...

 ...

奇异值分解是有着很明显的物理意义，将一个比较复杂的矩阵用更小更简单的几个子矩阵的相乘来表示，这些小矩阵描述的是矩阵的重要的特性，让机器学会抽取重要的特征，SVD是一个重要的方法。所以SVD不仅是一个数学问题，在工程应用方面很多地方都有其身影，如PCA，推荐系统、任意矩阵的满秩分解。1、特征值如果说一个向量v是方阵A的特...

　　　　目前机器学习可以说是百花齐放阶段，不过如果要学习或者研究机器学习，进而用到生产环境，对平台，开发语言，机器学习库的选择就要费一番脑筋了。这里就我自己的机器学习经验做一个建议，仅供参考。　　　　首先，对于平台选择的第一个问题是，你是要用于生产环境，也就是具体的产品中,还是仅仅是做研究学习用？　　　　如果平台是要用...

　　　　很多朋友想学习机器学习，却苦于环境的搭建，这里给出windows上scikit-learn研究开发环境的搭建步骤。　　　　python有2.x和3.x的版本之分，但是很多好的机器学习python库都不支持3.x，因此，推荐安装2.7版本的python。当前最新的python是2.7.12.链接如下：　　　　ht...

如果用一个词来形容概率图模型（ProbabilisticGraphicalModel）的话，那就是“优雅”。...

相比于监督学习，非监督学习的输入数据没有标签信息，需要通过算法模型来挖掘数据内在的结构和模式。非监督学习主要包含两大类学习方法：数据聚类和特征变量关联。其中，聚类算法往往是通过多次迭代来找到数据的最优分割，而特征变量关联则是利用各种相关性分析方法来找到变量之间的关系。01K均值聚类与分类问题不同，聚类是在事先并不知道任...

宇宙，是时间和空间的总和。时间是一维的，空间。。。maybe9or10维？降维，即用一个低维度的向量表示原始高维度的特征。常见的降维方法有主成分分析、线性判别分析、等距映射、局部线性嵌入、拉普拉斯特征映射、局部保留投影等。01PCA最大方差理论在机器学习领域中，我们对原始数据进行特征提取，有时会得到比较高维的特征向量。...

不忘初心,方得始终.01 支持向量机支持向量机（SupportVectorMachine，SVM）是众多监督学习方法中十分出色的一种，几乎所有讲述经典机器学习方法的教材都会介绍。关于SVM，流传着一个关于天使与魔鬼的故事。以下关于SVM的介绍很生动：传说魔鬼和天使玩了一个游戏，魔鬼在桌上放了两种颜色的球，如图...

第2章模型评估“没有测量，就没有科学。”这是科学家门捷列夫的名言。在计算机科学特别是机器学习领域中，对模型的评估同样至关重要。只有选择与问题相匹配的评估方法，才能快速地发现模型选择或训练过程中出现的问题，迭代地对模型进行优化。模型评估主要分为离线评估和在线评估两个阶段。针对分类、排序、回归、序列预测等不同类型的机器学习...

>>>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...