目前网络上存在很多编译好的机器学习、深度学习工具箱，在某些情况下，直接调用已经搭好的模型可能是非常方便且有效的，比如Caffe、TensorFlow工具箱，但这些工具箱需要的硬件资源比较多，不利于初学者实践和理解。因此，为了更好的理解并掌握相关知识，最好是能够自己编程实践下。

不使用任何深度学习框架，实现一个简单的神经网络用来分类。 手把手带你搭建神经网络，包括损失函数的选择，已经手写反向传播代码。 生成一些数据，这些数据不太容易线性分类。 使用softmax和cross-entropy loss，训练一个线性分类器。 实际上就是直接用softmax…

Today, we’re excited to announce that we are open sourcing Windows Calculator on GitHub under the MIT License. This includes the source cod…

卷积神经网络的发展主要是为了解决人类视觉问题，不过现在其它方向也都会使用。发展历程主要从Lenet5->Alexnet->VGG->GooLenet->ResNet等。 传统BP神经网络层与层之间都是全连接的，对于图像处理领域，当神经网络处理大图像时，全连接会导致待训练的参数非…

前面我们介绍了神经网络的基本结构单元-感知器，现在我们再升一级，看看神经网络的基本结构和训练方法。 1. 单层神经网络 单层神经网络由一个层次中的多个神经元组成，总体来看，单层神经网络的结构是：一个输入层，一个隐含层，一个输出层。如下为结构示意图。 图中描述的是前向网络，但其反…

1. 前言 本文将介绍机器学习算法中的Logistic回归分类算法并使用Python进行实现。会接触到最优化算法的相关学习。 2. 算法原理 简单来说，回归就是用一条线对N多个数据点进行拟合或者按照一定的规则来划分数据集，这个拟合的过程和划分的过程就叫做回归。 Logistic…

文章选自TowardsDataScience，作者：James Le，机器之心编译。 在机器学习中，有一种叫做「没有免费的午餐」的定理。简而言之，它指出没有任何一种算法对所有问题都有效，在监督学习（即预测建模）中尤其如此。 例如，你不能说神经网络总是比决策树好，反之亦然。有很多…

注：本文将包含大量用 Python 编写的代码片段。希望读起来不会太无聊。：)所有源代码都可以在作者的 GitHub 上找到。链接https://github.com/SkalskiP/ILearnDeepLearning.py 在开始编程之前，需要先整理一个基本的路线图。我们…

很多同学在学习机器学习的时候，理论粗略看一遍之后就直接上手编程了，非常值得表扬。但是他不是真正的上手写算法，而是去直接调用 sklearn 这样的 package，这就不大妥当了。笔者不是说调包不好，在实际工作和研究中，封装好的简单易用的 package 给我们的工作带来了莫大…