在数理统计中，线性回归是这样定义的：线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法。一、基本形式线性模型的基本形式：给定由d个属性描述的示例  ，其中  是x在第i个属性上的取值，线性模型试图学到一个函数，该函数通过属性的线性组合来进行预测，表示为： ---- (1).  用向量表示为:   ----- (2)，当学到w和b之后，模型就可以...

什么是特征工程？有什么用呢？特征工程是使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程。更好的特征工程意味着更强的灵活度，更好的特征意味着只需用简单模型，更好的特征意味着更好的结果。数据清洗特征处理在特征处理中，主要有一下几种类型需要进行一些处理：数值型类别型时间类文本类统计类组合...

写本文的目的：博主本人正在入门机器学习，期间对于每个算法都看了几遍书，写下这篇文章希望可以用自己理解的方式来记录，加深对算法的理解。记下自己的理解，方便日后进行复习。决策树(Decision Tree)是一种基本的分类与回归方法。决策树模型呈树形结构，其主要优点是模型具有可读性，分类速度快。如下图，决策树模型，其中最上的圆为根节点，其余的圆为内部节点，方形为叶节点。叶节点对应于决策结果...

一、一个完整机器学习项目的流程1 抽象成数学问题  明确问题是进行机器学习的第一步。机器学习的训练过程通常都是一件非常耗时的事情，胡乱尝试时间成本是非常高的。  这里的抽象成数学问题，指的我们明确我们可以获得什么样的数据，目标是一个分类还是回归或者是聚类的问题，如果都不是的话，如果划归为其中的某类问题。 2 获取数据    数据决定了机器学习结果的上限，而算法只是尽可能逼近...

---- 内容                                                                                                                    1、基本概念2、神经网络的参数3、神经网络的搭建 4、反向传播5、搭建神经网络的八股一、基本概念                 ...

贝叶斯概率以18世纪的一位神学家托马斯·贝叶斯(Thomas Bayes)的名字命名。一、为什么叫朴素贝叶斯？朴素贝叶斯是经典机器学习算法之一，是基于概率论的分类算法，其原理简单，易于实现，多使用于文本分类，如垃圾邮件过滤、新闻分类等。朴素贝叶斯中的朴素是来源于该算法是基于属性条件独立性假设，即对于已知类别，假设所有属性(特征)相互独立；而贝叶斯则是其基于贝叶斯定理而得到的。所以说...

一、本节内容1、VMware workstation的介绍与安装2、linux的安装及配置3、虚拟机下tools工具的安装二、VMware workstation的介绍与安装1、什么是VMware workstation？        VMware Workstation允许操作系统(OS)和应用程序(Application)在一台虚拟机内部运行。虚拟机是独立运行主机操作系统的离散环境。在 VM

一、本节内容1、《day1--linux安装》的的回顾2、linux由来3、linux终端使用技巧4、linux系统文件的简析5、linux的几个基本命令二、《day1--linux安装》的的回顾1 、linux安装1 分区：/boot : 100M 存放镜像文件swap : 2048M 交换分区/ : 25G 根分区                所有文件都是从跟开...

贝叶斯概率以18世纪的一位神学家托马斯·贝叶斯(Thomas Bayes)的名字命名。一、为什么叫朴素贝叶斯？朴素贝叶斯是经典机器学习算法之一，是基于概率论的分类算法，其原理简单，易于实现，多使用于文本分类，如垃圾邮件过滤、新闻分类等。朴素贝叶斯中的朴素是来源于该算法是基于属性条件独立性假设，即对于已知类别，假设所有属性(特征)相互独立；而贝叶斯则是其基于贝叶斯定理而得到的。所以说...

什么是特征工程？有什么用呢？特征工程是使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程。更好的特征工程意味着更强的灵活度，更好的特征意味着只需用简单模型，更好的特征意味着更好的结果。数据清洗特征处理在特征处理中，主要有一下几种类型需要进行一些处理：数值型类别型时间类文本类统计类组合...