在Logistic回归中，我们接触到了分类任务，今天我们将要介绍的是决策树，它是一种用于分类与回归的算法，这里主要讨论用于分类的决策树。决策树初探从名字中就不难猜出决策树模型是呈树形结构，在分类问题中，基于特征对实例进行分类，我们可以想象有一系列的if-else规则集合，通过判断特征是否符合这些规则来对实例进行分类。决策树结构决策树是一种对实例进行分类的树形结构，它由结点和有向边组成。而结...

Rosenblatt感知器感知器是用于线性可分模式（模式分别位于超平面两边）分类的最简单的神经网络模型，基本上由一个具有可调突触权值和偏置的神经元组成。Rosenblatt证明了当用来训练感知器的模式（向量）取自两个线性可分的类时，感知器算法是收敛的，并且决策面是位于两类之间的超平面。算法的收敛性称为感知器收敛定理。

比赛背景突然喘气，无缘无故地无助地呼吸，这会是肺衰竭吗？气胸可由胸部钝伤、肺部疾病的损害引起，有时候甚至无法探寻诱因。在某些情况下，肺萎陷可能会危及生命。气胸通常由胸部X射线放射科医生诊断，但有时很难确诊。因此由医学影像信息学学会（SIIM）提供了气胸图片数据，kaggle举办了一场比赛，开发模型，为非放射科医生提供更可靠的诊断，并在疾病早期识别气胸，挽救生命。数据图片数据是胸透图片，并标注...

比赛背景想象一下，在失明发生之前就能够发现病变。数以百万计的人患有糖尿病性视网膜病变，这是导致老年人失明的主要原因。印度的Aravind眼科医院希望在农村地区的人们中发现并预防这种疾病，而那里的医疗筛查很难进行。目前，Aravind技术人员前往这些农村地区拍摄图像，然后依靠训练有素的医生对图像进行检查并提供诊断。因此kaggle举办了场比赛来加快疾病筛查。（本人排名：top6%，162/2987.

torch.save：保存序列化的对象到磁盘，使用了Python的pickle进行序列化，模型、张量、所有对象的字典。torch.load：使用了pickle的unpacking将pickled的对象反序列化到内存中。torch.nn.Module.load_state_dict：使用反序列化的state_dict加载模型的参数字典。state_dict 是一个Python字典，将每一层...

昨天我使用Spark MLlib的朴素贝叶斯进行手写数字识别，准确率在0.83左右，今天使用了RandomForest来训练模型，并进行了参数调优。首先来说说RandomForest 训练分类器时使用到的一些参数：numTrees：随机森林中树的数目。增大这个数值可以减小预测的方差，提高预测试验的准确性，训练时间会线性地随之增长。maxDepth：随机森林中每棵树的深度。增加这个值可以是模型更具

理性Agent：追求尽可能好的行为表现。Agent表现如何取决于环境的本质。Agent通过传感器感知环境并通过执行器对所处环境产生影响。Agent的感知序列是该Agent所收到的所有输入数据的完整历史。一般地，Agent在任何给定时刻的行动选择依赖于到那个时刻为止该Agent的整个感知序列，而不是那些它感知不到的东西。从数学角度看，我们可以说Agent函数描述了Agent的行为，它将任意给定感知序

在上小学的时候就听说过AI，人工智能，那个时候我对人工智能的感受都来自于各类影视作品，类人的外表，能听说读写，有情感，会思考。所以那个时候的我将人工智能想象成和人类相似的一样东西，对人工智能的理解也仅此而已，总是好奇人工智能是如何发明出来的，没有一点头绪，甚至在那个时候，我都不知道遥控器为什么能够控制玩具赛车行驶，电脑上的软件，浏览器观看的网页是怎么被人“发明”出来的。这些用手摸不着只能靠想象的东

此笔记为本人在阅读Machine Learning With Spark的时候所做的，笔记有翻译不准确或错误的地方欢迎大家指正。Spark集群Spark集群由两种进程组成：一个驱动程序和多个执行程序。在本地模式下，所有的进程都在同一个Java虚拟机中运行。在集群上，这些进程则通常在多个节点上运行。比如，在单机环境下运行的集群有以下特征：1、一个主节点作为spark单机模式的主进程和驱动程序。

最近有读者向小编反馈，之前写的文章对初学者来说太难看懂了，确实如此，那些比较适合对人工智能有初步了解的人看，但是对于初学者而言，看起来难免会觉得云里雾里了。为此，小编专门咨询了几位打算入门的初学者，总结之后有这么几点：总览人工智能基础性概念逐步深入应用场景如何使用应“广大”读者需求，从最简单的为大家介绍关于人工智能的东西，目前还不会太深入细节。我把人工智能相关的东西总结成了上面这...