级别主题类型100机器学习简介文章101使用Python和scikit-learn构建并测试您的第一个机器学习模型教程201使用Python和scikit-learn学习回归算法教程202使用Python和scikit-learn学习分类算法教程203使用Python和scikit-learn学习聚类算法教程此学习路径...

转载：https://blog.csdn.net/xiaochendefendoushi/article/details/81905111在机器学习领域，有种说法叫做“世上没有免费的午餐”，简而言之，它是指没有任何一种算法能在每个问题上都能有最好的效果，这个理论在监督学习方面体现得尤为重要。举个...

 SciSharpSTACK: https://scisharp.github.io/SciSharp/基于.NET的开源生态系统，用于数据科学、机器学习和AI。SciSharp将所有主要的ML/AI框架从Python引入.NET.为.NET开发者.NET开发者使用他们所了解和喜爱的工具可以最高效的...

　　给定数据集train.csv，要求使用卷积神经网络CNN，根据每个样本的面部图片判断出其表情。在本项目中，表情共分7类，分别为：（0）生气，（1）厌恶，（2）恐惧，（3）高兴，（4）难过，（5）惊讶和（6）中立（即面无表情，无法归为前六类）。所以，本项目实质上是一个7分类问题。数据集介绍：　　（1）、CSV文件，大...

   在前段时间做本科毕业设计的时候，遇到了各个类别的样本量分布不均的问题——某些类别的样本数量极多，而有些类别的样本数量极少，也就是所谓的类不平衡（class-imbalance）问题。   本篇简述了以下内容：  ...

注：数据是机器学习模型的原材料，当下机器学习的热潮离不开大数据的支撑。在机器学习领域，有大量的公开数据集可以使用，从几百个样本到几十万个样本的数据集都有。有些数据集被用来教学，有些被当做机器学习模型性能测试的标准（例如ImageNet图片数据集以及相关的图像分类比赛）。这些高质量的公开数据集为我们学习和研究机器学习算法...

   选择什么样的深度学习框架一直是开发者非常关心的一个话题，而且深度学习框架之间的「战争」也越来越激烈。随着近几年AI的火热，越来越多的出现有关各个机器学习框架的对比文章，且随着 Python 逐渐成为机器学习社区最受欢迎的语言，支持 Python的深度学习...

朴素贝叶斯由贝叶斯定理延伸而来的简单而强大的概率模型，它根据每个特征的概率确定一个对象属于某一类别的概率。该方法基于一个假设，所有特征需要相互独立，即任一特征的值和其他特征的值没有关联关系。虽然这种条件独立的假设在许多应用领域未必能很好满足，甚至是不成立的。但这种简化的贝叶斯分类器在许多实际应用中还是得到了较好的分类精...

通过本篇文章可以对ML的常用算法有个常识性的认识，没有代码，没有复杂的理论推导，就是图解一下，知道这些算法是什么，它们是怎么应用的，例子主要是分类问题。每个算法都看了好几个视频，挑出讲的最清晰明了有趣的，便于科普。以后有时间再对单个算法做深入地解析。今天的算法如下：决策树随机森林算法逻辑回归SVM朴素贝叶斯K最近邻算法...

本文结构：基本流程有放回抽样的好处Bagging特点sklearn中Bagging使用Bagging和Boosting的区别bagging：bootstrapaggregating的缩写。是一种并行式集成学习方法，可用于二分类，多分类，回归等任务。基本流程：对一个包含m个样本的数据集，有放回地进行m次随机采样，这样得到...

本文结构：时间序列分析？什么是ARIMA？ARIMA数学模型？input，output是什么？怎么用？－代码实例常见问题？时间序列分析？时间序列，就是按时间顺序排列的，随时间变化的数据序列。生活中各领域各行业太多时间序列的数据了，销售额，顾客数，访问量，股价，油价，GDP，气温。。。随机过程的特征有均值、方差、协方差等...

本文结构：什么是集成学习？为什么集成的效果就会好于单个学习器？如何生成个体学习器？什么是Boosting?Adaboost算法？什么是集成学习集成学习就是将多个弱的学习器结合起来组成一个强的学习器。这就涉及到，先产生一组‘个体学习器’，再用一个策略将它们结合起来。个体学习器可以选择：决策树，神经...

本文结构：CART算法有两步回归树的生成分类树的生成剪枝CART－ClassificationandRegressionTrees分类与回归树，是二叉树，可以用于分类，也可以用于回归问题，最先由Breiman等提出。分类树的输出是样本的类别，回归树的输出是一个实数。CART算法有两步：决策树生成和剪枝。决策树生成：递归...

是什么？有什么算法？数学原理？编码实现算法？简单地理解，就是根据一些feature进行分类，每个节点提一个问题，通过判断，将数据分为几类，再继续提问。这些问题是根据已有数据学习出来的，再投入新数据的时候，就可以根据这棵树上的问题，将数据划分到合适的叶子上。常用的几种决策树算法有ID3、C4.5、CART：ID3：选择信...

摘要：在数据挖掘中，K-Means算法是一种clusteranalysis的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。在数据挖掘中，K-Means算法是一种clusteranalysis的算法，其主要是来计算数据聚集的算法，主要通过不断地取离种子点最近均值的算法。问题K-Means算法...