机器学习

大家好，我是Peter~ Scikit-learn是一个非常知名的Python机器学习库，它广泛地用于统计分析和机器学习建模等数据科学领域。 建模无敌：用户通过scikit-learn能够实现各种监督

大家好，我是Peter~ Titanic数据是一份经典数据挖掘的数据集，本文介绍的是kaggle排名第一的案例分享。原notebook地址： https://www.kaggle.com/startu

大家好，我是Peter~ 本文是kaggle案例分享的第3篇，赛题的名称是：Mushroom Classification，Safe to eat or deadly poison? 数据来自UCI：

经常会在GitHub上搜索一下学习的项目。前段时间发现了一个超赞的项目：利用Python来实现各种算法。目前整个项目的点赞已经达到了33.5K+，得到了很多程序员的认可，对大家很有学习价值。 比如我们

图解Pandas中的数据分类 本文中介绍的是Categorical类型，主要实现的数据分类问题，用于承载基于整数的类别展示或编码的数据，帮助使用者获得更好的性能和内存使用。 背景：统计重复值 在一个S

大家好，我是Peter~ 今天带来的是机器学习的一篇实战文章：利用机器学习库scikit-learn实战线性回归模型。 机器学习实战—线性回归 在理想的状态下，任何非线性的东西都是可以通过线性的东西来

大家好，我是Peter呀~ 本文讲解的是推荐系统中的冷启动问题，参考的主要资料是项亮老师《推荐系统实践》一书中的第三章，仅作为学习记录使用。 写这篇文章的目的主要是有两次面试的时候，面试官问过我这个问

如果你用Python做开发，那么首选Pycharm；但是如果你想用Python做数据分析、数据挖掘，以及火热的机器学习和人工智能项目，Jupyter Notebook注定是首选，因为Jupyter Notebook一直都是做数据科学的最佳利器。 即使现在出来了Jupyter L…

在本周中主要讲解了推荐系统的相关知识。推荐系统应该是目前机器学习领域或者说人工智能领域最热门的方向之一，还有NLP、CV等

在本周中主要讲解了机器学习中的异常检测问题，主要包含： 问题产生 高斯分布 算法使用场景 八种无监督异常检测技术 异常检测和监督学习对比 特征选择 异常检测Novelt

吴恩达机器学习-8-聚类 本周的主要知识点是无监督学习中的两个重点：聚类和降维。本文中首先介绍的是聚类中的K均值算法，包含： 算法思想 图解K-Means sklearn实现 Python实现等

本周主要是讲解了支持向量机SVM的相关知识点，主要是包含：硬间隔、支持向量、软间隔 、对偶问题 、优化目标Optimization Objectives。

本文中记录的是吴恩达老师对机器学习的建议，包含： 应用机器学习的建议 评估假设 模型选择和交叉验证 方差和偏差诊断 正则化与过拟合问题 应用机器学习的建议

在第四章的视频中已经介绍过神经网络的相关基础知识，本文在基础进行初步的学习，主要的内容是：神经网络代价函数、反向传播法、梯度检验等

本文是吴恩达机器学习第4周的内容，讲解的是机器学习中的神经网络基础：神经网络作为深处学习的基础，视为重中之重！

本文是吴恩达机器学习的第3篇文章，主要讲解的是机器学习中逻辑回归和正则化问题，两个非常重要的知识点。