机器学习导图系列教程旨在帮助引导开发者对机器学习知识网络有一个系统的概念，其中具体释义并未完善，需要开发者自己探索才能对具体知识有深入的掌握。本项目灵感来自Daniel Formoso的github开源项目。本文作者对其项目进行翻译、整理、批注等二次创作，其中不乏生僻的数学名词…

在本文中，我将尽最大的努力来阐明降维技术中常用的三种降维方法：即 PCA、t-SNE 和自动编码器。本文的动机是由于这些方法多被当作黑盒使用，而有时会被误用。理解它们将可以帮助大家决定何时以及如何使用它们。 我将使用 TensorFlow 从头开始介绍每个方法的内部结构和对应代…

前面的机器学习类文章（编号从010-019）都是关于监督学习，但是从本篇文章开始，炼丹老顽童要开始讲解无监督学习方面，无监督学习是指处理的数据没有任何形式的标记，我们没有对训练数据集进行实现的类别划分，故而相当于抹黑处理，要让机器学习自己找出样本所属的类别，那么机器学习通过什么…

说到特征工程，就不得不提有这么一句话在业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已，从而可见，特征工程的重要程度。 特征： 是指数据中抽取出来的对结果预测有用的信息，也就是数据的相关属性。 在确定好我们的目标后，我们首先要做的就是根据业务场景，…

数据科学专家面临的最常见问题之一是如何避免过拟合。 你是否遇到过模型在训练数据上表现特别好，却无法预测测试数据的情形？ 或者你在公共排行榜比赛中刚开始名列前茅，但在最终却落后数百个名额？ 那么，你需要阅读这篇文章！

Attention是一种用于提升基于RNN（LSTM或GRU）的Encoder + Decoder模型的效果的的机制（Mechanism），一般称为Attention Mechanism。Attention Mechanism目前非常流行，广泛应用于机器翻译、语音识别、图像标注…

（注意：这是一篇试图向不完全熟悉统计数据的读者解释Logistic回归背后的直觉的帖子。因此，你可能在这里找不到任何严谨的数学工作。） Logistic回归是一种涉及线性判别的分类算法。 1.与实测回归法不同，逻辑回归不会尝试在给定一组输入的情况下预测数值变量的值。相反，输出是…