资源 |​ 史上最全机器学习笔记

本文由LCatro整理

机器学习

机器学习算法原理

https://github.com/wepe/MachineLearning

机器学习实战原书内容与批注

https://github.com/apachecn/MachineLearning

机器学习的Python 实现

https://github.com/lawlite19/MachineLearning_Python#1-%E4%BB%A3%E4%BB%B7%E5%87%BD%E6%95%B0

机器学习算法集锦

https://zhuanlan.zhihu.com/p/25327755

各种机器学习的应用场景分别是什么

https://www.zhihu.com/question/26726794

KNN k-邻近算法

  • 优点:精度高,对异常值不敏感,无数据输入假定
  • 缺点:计算复杂度高,空间复杂度高,
  • 适用数据范围:数值型和标称型

什么是数值型和标称型 标称型:

  • 标称型目标变量的结果只在有限目标集中取值
  • 数值型:数值型目标变量则可以从无限的数值集合中取值 。

决策树

  • 优点:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数据
  • 缺点:可能会产生过度匹配问题 适用数据类型:数值型和标称型

朴素贝叶斯

  • 优点:在数据较少的情况下仍然有效,可以处理多类别问题
  • 缺点: 对于输入数据的准备方式较为敏感
  • 适用数据类型:标称型数据

机器学习算法之朴素贝叶斯(Naive Bayes)--第一篇

http://blog.csdn.net/xlinsist/article/details/51236454

朴素贝叶斯理论推导与三种常见模型

http://blog.csdn.net/u012162613/article/details/48323777

用朴素贝叶斯进行文本分类

http://blog.csdn.net/longxinchen_ml/article/details/50597149

朴素贝叶斯算法之文本分类算法的理解与实现

http://www.cnblogs.com/XBWer/archiv‍e/2014/07/13‍/3840736.html

logics 回归

  • 优点: 计算代价不高,易于理解和实现
  • 缺点: 容易欠拟合,分类精度可能不高 适用数据类型: 数值型和标称型数据

logics 回归总结

http://blog.chinaunix.net/xmlrpc.php?r=blog/article&uid=9162199&id=4223505

logics 回归数学推导

http://sbp810050504.blog.51cto.com/2799422/1608064/

SVM 支持向量机

  • 优点:泛化(由具体的、个别的扩大为一般的,就是说,模型训练完后的新样本)错误率低,计算开销不大,结果易理解
  • 缺点:对参数调节和核函数的选择敏感,原始分类器不加修改仅适合于处理二分类问题
  • 适用数据类型:数值型和标称型数据

SVM 原理

http://www.cnblogs.com/steven-yang/p/5658362.html

通俗易懂SVM

https://www.zhihu.com/question/21094489

SVM和logistic回归分别在什么情况下使用

https://www.zhihu.com/question/21704547

深度学习

零基础入门深度学习(总计六章)

https://zhuanlan.zhihu.com/p/25628246

CNN

Deep Learning(深度学习)学习笔记整理系列

http://www.cnblogs.com/zhizhan/p/4077947.html

CNN(卷积神经网络),RNN(循环神经网络),DNN(深度神经网络)的内部网络结构有什么区别

https://www.zhihu.com/question/34681168

一文读懂卷积神经网络CNN

https://www.cnblogs.com/nsnow/p/4562308.html

深度学习简介(一)——卷积神经网络

https://www.cnblogs.com/alexcai/p/5506806.html

卷积神经网络CNN基本概念笔记

‍http://www.jianshu.com/p/606a33ba04ff‍

使用Keras+卷积神经网络玩小鸟

http://www.jianshu.com/p/3ba69493f020

Python 库

scikit-learn 机器学习库

https://github.com/scikit-learn/scikit-learn

scikit-learn 机器学习库中文文档

http://sklearn.apachecn.org/cn/0.19.0/index.html

如果无法使用Github 安装sk-learn ,请到Python 官方下载msi 安装文件scikit-learn 下载传送门

https://pypi.python.org/pypi/scikit-learn

Keras 深度学习库

‍https://github.com/fchollet/keras‍

TensorFlow 机器学习与深度学习库

https://github.com/tensorflow/tensorflow

matplotlib 数据分析库 ,matplotlib API 使用手册

‍‍‍http://matplotlib.org/api/index.html‍‍‍

原文链接: https://github.com/lcatro/Machine-Learning-Note#machine-learning-note

原文发布于微信公众号 - AI科技大本营(rgznai100)

原文发表时间:2017-11-21

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏ATYUN订阅号

如何在Python中扩展LSTM网络的数据

您的序列预测问题的数据可能需要在训练神经网络时进行缩放,例如LSTM递归神经网络。 当网络适合具有一定范围值(例如10s到100s的数量)的非标度数据时,大量...

4045
来自专栏机器学习算法与Python学习

SoftMax回归详解

Contents 1 关键词 2 引言 3 代价函数 4 softmax回归模型参数化的特点 5 权重衰减 6 softmax与logistics回归的关系 1...

4408
来自专栏人工智能LeadAI

深度学习中的损失函数总结以及Center Loss函数笔记

图片分类里的center loss 目标函数,损失函数,代价函数 损失函数度量的是预测值与真实值之间的差异.损失函数通常写做L(y_,y).y_代表了预测值,y...

6745
来自专栏企鹅号快讯

卷积神经网络CNN原理详解(一)——基本原理

作者:Charlotte77数学系的数据挖掘民工 博客专栏:http://www.cnblogs.com/charlotte77/ 个人公众号:Charlott...

3985
来自专栏机器学习与自然语言处理

信息量,熵,交叉熵,相对熵与代价函数

如果有⼈告诉我们⼀个相当不可能的事件发⽣了,我们收到的信息要多于我们被告知某个很可能发⽣的事件发⽣时收到的信息。如果我们知道某件事情⼀定会发⽣,那么我们就不会接...

1277
来自专栏专知

神经网络编程 - 前向传播和后向传播(附完整代码)

【导读】本文的目的是深入分析深层神经网络,剖析神经网络的结构,并在此基础上解释重要概念,具体分为两部分:神经网络编程和应用。在神经网络编程部分,讲解了前向传播和...

3127
来自专栏决胜机器学习

卷积神经网络(二) ——LetNet-5、AlexNet、VGG-16、残差网络

卷积神经网络(二) ——LetNet-5、AlexNet、VGG-16、残差网络 (原创内容,转载请注明来源,谢谢) 一、概述 本文主要介绍几种卷积网络模型,学...

5816
来自专栏AI科技大本营的专栏

一文概览主要语义分割网络:FCN,SegNet,U-Net...

图像的语义分割是将输入图像中的每个像素分配一个语义类别,以得到像素化的密集分类。虽然自 2007 年以来,语义分割/场景解析一直是计算机视觉社区的一部分,但与计...

5492
来自专栏大数据挖掘DT机器学习

该怎么检测异常值?

原文作者: Jacob Joseph 原文链接:https://blog.clevertap.com/how-to-detect-outliers-u...

5219
来自专栏AI研习社

Github 项目推荐 | 用 Python 实现的基础机器学习算法

本库包含了用 Python (3.6 版本及以上)实现的基本的机器学习算法,所有的算法都是从头开始写并且没有用到其他的机器学习库。该库旨在让开发者对这些基本的机...

40911

扫码关注云+社区

领取腾讯云代金券