线性回归是机器学习中最基本的一个算法，大部分算法都是由基本的算法演变而来。本文着重用很简单的语言说一下线性回归。 包括一元线性回归和多元线性回归，一元指的是只有一个x和一个y。通过一元对于线性回归有个基本的理解。 一元线性回归就是在数据中找到一条直线，以最小的误差来(Loss)…

简评：迭代器（iterator）是惰性可迭代对象（lazy iterable），range 函数在 Python 3 中是一个惰性的可迭代对象，那么 range 是不是迭代器呢？为什么。

朴素贝叶斯（Naive Bayesian）是最为广泛使用的分类方法，它以概率论为基础，是基于贝叶斯定理和特征条件独立假设的分类方法。 朴素贝叶斯（Naive Bayesian）是基于贝叶斯定理和特征条件独立假设原则的分类方法。通过给出的特征计算分类的概率，选取概率大的情况进行分…

机器学习中，决策树是一个预测模型；代表对象属性和对象值之间的一种映射关系。树中每个节点表示某个对象，而每个分叉表示某个可能的属性，每个叶子节点则对应从根节点到该叶子节点所经历的路径所表示的对象的值。决策树只有单一输出，若想要复数输出，可以建立独立的决策树以处理不同输入。 数据挖…

前面文章分别简单介绍了线性回归，逻辑回归，贝叶斯分类，并且用python简单实现。这篇文章介绍更简单的 knn， k-近邻算法（kNN，k-NearestNeighbor）。 k-近邻算法（kNN，k-NearestNeighbor），是最简单的机器学习分类算法之一，其核心思想…

做为一个灌水混毕业的博士，投的论文最新审稿意见看到希望，看到有工作同学发了内推的链接，就让帮忙推了几家机器学习算法工程师的实习（腾讯阿里网易）。前后大半个月笔试面试好几场，总结一下面经回馈牛客。 女朋友在广州又不想换工作的情况下，微信的机器学习算法工程师是最适合我实习的岗位了，…

在《站在巨人的肩膀上：迁移学习》一文中，我们谈到了一种迁移学习方法：将预训练的卷积神经网络作为特征提取器，然后使用一个标准的机器学习分类模型（比如Logistic回归），以所提取的特征进行训练，得到分类器，这个过程相当于用预训练的网络取代上一代的手工特征提取方法。这种迁移学习方…

记:多标签分类问题机器学习多标签分类最近遇到给个标签问题，就是给一个object打个多个标签，网上查了很多资料。发现百度没搜索出什么，后来是到知网上找到一些靠谱的资料，然后在Google一下。现在总结

logistic回归是一种广义的线性回归，通过构造回归函数，利用机器学习来实现分类或者预测。 上一文简单介绍了线性回归，与逻辑回归的原理是类似的。 预测函数(h)。该函数就是分类函数，用来预测输入数据的判断结果。过程非常关键，需要预测函数的“大概形式”， 比如是线性还是非线性的…