>>>前言人工智能技术正在对社会结构、职场、教育等带来革命性的变化。未来几年是人工智能技术全面普及化的时期，也是该技术的相关人才最为稀缺的时期。人工智能泛指让机器具有人的智力的技术。这项技术的目的是使机器像人一样感知、思考、做事、解决问题。人工智能是一个宽泛的技术领域，包括自然语言理解、计算机视觉、机...

<机器学习基础>逻辑回归，SVM，决策树1、逻辑回归和SVM的区别是什么？各适用于解决什么问题？https://www.zhihu.com/question/249044222、LinearSVM和线性回归有什么异同？答案：https://www.zhihu.com/question/26768865基础知...

一、常用分类算法的优缺点二、正确率能很好的评估分类算法吗不同算法有不同特点，在不同数据集上有不同的表现效果，根据特定的任务选择不同的算法。如何评价分类算法的好坏，要做具体任务具体分析。对于决策树，主要用正确率去评估，但是其他算法，只用正确率能很好的评估吗？答案是否定的。正确率确实是一个很直观很好的评价指标，但是有时候正...

主要内容：点估计：　　矩估计　　极大似然估计　　点估计的评判准则区间估计：　　置信区间 符号说明：1参数估计问题2点估计2.1矩估计矩估计法的基本思想是根据大数定律，利用样本矩对总体分布矩进行估计。然后利用总体矩与参数的关系来对参数进行估计。记号：矩估计的基本原理：大数定律例1：两点分布的参数估计例2：正态分...

目录：积分学　　理解积分：无穷求和，体积　　微积分基本定理：牛顿-莱布尼兹公式概率空间　　随机变量与概率：概率密度函数的积分　　条件概率　　共轭分布大数定律和中心极限定理　　随机变量的矩　　切比雪夫不等式　　大数定律　　中心极限定理 数学记号说明： 1 理解积分：无穷求和，体积1.1单变量...

主要内容：极限：　　复习极限记号，无穷大无穷小阶数微分学（尚不讲积分）：　　复习函数求导，泰勒级数逼近　　牛顿法与梯度下降法Jensen不等式 　　复习凸函数，Jensen不等式的证明 一些记号说明： 1极限 通俗语言适合说给对方听，数学记号适合写给对方看，精确描述比较啰嗦但是非...

目录：机器学习基础：　　机器学习的分类与一般思路微积分基础：　　泰勒公式，导数与梯度概率与统计基础：　　概率公式、常见分布、常见统计量线性代数基础：　　矩阵乘法的几何意义  这是一张非常著名的图，请仔细挖掘其信息量。以期它在整体上指引我们的学习。1 机器学习基础1.1机器学习分类有监督学习...

问题是：我在自己电脑（win7  64bit）上安装了oracle的64位数据库  通过sqlplus能正常连接主要是安装pl/sql时  我是这样安装的1、在网上下载了个instantclient-basic-nt-11.2.0.3.0包 &nbs...

编辑|MingMing 尽管机器学习的历史可以追溯到1959年，但目前，这个领域正以前所未有的速度发展。最近，我一直在网上寻找关于机器学习和NLP各方面的好资源，为了帮助到和我有相同需求的人，我整理了一份迄今为止我发现的最好的教程内容列表。通过教程中的简介内容讲述一个概念。避免了包括书籍章节涵盖范围广，以及研...

作者：我爱机器学习(52ml.net)注：本页面主要针对想快速上手机器学习而又不想深入研究的同学，对于专门的researcher，建议直接啃PRML，ESL，MLAPP以及你相应方向的书（比如NumericalOptimization，GraphicModel等），另外就是Follow牛会牛paper，如果谁有兴趣也可...

本文参考了该博客的实例，但该博客中的朴素贝叶斯公式计算错误，评论中的也不对，所以，重新写一篇。作者：baidu-liuming原文链接：带你彻彻底底搞懂朴素贝叶斯公式更多参考：朴素贝叶斯算法原理小结一.朴素贝叶斯   朴素贝叶斯中的朴素一词的来源就是假设各特征之间相互独立。这一假设使得朴素...

 原文链接：K-Means聚类算法原理作者：刘建平Pinard K-Means算法是无监督的聚类算法，它实现起来比较简单，聚类效果也不错，因此应用很广泛。K-Means算法有大量的变体，本文就从最传统的K-Means算法讲起，在其基础上讲述K-Means的优化变体方法。包括初始化优化K-Means+...

 K-近邻算法（KNN）概述 邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。Cover和Hart在1968年提出了最初的邻近算法。KNN是一种...

使用机器学习排序算法LambdaMART有一段时间了，但一直没有真正弄清楚算法中的所有细节。学习过程中细读了两篇不错的博文，推荐给大家：梯度提升树(GBDT)原理小结徐博FromRankNettoLambdaRanktoLambdaMART:AnOverview但经过一番搜寻之后发现，目前网上并没有一篇透彻讲解该算法的...

贝叶斯优化用于机器学习调参由J.Snoek(2012)提出，主要思想是，给定优化的目标函数(广义的函数，只需指定输入和输出即可，无需知道内部结构以及数学性质)，通过不断地添加样本点来更新目标函数的后验分布(高斯过程,直到后验分布基本贴合于真实分布。简单的说，就是考虑了上一次参数的信息**，从而更好的调整当前的参数。他与...