笔者邀请您，先思考：1 您使用过哪些深度学习框架？2 您用过Keras吗？您用Keras解决什么问题？在本文中，我们将使用Keras构建一个简单的神经网络。我们假设您对机器学习包(如scikit-learn)和其他科学包(如panda和Numpy)有一定的了解。训练一个人工神经网络训练一个人工神经网络包括以下步骤：权值被随机初始化为接近零但不是零的数。将数据集的观察喂给输入层。正向传播(从左到右)

笔者邀请您，先思考：1 您使用过哪些深度学习框架？2 您用过Keras吗？您用Keras解决什么问题？在本文中，我们将使用Keras构建一个简单的神经网络。我们假设您对机器学习包(如scikit-learn)和其他科学包(如panda和Numpy)有一定的了解。训练一个人工神经网络训练一个人工神经网络包括以下步骤：权值被随机初始化为接近零但不是零的数。将数据集的观察喂给输入层。正向传播(从左到右)

目录现实问题思考：数据分类与聚类K均值聚类核心流程K均值聚类 (KMeans) VS K近邻分类 (KNN)K均值聚类实现图像分割知识巩固Python实战：KMeans实现图像分割拓展学习现实问题思考：数据分类与聚类没有标签的情况下实现聚类的一个思路：给出中心点，根据数据到中心点距离判断类别K均值聚类在样本数据空间中选取K个点作为中心，计算每个样本到各中心的距离，根据距离确定数据类别，是聚类算法中

转载自：https://blog.csdn.net/qq_38273984/article/details/89217315计算机视觉常用数据集一、图像分类常用数据集（一）MNIST（二）Kaggle网站“Dogs vs. Cats”二、目标检测常用数据集（一）Pascal VOC(Pascal Visual Object Classes)（二）MS COCO(Common Objects in

专家系统是人工智能领域的重要研究领域之一。事实上，专家系统代表了人工智能能力的最成功的证明，它们是人工智能领域工作的第一个真正的商业应用。专家系统是模拟人类专家的思维过程来解决特定领域复杂决策问题的计算机程序。专家系统是人工智能领域的重要研究领域之一。事实上，专家系统代表了人工智能能力的最成功的证明，它们是人工智能领域工作的第一个真正的商业应用。专家系统是模拟人类专家的思维过程来解决特定领域复杂决

转载自：https://www.zhihu.com/question/26726794/answer/151282052没有最好的分类器，只有最合适的分类器。随机森林平均来说最强，但也只在9.9%的数据集上拿到了第一，优点是鲜有短板。SVM的平均水平紧随其后，在10.7%的数据集上拿到第一。神经网络（13.2%）和boosting（~9%）表现不错。数据维度越高，随机森林就比AdaBoost强越多

小白如何入门/转行机器学习，搭上人工智能这列二十一世纪的快车。通过篇文章，你将了解：1. 人工智能自学的误区2. 软件、硬件准备工作3. 如何为自己准备一个客观可行、高效的学习计划4. 能力变现与项目实践这篇文章的目标读者是没有太多基础的朋友，对数学/统计/编程基础要求不高，比如：没有编程经验，不知道怎么学，急需高手指路；有一定的编程基础，但缺乏系统的学习，没有完整AI知识框架；缺乏系统性实战项目

转自：https://blog.csdn.net/hzw19920329/article/details/77200475线性回归作为一种回归分析技术，其分析的因变量属于连续型变量，如果因变量转变为离散型变量，将转换为分类问题。回归分析属于有监督学习问题，本博客将重点回顾标准线性回归知识点，并就线性回归中可能出现的问题进行简单探讨，引出线性回归的两个变种岭回归以及Lasso回归，最后通过sklea

目录现实问题思考：金融股价预测数据降维为什么需要数据降维数据降维最常用的方法：主成分分析（PCA)知识巩固Python实战：PCA+逻辑回归预测检查者是否患糖尿病拓展学习现实问题思考：金融股价预测想建立一个AI模型，筛选金融股票，潜在数据指标：价格、交易量、换手率、股东人数、最近N日涨跌幅、RSI指标、威廉指标、市值、营业额、净利润、负债率、利润增长率…多达几百、上千个因子两大问题：求解困难、模型

在机器学习建模过程中，针对不同的问题，需采用不同的模型评估指标。主要分为两大类：分类、回归。一、分类1、混淆矩阵2、准确率（Accuracy）3、错误率（Error rate）4、精确率（Precision）5、召回率（Recall）6、F1 score7、ROC曲线8、AUC9、PR曲线10、对数损失（log_loss）11、分类指标的文本报告（classification_report）二、回