理解矩阵背后的现实意义

2016-04-10

理解矩阵背后的现实意义 线性代数课程，无论你从行列式入手还是直接从矩阵入手，从一开始就充斥着莫名其妙。比如说，在全国一般工科院系教学中应用最广泛的同济线性代数教材（现在到了第四版），一上来就介绍 ...

逻辑回归（Logistic Regression）

2016-01-06

逻辑回归（Logistic Regression） 这节学习的是逻辑回归（Logistic Regression），也算进入了比较正统的机器学习算法。啥叫正统呢？我概念里面机器学习算法一般是这样一个步骤： 1）对于一个问题，我们用数 ...

KNN最近邻算法原理是什么？如何实现？

2020-07-24

把近朱者赤，近墨者黑这一思想运用到机器学习中会产生什么?当然是KNN最邻近算法啦!KNN(全称K-Nearest Neighbor)最邻近分类算法是数据挖掘分类算法中最简单的算法之一，白话解释一下就是：由你的邻居来推断出你的类 ...

机器学习中感知机是什么？如何实现？

2020-07-10

感知机(Perceptron)或者叫做感知器，是Frank Rosenblatt在1957年就职于Cornell航空实验室(Cornell Aeronautical Laboratory)时所发明的一种人工神经网络，是机器学习领域最基础的模型，被誉为机器学习的敲门砖。 ...

你需要掌握的4种常用数据降维方法

2020-07-09

近来数据记录和规模属性都在急剧增长，由于大多数数据挖掘算法都是直接逐列处理数据，因此导致算法越来越慢。为了保证减少数据列数的同时，丢失的数据信息尽可能少， 数据降维处理算法应运而生。 一、降维的 ...

PCA降维原理(主成分分析)的数学理论

2020-07-03

在机器学习中，有成千上万甚至几十万的维度的数据需要处理，这种情况下机器学习的资源消耗是不可接受的，并且很大程度上影响着算法的复杂度，因此对数据降维是必要的。PCA(Principal Component Analysis)是一种常 ...

机器学习数据降维方法：PCA主成分分析

2020-06-16

PCA在机器学习中很常用，是一种无参数的数据降维方法。PCA步骤： 将原始数据按列组成n行m列矩阵X 将X的每一行（代表一个属性字段）进行零均值化，即减去这一行的均值 求出协方差矩阵 求 ...

ML基础：无监督学习之协方差矩阵

2020-06-16

在翻译sklearn文档 2.无监督学习 部分过程中，发现协方差矩阵几乎贯穿整个章节，但sklearn指导手册把协方差部分放在了这一章节偏后的部分，作为机器学习一个基础概念，在这篇文章中，想把协方差矩阵的相关知识以及 ...

使用python构建一个推荐系统需要几步？

2020-05-29

在我看来，作为一位中国人的我们不管做什么决定都在面临多种选择。例如，如果我这个时候想要买一本书，但是我却不知道我想看什么书、不知道类型、不知道方向，那么这个时候打开各种进行软件搜索可能会出现各种各样 ...

机器学习的数据清理以及数据标准化！

2020-05-29

没有干净的原始数据，为了满足机器学习怼数据的要求，必须过滤数据。例如， 1、查看数据，并排除所有缺少大量数据的列。 2、再次查看数据，然后选择要用于预测的列（特征选择）。进行迭代时，可能需要 ...

python语音识别：智能语音识别技术入门系列（上）

2020-05-26

目前，python语音识别越来越流行，今天本系列文章开始，我们将一起探索自动语音识别、语言处理技术所包含的核心算法、模型及未来的发展趋势。本篇文章我们主要讨论语音识别的基本概念。并理解语音识别技术的流程。 ...

矩阵分析、矩阵理论、矩阵论三者的适用范围！

2020-05-08

矩阵分析、矩阵理论、矩阵论是三种较为常见学科，这里为大家介绍一些它们的适用范围和区别。 ——矩阵分析 主要包括线性空间与线性变换,内积空间,矩阵的相似标准形,矩阵分解,矩阵函数等内容,侧 ...

一文带你读懂特征工程

2020-04-20

无论它的规模和大小如何，数据已经成为现代企业、公司和组织的一流资产。任何一个智能系统都需要数据驱动，无论它多复杂。每个智能系统的核心，均有一个或多个基于某种数据学习方法的算法，例如机器学习、深 ...

机器学习中的分类距离

2019-12-17

作者 | 我的智慧生活 来源 | 咪付 生活中，距离通常是用于形容两个地方或两个物体之间的远近。在人工智能机器学习领域，常使用距离来衡量两个样本之间的相似度。 “物以类聚” 我 ...

Python机器学习中七种损失函数的科学指南

2019-12-11

作者 | KHYATI MAHENDRU 编译 | CDA数据分析师 损失函数实际上是我们经常使用的这些技术的核心，本文介绍了多种损失函数，他们的工作位置以及如何在Python中进行编码。 前言 首先想 ...

人工智能中的线性代数：如何理解并更好地应用它？

2019-12-10

作者 | Oleksii Kharkovyna 编译 | 机器之心 线性代数是 AI 专家必须掌握的知识，这已不再是个秘密。如果不掌握应用数学这个领域，你永远就只能是「门外汉」。当然，学习线性代数道阻且长。 ...

机器学习与深度学习核心知识点总结(二)

2019-12-03

作者 | 小小挖掘机 来源 | SIGAI 主成分分析 主成分分析是一种数据降维和去除相关性的方法，它通过线性变换将向量投影到低维空间。对向量进行投影就是对向量左乘一个矩阵，得到结果向量 ...

机器学习与深度学习核心知识点总结(一)

2019-12-02

作者 | 小小挖掘机 来源 | SIGAI 数学 1.列举常用的最优化方法 梯度下降法 牛顿法， 拟牛顿法 坐标下降法 梯度下降法的改进型如AdaDelta，AdaGrad，Adam，NAG等。 ...

机器学习的敲门砖：kNN算法（上）

2019-10-15

作者 | Japson 来源 | 木东居士 0x00 前言 天下苦数学久矣！ 对于很多想要入门机器学习的工程师来说，数学是通往AI道路上的第一支拦路虎。一些已经工作的同学不得不捡起早已还给老师 ...

从数据结构到算法：图网络方法初探

2019-08-19

作者 | 朱梓豪 来源 | 机器之心 如果说 2019 年机器学习领域什么方向最火，那么必然有图神经网络的一席之地。其实早在很多年前，图神经网络就以图嵌入、图表示学习、网络嵌入等别名呈现出来 ...