前面六篇文章从一个项目的终极目标、寻找和获取数据，到数据预处理，做特征工程，接下来就需要开始选择合适的算法模型，进行训练评估和测试了。 因为篇幅问题，主要简单介绍每个算法的基本原理，优缺点等，以及为了保证每篇文章不会太长，可能会分成两篇或者三篇来介绍。 1. 线性回归 这种函数…

无论是研究方向是 AI 方面的学生，或者是做机器学习方面的算法工程师，在掌握基础的机器学习相关知识后，都必须掌握搜索论文的技能，特别是研究或者工作领域方向的最新论文，更进阶一点的技能，就是可以复现论文的算法，这是在论文作者没有开源代码的时候的一个解决办法，但是在能够掌握这项技能…

上一篇机器学习入门系列（1）--机器学习概览简单介绍了机器学习的一些基本概念，包括定义、优缺点、机器学习任务的划分等等。 接下来计划通过几篇文章来介绍下，一个完整的机器学习项目的实现步骤会分为几步，最后会结合《hands-on-ml-with-sklearn-and-tf》的例…

所以目前它已经有 8446 个 Star，而 Fork 的人数也有 2148 个。这是一份无论是刚入门或者是已经入门，并继续进阶的进行查漏补缺的知识教程。

正如书名所言，这本书主要介绍的就是机器学习训练中的一些技巧和注意事项，包括如何设置训练集和测试集、处理偏差和方差问题等。目录如下所示： 不过目前的中文版的翻译还并非最终版本，如果发现了问题，可以去 Github 上提出，帮助修改。 也可以在『我的微信公众号后台回复 "MLY" …