python机器学习笔记

这是我参与8月更文挑战的第5天，活动详情查看：8月更文挑战 9.1 信息熵 信息熵是信息论中的概念，在解释信息熵之前我们先来看看什么是信息。 1948年，香农(Shannon)在他著名的《通信的数学原

这是我参与8月更文挑战的第4天，活动详情查看：8月更文挑战 8.1 原问题与对偶问题 关于线性不可分大致有两种情况：只有边缘线性不可分（左边）和大部分样本线性不可分（右边）。针对左边的情况我们使用软间

这是我参与8月更文挑战的第3天，活动详情查看：8月更文挑战 5.1 原问题 关于线性不可分大致有两种情况：只有边缘线性不可分（左边）和大部分样本线性不可分（右边）。针对左边的情况我们使用软间隔方法来解

这是我参与8月更文挑战的第2天，活动详情查看：8月更文挑战 5.1 原问题与对偶问题 5.1.1对偶问题 我们先暂时放下svm问题，看看常规的不等式约束的最值问题该如何解决，假设有问题如下： $$ \

5.1 线性可分与线性不可分 线性可分是指用一个超平面(线性函数) $w^{T}x +b =0 $将两类样本区分开，即对于所有样本点$x_{i}$及其对应的类别$y_i$都有 $$ \begin{ca

简单介绍机器学习中正则项的背景知识，作用及原理，包括过拟合，范数的概念以及逻辑回归损失函数中的正则化项。

逻辑回归(logistic regression) 1.介绍逻辑回归与条件概率 2.介绍逻辑回归的损失函数。

python机器学习2.1和2.2。 感知器学习法则（The Precptron），实现原理和相关代码。

《python机器学习》第一版的读书笔记，买了很久最近终于有时间看，主要用来记录自己学习过程中的收获。欢迎大家批评指正。