专栏首页SAMshare近6万字的机器学习理论笔记分享,附PDF下载

近6万字的机器学习理论笔记分享,附PDF下载

近期在对历史的机器学习文章进行了整理与归集,方便自己也方便他人学习知识,今天分享给大家的是一个近8万字的机器学习理论知识点文章汇集,主题为《machine learning knowledge》,这个系列的文章可以满足你对machine learning理论知识的学习~

该系列的文章主要来自于作者对于《百面机器学习》以及其他网路上的一些学习资料的笔记总结? ,分享给更多的同行同学一起学习复习~ 文章内容已经贴到GitHub上啦,大家可以去star一波~

? GitHub传送门:

https://github.com/Pysamlam/Machine-Learning-Knowledge

目前作者更新的系列文章有12篇,每一篇都相对比较干货的,目录如下:

MLK01 | 机器学习论文搜索利器推荐

MLK02 | 如何解决机器学习树集成模型的解释性问题

MLK03 | 那些常见的特征工程

MLK04 | 机器学习的降维”打击“

MLK05 | 机器学习采样方法大全

MLK06 | 非监督学习最强攻略

MLK07 | 机器学习常见算法优缺点了解一下

MLK08 | 模型评估的一些事

MLK09 | 一文理清深度学习前馈神经网络

MLK10 | 一文理清深度学习循环神经网络

MLK11 | 一文理清集成学习知识点(Boosting&Bagging)

MLK12 | Keras 基础模型调参指南

我们看看当中的一些文章片段:

? 机器学习论文搜索利器推荐

? 树集成模型的解释性问题

目前TREE SHAP可以支持的树集成模型有XGBoost, LightGBM, CatBoost, and scikit-learn tree models,可以看看下面的demo:

import xgboost
import shap

# load JS visualization code to notebook
shap.initjs()

"""训练 XGBoost 模型,SHAP里提供了相关数据集"""

X,y = shap.datasets.boston()
model = xgboost.train({"learning_rate": 0.01}, xgboost.DMatrix(X, label=y), 100)

"""
通过SHAP值来解释预测值
(同样的方法也适用于 LightGBM, CatBoost, and scikit-learn models)
"""
explainer = shap.TreeExplainer(model)
shap_values = explainer.shap_values(X)

# 可视化解释性 (use matplotlib=True to avoid Javascript)
shap.force_plot(explainer.expected_value, shap_values[0,:], X.iloc[0,:])
# visualize the training set predictions
shap.force_plot(explainer.expected_value, shap_values, X)

? 还有很多机器学习基础理论

更多详细的文章内容,可以移步GitHub哈,会持续更新内容!

https://github.com/Pysamlam/Machine-Learning-Knowledge

Or 直接下载当前版本的PDF文件:在后台回复“MLK”获取!?

本文分享自微信公众号 - SAMshare(gh_8528ce7b7e80),作者:Samshare

原文出处及转载信息见文内详细说明,如有侵权,请联系 yunjia_community@tencent.com 删除。

原始发表时间:2020-02-08

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。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 10万+字的机器学习理论笔记&特征工程tips分享,附PDF下载

    随着我们在机器学习、数据建模、数据挖掘分析这条发展路上越走越远,其实越会感觉到机器学习理论知识和特征工程的重要性,这里有两本一位好友整理的学习资料,都是满满干货...

    Sam Gor
  • 推荐收藏 | 21 个必须知道的机器学习开源工具!

    你肯定已经了解流行的开源工具,如R、Python、Jupyter笔记本等。但是,除了这些流行的工具之外还有一个世界——一个隐藏在机器学习工具下的地方。这些并不像...

    Sam Gor
  • 22 省遭受重大洪灾,机器学习未来能预报么?

    场景描述:在人类历史上,洪水灾害每年都会发生,这是世界上最严重的自然灾害之一。虽然不可避免,但是如果能够做好准确预报,洪水造成的损失则会减少三分之一甚至更多。科...

    Sam Gor
  • 搞机器学习/AI有什么必备的数学基础?| 经验之谈+资源大全

    雷刚 发自 凹非寺 量子位 报道 | 公众号 QbitAI 今天是开学第一天!心里只有学习的量子位,发现Hacker News上又有高分话题,而且还跟学习有关...

    量子位
  • 一位国外小哥 总结的12 个机器学习入门心得

    https://towardsdatascience.com/12-things-i-learned-during-my-first-year-as-a-mac...

    double
  • 如何成长成我们想要的样子(下)

    上一篇我们分析了阻碍坚持学习的硬件方面问题,大脑算力不够。下面我们继续分析软件方面。软件方面,就是学习方法不对。

    凌帅出口
  • 深度学习Matlab工具箱代码注释之cnnff.m

    %%========================================================================= %...

    量化投资与机器学习微信公众号
  • 深度学习Matlab工具箱代码注释之cnnsetup.m

    %%========================================================================= %...

    量化投资与机器学习微信公众号
  • 最近状态闲谈----学习小程序

            最近突然想学习小程序,说干就干!近段时间在学习,可能博客更新内容没有之前那么频繁,预祝博客在前端分类下新增小程序分类,记录微信小程序学习的一些心...

    十月梦想
  • 16位汇编第九讲汇编指令以及逆向中的花指令

                                          16位汇编第九讲汇编指令以及逆向中的花指令 一丶LOOP指令(循环指令) 作用:  ...

    IBinary

扫码关注云+社区

领取腾讯云代金券