机器学习
Python3《机器学习实战》学习笔记(一):k-近邻算法(史诗级干货长文)
Python3《机器学习实战》学习笔记(二):决策树基础篇之让我们从相亲说起
Python3《机器学习实战》学习笔记(三):决策树实战篇之为自己配个隐形眼镜
Python3《机器学习实战》学习笔记(四):朴素贝叶斯基础篇之言论过滤器
Python3《机器学习实战》学习笔记(五):朴素贝叶斯实战篇之新浪新闻分类
上篇文章讲解了朴素贝叶斯的基础知识。本篇文章将在此基础上进行扩展,你将看到一下内容:拉普拉斯平滑、垃圾邮件过滤、新浪新闻分类
Python3《机器学习实战》学习笔记(六):Logistic回归基础篇之梯度上升算法
本文从Logistic回归的原理开始讲起,补充了书上省略的数学推导。本文可能会略显枯燥,理论居多,Sklearn实战内容会放在下一篇文章。自己慢慢推导完公式,还是蛮开心的一件事。
Python3《机器学习实战》学习笔记(七):Logistic回归实战篇之预测病马死亡率
本文对梯度上升算法和改进的随机梯度上升算法进行了对比,总结了各自的优缺点,并对sklearn.linear_model.LogisticRegression进行了详细介绍。
Python3《机器学习实战》学习笔记(八):支持向量机原理篇之手撕线性SVM
Python3《机器学习实战》学习笔记(九):支持向量机实战篇之再撕非线性SVM
上篇文章讲解的是线性SVM的推导过程以及简化版SMO算法的代码实现。本篇文章将讲解SMO算法的优化方法以及非线性SVM。
Python3《机器学习实战》学习笔记(十):提升分类器性能利器-AdaBoost
Python3《机器学习实战》学习笔记(十一):线性回归基础篇之预测鲍鱼年龄
前面的文章介绍了很多分类算法,分类的目标变量是标称型数据,而本文将会对连续型的数据做出预测。主要讲解简单的线性回归和局部加权线性回归,并通过预测鲍鱼年龄的实例进行实战演练。