单词嵌入提供了单词的密集表示及其相对含义，它们是对简单包模型表示中使用的稀疏表示的改进，可以从文本数据中学习字嵌入，并在项目之间重复使用。它们也可以作为拟合文本数据的神经网络的一部分来学习。

博客的学习笔记，对一些要点进行摘录。规则化也有其他名称，比如统计学术中比较多的叫做增加惩罚项；还有现在比较多的正则化。 —————— 监督机器学习问题无非就是“minimizeyour error wh…

毫无疑问，机器学习现在越来越热门了，需求随着以后人工智能大爆发会持续增长。不管你是不是这个编程领域的人，都有必要了解一下机器学习是怎么回事，至少有个理性的认识，而不是觉得很神秘。但是涉及到算法数学知识是可以忽略的，只要知道，我们通过某个数学手段可以达到某个目的。比如这里要介绍的…

炼丹学习记录，Coursera 吴恩达机器学习课程第一周，课程作业使用 Python 实现。

今天为大家介绍的是scikit-learn。sklearn是一个Python第三方提供的非常强力的机器学习库，它包含了从数据预处理到训练模型的各个方面。在实战使用scikit-learn中可以极大的节省我们编写代码的时间以及减少我们的代码量

一、线性回归 线性回归一般用来做连续值的预测，预测的结果为一个连续值。因训练时学习样本不仅要提供学习的特征向量 X，而且还要提供样本的实际结果（标记 label），所以它是一种有监督学习。X= {x0 x1 x2 x3 x4 … xn}。 线性回归需要学习得到的是一个映射关系 f：X -> y，即当给定新的待预测样本时，我们可以通过这个映射关系得到一个测试样本 X 的预测值 y。 在线性回归中，假定输入 X 和输出 y 之间具有线性相关的关系。 一般地，当特征向量 Xi 中只有一个特征时，需要学习到的函数应该是一个一元线性函数 y = a+bx，我们可以通过中学的最小二乘法得到其中的 a 和 b 两个系数。

在之前的描述中，我们通常把机器学习模型和训练算法当作黑箱子来处理。如果你实践过前几章的一些示例，你惊奇的发现你可以优化回归系统，改进数字图像的分类器，你甚至可以零基础搭建一个垃圾邮件的分类器，但是你却对它们内部的工作流程一无所知。事实上，许多场合你都不需要知道这些黑箱子的内部有…

假设我们有一堆数据，并且他们是线性相关的，那我们怎么找出最合适的那条直线呢？