刚开始入门机器学习，好的学习路径非常重要，以下是我个人最近学习机器学习的心得，与大家分享。

模型自变量增加后，即便使用聚类等手段进行变量压缩，也不能将自变量的相关性完全剔除，这便会导致具有相关性的自变量溜进模型。由于自变量间关系不同，建模所...

统计模型的一般形式是Y=m(X)+e。其中Y为输出变量、响应变量、因变量、被解释变量；m为均值；e为不可控因子，可以理解为噪声。故模型等式右边是用X组成...

数据挖掘的理论背后，几乎离不开线性代数的计算，如矩阵乘法、矩阵分解、行列式求解等。本文将基于numpy模块实现常规线性代数的求解问题，需要注意的是，有一些线性代...

来自弗吉尼亚大学的Matthew J Barrett等研究者在J Neurol Neurosurg Psychiatry杂志上发文：导致帕金森（Parkins...

机器学习的应用已经非常广泛，其中之一就是预测时间序列。最有趣(或许也是最赚钱)的预测时间序列之一的当属股价了。

示例：样本中的随机森林比线性回归好很多，其中mse为0.048 vs ols mse 0.183，但是样本越多，mse为0.259，线性回归为0.187。 随机...

猛着看一下这个公式是不是觉得眼熟，这不就是线性回归的损失函数嘛！！！ 对，在线性回归的时候我们的目的就是让这个损失函数最小。那么模型做出来了，我们把损失函数丢到...

注一般线性回归中，使用的假设函数是一元一次方程，也就是二维平面上的一条直线。但是很多时候可能会遇到直线方程无法很好的拟合数据的情况，这个时候可以尝试使用多项式回...

在机器学习和统计领域，线性回归模型是最简单的模型之一。这意味着，人们经常认为对线性回归的线性假设不够准确。

回归中使用得最多的就是线性回归，而非线性回归问题也可以经过变化，简化为线性回归问题。比如有如下图所示的数据集：

keras中的主要数据结构是model（模型），它提供定义完整计算图的方法。通过将图层添加到现有模型/计算图，我们可以构建出复杂的神经网络。

可以使用线性回归对以上数值进行划分，可以拟合出如下那么一条线，用 (y=0.5) 作为临界点，如果 (x) 在这个临界点的右侧，那么 (y) 的值就是1，如果在...

到目前为止，您一直使用numpy来构建神经网络。现在我们将引导您使用一个深度学习框架，让您可以更轻松地构建神经网络。TensorFlow、PaddlePaddl...

有这么一份干货，汇集了机器学习架构和模型的经典知识点，还有各种TensorFlow和PyTorch的Jupyter Notebook笔记资源，地址都在，无需等待...

线性回归是多项式回归中多项式次数为1的一个特例，通常在回归问题中，我们使用多项式对曲线进行拟合。假设一个单变量线性回归方程如下：

线性回归是机器学习中最基本的算法了，一般要学习机器学习都要从线性回归开始讲起，本节就对线性回归做一个详细的解释。

可能没有不知道 excel 的了，但是仅仅靠excel就能玩转逻辑回归？有的小伙伴真想有人把这个做一下。

“统计学习简介”一书给出了直截了当的解释。首先，线性回归的范围是概率边界0,1之外的。例如，如果通过线性回归和逻辑回归预测违约概率，则通过线性回归的一些预测概率...

最近看了下线性回归的内容，还是很有感触的。也通过统计学的这样一个思维来回视原来片面的理解方式。