Machine Learning
3篇文章 · 0订阅
  • 线性代数与数据学习：MIT教授Gilbert Strang帮你打下坚实的数学基础
    机器之心编辑，作者：思源、刘晓坤。 这本书的目的是解释数据科学和机器学习所依赖的数学：线性代数、最优化、概率论和统计学。因为在机器学习中，学习函数中的权重会以矩阵形式表示，这些权重通过随机梯度下降优化，而「随机」一词提示训练收敛是概率性的。此外，概率论中的大数定律被扩展到了大函…
    机器学习
  • 《统计学习方法》的Python 3.6复现，实测可用
    选自Github，作者：黄海广。 《统计学习方法》，作者李航，本书全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k 近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与支持向量机、提升方法、EM 算法、隐马尔可夫模型和条件随机场等。除第 1 章概论和最后一章总结外…
    Python
  • 从最大似然估计开始，你需要打下的机器学习基石
    在机器学习中，我们经常使用一个模型来描述生成观察数据的过程。例如，我们可以使用一个随机森林模型来分类客户是否会取消订阅服务（称为流失建模），或者我们可以用线性模型根据公司的广告支出来预测公司的收入（这是一个线性回归的例子）。每个模型都包含自己的一组参数，这些参数最终定义了模型本…
    机器学习 人工智能 算法