摘要：
前几天OpenAI的My GPTs栏目还是灰色的，就在今天已经开放使用了。有幸第一时间体验了一把生成自己的GPT，效果着实惊艳！！！我打造的GPT模型我会放到文章末尾，大家感兴趣也可以自己体验一下。 打造自己的GPT模型 点击Create a GPT，可以进入到下面这个界面，左侧是一个GPT Bui 阅读全文
摘要：
首先声明：本文表达观点，提供一种思考问题的角度，并非严谨的论述论证。为了直击问题本质，高效陈述观点，行文过程中出现的不严谨之处皆是作者表述方式问题，与观点本身无关。无论作者表述多么拙劣，都希望读者可以考虑观点的合理行，对其进行深度的思考。所有“另当别论的个例”皆另当别论，不在本文简洁表述的范围内。 阅读全文
摘要：
与SVM一样，决策树是通用的机器学习算法。随机森林，顾名思义，将决策树分类器集成到一起就形成了更强大的机器学习算法。它们都是很基础但很强大的机器学习工具，虽然我们现在有更先进的算法工具来训练模型，但决策树与随机森林因其简单灵活依然广受喜爱，建议大家学习。 一、决策树 1.1 什么是决策树 我们可以把 阅读全文
摘要：
上一篇文章我们介绍了使用逻辑回归来处理分类问题，本文我们讲一个更强大的分类模型。本文依旧侧重代码实践，你会发现我们解决问题的手段越来越丰富，问题处理起来越来越简单。 支持向量机(Support Vector Machine, SVM)是最受欢迎的机器学习模型之一。它特别适合处理中小型复杂数据集的分类 阅读全文
摘要：
本文是机器学习系列的第三篇，算上前置机器学习系列是第八篇。本文的概念相对简单，主要侧重于代码实践。 上一篇文章说到，我们可以用线性回归做预测，但显然现实生活中不止有预测的问题还有分类的问题。我们可以从预测值的类型上简单区分：连续变量的预测为回归，离散变量的预测为分类。 一、逻辑回归：二分类 1.1 阅读全文
摘要：
预测从瞎猜开始 按上一篇文章所说，机器学习是应用数学方法在数据中发现规律的过程。既然数学是对现实世界的解释，那么我们回归现实世界，做一些对照的想象。 想象我们面前有一块塑料泡沫做的白板，白板上分布排列着数枚蓝色的图钉，隐约地它们似乎存在着某种规律，我们试着找出规律。 白板上的图钉（数据）如上图所示， 阅读全文
摘要：
引言 现在市面上的机器学习教程大多先学习数学基础，然后学机器学习的数学算法，再建立机器学习的数学模型，再学习深度学习，再学习工程化，再考虑落地。这其中每个环节都在快速发展，唯独落地特别困难。我们花费大量时间成本去学习以上内容，成本无疑是特别昂贵的。所以我们不如先“盲人摸象”、“不求甚解”地探索下机器 阅读全文
摘要：
Matplotlib 是建立在NumPy基础之上的Python绘图库，是在机器学习中用于数据可视化的工具。 我们在前面的文章讲过NumPy的用法，这里我们就不展开讨论NumPy的相关知识了。 Matplotlib具有很强的工具属性，也就是说它只是为我所用的，我们不必花太多的精力去精进它。我们只需要知 阅读全文
摘要：
刚刚看了条新闻，像聊家常似的说两句。希望程序员的心脏能永远“跳动”，指尖的“字节”能永远流淌。 聊聊猝死。 我试着在中文语境下找一些资料来佐证我标题的观点，“运动能锻炼身体的原理”。可惜只能搜到各种健身指南、健身技巧。显然，健身市场很红火， 这些关键字都被买断了。我只能做一些不那么严谨的论证。 在我 阅读全文
摘要：
本文收集整理了机器学习相关速查表(Machine Learning Cheatsheet)，包含机器学习、Python、Numpy、Pandas、Matplotlib、线性代数、微积分、统计学、概率论等相关速查表。我已经建立了开源项目MachineLearningCheatsheets，我将持续更新 阅读全文