机器学习

​携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第11天，点击查看活动详情 目录 一，分类问题： 二，假设表示： 三，判定边界： 四，代价函数： 五，简化的成本函数和梯度下降 六

​携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第8天，点击查看活动详情 一，多维特征 目前为止，我们探讨了单变量/特征的回归模型，现在我们对房价模型增加更多的特征，例如房间数楼

携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第6天，点击查看活动详情 ​  开始我们机器学习的第一个算法。 还是借用吴老师的例子： 这个例子是预测住房价格的，我们要使用一个数据

​ 携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第3天，点击查看活动详情 目录 背景与意义 常用算法 典型例子-聚类 分类 确定型无监督学习 概率型无监督学习 首先给大家看一个

​携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第2天，点击查看活动详情 我们借用吴老师的两个例子来讲解监督学习： 1，回归问题： 前阵子，一个学生从北京的研究所收集了一些房价的

​ 目录 一，相关分析概述 1，什么叫相关分析？ 2，相关系数： 二，皮尔森相关系数 1，连续变量的相关分析 2，协方差：  3，pearson相关系数  4，相关系数的显著性检验：  三，斯皮尔曼等

​ 目录 一，回归分析概述 二，一元线性回归分析 三，误差  四，最小二乘法的推导和求解  最小二乘法推导： 利用回归直线进行估计与预测： 估计标准差：  影响区间宽度的因素: 五，回归直线的拟合优度

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第12天，点击查看活动详情。 ​ 目录 一，假设检验基本思想 1，假设检验的基本意义： 2，假设检验的基本思想：  3，显著性水平：

​  一，熵的概念 什么是熵？ ​ 熵越大，某件事的概率越小 二，激活函数 ​  ​ ​ ​。。。。

​  一，核函数的目的 二，线性核函数 ​ 三，多项式核函数 ​ 四，高斯核函数 ​  ​  ​ 参数的影响： ​  ​  例子： ​ \ ​

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第11天，点击查看活动详情。 ​ 目录   一，正态分布 二，二项式分布  三，泊松分布  四，均匀分布  五，卡方分布  六，Bet

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第10天，点击查看活动详情。 ​ 目录 一，连续与离散随机变量 1，离散型随机变量 2，连续型随机变量  3，简单随机抽样  4，似然

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第9天，点击查看活动详情。 ​ 目录 一，线性代数基础 1，行列式 2，矩阵和数据的关系  3，矩阵的基本操作 1）特殊矩阵  2）同

一起养成写作习惯！这是我参与「掘金日新计划 · 4 月更文挑战」的第8天，点击查看活动详情。 ​  建议如果是大一大二的同学想提前学习机器学习的话可以提前看看我这个专栏的文章，说实话，专门做这个学习机

​ 在我们学习机器学习之前必须要有高数，线代，概率论等方面的数学基础，还要有一些Python的基础，这样你学习机器学习才能如虎添翼。 高等数学的基础主要是下册的更加重要，上册的也比较简单，简单过一下就