随笔分类 - 机器学习
摘要:特征值与特征向量 特征空间 上图就是使用特征向量进行了压缩的图片(保留了主要的信息),虽然模糊了一些,但是图片基本是没有变化的。 特征值分解 奇异值分解(SVD)
阅读全文
摘要:行列式 矩阵 矩阵的秩 内积与正交
阅读全文
摘要:微积分的基本思想 定积分 牛顿—莱布尼茨公式
阅读全文
摘要:Pandas基本介绍 Pandas介绍 2008年才开发出来的库,专门用于数据挖掘. 基于numpy,借力于numpy计算方面性能高的优势. 基于matplotlib,能够简便的画图. 为什么使用Pandas numpy已经能够帮我们处理数据,能够结合matplotlib解决部分数据展示问题. 那么
阅读全文
摘要:Numpy的优势 Numpy介绍 Numpy(Numerical Python)是一个开源的Python科学计算库,用于快速处理任意维度的数组. Numpy支持常见的数组和矩阵操作. 对于同样的计算任务,使用numpy比直接使用python要简洁的多. numpy使用ndarray对象来处理多维数组
阅读全文
摘要:Matplotlib之HelloWorld 什么是Matplotlib (1) 是专门用于开发2D图表(包括3D图表,但是不擅长) (2) 使用起来简单方便 (3) 以渐进,交互式方式实现数据可视化 为什么要学习Matplotlib 可视化是在整个数据挖掘过程的关键辅助工具,可以清晰的理解数据,从而
阅读全文
摘要:人工智能主要分支 人工智能,机器学习,深度学习 机器学习是人工智能的一个实现途径,深度学习是机器学习的一个子集. 主要分支介绍 通讯,感知与行动是现代人工智能的三个关键能力,在这里我们将根据这些能力/应用对这三个技术领域进行介绍: (1) 计算机视觉(CV) (2) 自然语言处理(NPL) (3)
阅读全文
摘要:github地址 机器学习概述 | 01 机器学习概述 | 01 Matplotlib | 02 Matplotlib | 02 Numpy | 03 Numpy | 03 Pandas | 04 Pandas | 04 机器学习之线性回归 | 05 机器学习之逻辑回归 | 06 机器学习之聚类 |
阅读全文
摘要:本章将介绍函数,极限,无穷大和无穷小,连续性与导数,偏导数,方向导数,梯度等高等数学基本概念. 这些概念贯穿本书的各个章节,也是理解人工智能算法的基础数学知识. 梯度下降算法是机器学习领域的重要算法,是应用最广泛的优化算法之一. 在本章综合实例中将重点介绍梯度下降法及其应用实例,并通过Python语
阅读全文
摘要:高等数学基础 | 01 高等数学基础 | 01 微积分 | 02 微积分 | 02 泰勒公式与拉格朗日乘子法 | 03 线性代数基础 | 04 线性代数基础 | 04 特征值与矩阵分解 | 05 特征值与矩阵分解 | 05 概率论基础 | 06 核函数变换 | 07 熵与激活函数 | 08 假设检验
阅读全文

浙公网安备 33010602011771号