器学习中的熵、条件熵、相对熵和交叉熵（基础知识）
前言阅读：一文搞懂交叉熵在机器学习中的使用，透彻理解交叉熵背后的直觉（基础知识）——————————对变分一词最好的解释：“变分（variation）求极值之于泛函，正如微分求极值之于函数。 ” 读论文《Auto-Encoding Variational Bayes》...
机器学习基础---应用实例（图片文字识别）和总结
一：问题描述和流程图将介绍一种机器学习的应用实例：照片OCR技术，介绍它的原因：（1）首先，展示一个复杂的机器学习系统是如何被组合起来的；（2）接着，介绍一下机器学...
机器学习基础（四）非监督学习的进阶探索
导语：上一节我们详细探索监督学习的进阶应用，详情可见： 机器学习基础（三）监督学习的进阶探索-CSDN博客文章浏览阅读296次，点赞13次，收藏11次。监督学习作为机器学习的一个主要分支，专注于从带有标签的数据中学习和建立预测模型。这些模型可以预测新数据的标签，广泛应用于各种行业和领域，从简单的...
CS229 斯坦福大学机器学习复习材料(数学基础) - 线性代数
CS229 斯坦福大学机器学习复习材料(数学基础) - 线性代数线性代数回顾与参考1 基本概念和符号1.1 基本符号2 矩阵乘法2.1 向量-向量乘法2.2 矩阵-向量乘法2.3 矩阵-矩阵乘法3 操作及其性质3.1 单位矩阵和对角矩阵3.2 转...
人工智能基础知识复习：机器学习
机器学习的定义顾名思义,机器学习是研究如何使用机器来模拟人类学习活动的一门学科。稍为严格的提法是：机器学习是一门研究机器获取新知识和新技能,并识别现有知识的学问。 ...
机器学习2---逻辑回归(基础准备）
逻辑回归是基于线性回归是直线分的也可以做多分类 ## 数学基础import numpy as npnp.pi# 三角函数np.sin()np.cos()np.tan()# 指数y=3**x# 对数np.log10(10)np.log2(2)np.enp.log(np.e) #...
机器学习系列——预备基础（三）拉格朗日乘数法
1、定义在数学最优问题中，拉格朗日乘数法是一种寻找变量受一个或多个条件所限制的多元函数的极值的方法这种方法将一个有 n 个变量与 k 个约束条件的最优化问题转换为一个有 n + k 个变量的方程组的极值问题，其变量不受任何约束这种方法引入了一种新的标量未知数，即拉格朗日乘数：约束方程的梯度...
机器学习基础---支持向量机SVM
到目前为止,你已经见过一系列不同的学习算法。在监督学习中，许多监督学习算法的性能都非常类似。因此，重要的不是你该选择使用学习算法A还是学习算法B，而更重要的是，应用...
统计学习方法笔记——一、统计学习（机器学习）基础知识（上）
1.1 统计学习统计学习也称统计机器学习主要特点：以计算机及网络为平台，建立在计算机及网络之上以数据为研究对象，是数据驱动的学科统计学习的目的是对数据进行预测和分析...
机器学习基础与实践（三）----数据降维之PCA
写在前面：本来这篇应该是上周四更新，但是上周四写了一篇深度学习的反向传播法的过程，就推迟更新了。本来想参考PRML来写，但是发现里面涉及到比较多的数学知识，写出来可能不好理解，我决定还是用最通俗的方法解释PCA，并举一个实例一步步计算，然后再进行数学推导，最后再介绍一些变种以及相应的程序。（数学推导...
机器学习理论基础学习1——频率派 VS 贝叶斯派
频率派贝叶斯派theta是个未知的常量，X是随机变量，theta是个随机变量，X是随机变量MLE最大似然估计MAE最大后验概率统计机器学习，优化问题1）建立模型、概率2）定义损失函数3）梯度下降/牛顿法求解概率图模型求积分（用蒙特卡洛方法取样）...
python最全学习资料:python基础进阶+人工智能+机器学习+神经网络(包括黑马程序员2017年12月python视频(百度云链接))
首先用数据说话，看看资料大小，达到675G承诺：真实资料、不加密,获取资料请加QQ：122317653包含内容：1.python基础+进阶+应用项目实战2.神经网络算法+python应用3.人工智能算法+python应用4.机器学习算法+python应用在python全套教程中包括黑马程序员2017...
画出决策边界线--plot_2d_separator.py源代码【来自python机器学习基础教程】
import numpy as np import matplotlib.pyplot as plt from .plot_helpers import cm2, cm3, discrete_scatter def _call_classifier_chunked(classifier_pred_...
Python机器学习基础教程-第2章-监督学习之K近邻
前言本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。为了便于跟踪和学习，本系列教程在Github上提供了jupyter notebook 版本：Github仓库：https://github.com/Holy-Shine/Introduciton-2-ML-with-Python...
Python机器学习基础教程-第1章-鸢尾花的例子KNN
前言本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。为了便于跟踪和学习，本系列教程在Github上提供了jupyter notebook 版本：Github仓库：https://github.com/Holy-Shine/Introduciton-2-ML-with-Python...
【Spark机器学习速成宝典】基础篇03数据读取与保存（Python版）
目录保存为文本文件：saveAsTextFile保存为json：saveAsTextFile保存为SequenceFile：saveAsSequenceFile读取hive保存为文本文件：saveAsTextFile# -*-coding=utf-8 -*-from pyspark import S...
Python机器学习基础教程-第2章-监督学习之决策树集成
前言本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。为了便于跟踪和学习，本系列教程在Github上提供了jupyter notebook 版本：Github仓库：https://github.com/Holy-Shine/Introduciton-2-ML-with-Python...
Python机器学习基础教程-第2章-监督学习之决策树
前言本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。为了便于跟踪和学习，本系列教程在Github上提供了jupyter notebook 版本：Github仓库：https://github.com/Holy-Shine/Introduciton-2-ML-with-Python...
Python机器学习基础教程
介绍本系列教程基本就是搬运《Python机器学习基础教程》里面的实例。Github仓库使用 jupyternote book 是一个很好的快速构建代码的选择，本系列教程都能在我的Github仓库找到对应的 jupyter notebook 。Github仓库：https://github.com/H...