理解矩陣背后的現實意義

2016-04-10

理解矩陣背后的現實意義 線性代數課程，無論你從行列式入手還是直接從矩陣入手，從一開始就充斥著莫名其妙。比如說，在全國一般工科院系教學中應用最廣泛的同濟線性代數教材（現在到了第四版），一上來就介紹 ...

邏輯回歸（Logistic Regression）

2016-01-06

邏輯回歸（Logistic Regression） 這節學習的是邏輯回歸（Logistic Regression），也算進入了比較正統的機器學習算法。啥叫正統呢？我概念里面機器學習算法一般是這樣一個步驟： 1）對于一個問題，我們用數 ...

KNN最近鄰算法原理是什么？如何實現？

2020-07-24

把近朱者赤，近墨者黑這一思想運用到機器學習中會產生什么?當然是KNN最鄰近算法啦!KNN(全稱K-Nearest Neighbor)最鄰近分類算法是數據挖掘分類算法中最簡單的算法之一，白話解釋一下就是：由你的鄰居來推斷出你的類 ...

機器學習中感知機是什么？如何實現？

2020-07-10

感知機(Perceptron)或者叫做感知器，是Frank Rosenblatt在1957年就職于Cornell航空實驗室(Cornell Aeronautical Laboratory)時所發明的一種人工神經網絡，是機器學習領域最基礎的模型，被譽為機器學習的敲門磚。 ...

你需要掌握的4種常用數據降維方法

2020-07-09

近來數據記錄和規模屬性都在急劇增長，由于大多數數據挖掘算法都是直接逐列處理數據，因此導致算法越來越慢。為了保證減少數據列數的同時，丟失的數據信息盡可能少， 數據降維處理算法應運而生。 一、降維的 ...

PCA降維原理(主成分分析)的數學理論

2020-07-03

在機器學習中，有成千上萬甚至幾十萬的維度的數據需要處理，這種情況下機器學習的資源消耗是不可接受的，并且很大程度上影響著算法的復雜度，因此對數據降維是必要的。PCA(Principal Component Analysis)是一種常 ...

機器學習數據降維方法：PCA主成分分析

2020-06-16

PCA在機器學習中很常用，是一種無參數的數據降維方法。PCA步驟： 將原始數據按列組成n行m列矩陣X 將X的每一行（代表一個屬性字段）進行零均值化，即減去這一行的均值 求出協方差矩陣 求 ...

ML基礎：無監督學習之協方差矩陣

2020-06-16

在翻譯sklearn文檔 2.無監督學習 部分過程中，發現協方差矩陣幾乎貫穿整個章節，但sklearn指導手冊把協方差部分放在了這一章節偏后的部分，作為機器學習一個基礎概念，在這篇文章中，想把協方差矩陣的相關知識以及 ...

使用python構建一個推薦系統需要幾步？

2020-05-29

在我看來，作為一位中國人的我們不管做什么決定都在面臨多種選擇。例如，如果我這個時候想要買一本書，但是我卻不知道我想看什么書、不知道類型、不知道方向，那么這個時候打開各種進行軟件搜索可能會出現各種各樣 ...

機器學習的數據清理以及數據標準化！

2020-05-29

沒有干凈的原始數據，為了滿足機器學習懟數據的要求，必須過濾數據。例如， 1、查看數據，并排除所有缺少大量數據的列。 2、再次查看數據，然后選擇要用于預測的列（特征選擇）。進行迭代時，可能需要 ...

python語音識別：智能語音識別技術入門系列（上）

2020-05-26

目前，python語音識別越來越流行，今天本系列文章開始，我們將一起探索自動語音識別、語言處理技術所包含的核心算法、模型及未來的發展趨勢。本篇文章我們主要討論語音識別的基本概念。并理解語音識別技術的流程。 ...

矩陣分析、矩陣理論、矩陣論三者的適用范圍！

2020-05-08

矩陣分析、矩陣理論、矩陣論是三種較為常見學科，這里為大家介紹一些它們的適用范圍和區別。 ——矩陣分析 主要包括線性空間與線性變換,內積空間,矩陣的相似標準形,矩陣分解,矩陣函數等內容, ...

一文帶你讀懂特征工程

2020-04-20

無論它的規模和大小如何，數據已經成為現代企業、公司和組織的一流資產。任何一個智能系統都需要數據驅動，無論它多復雜。每個智能系統的核心，均有一個或多個基于某種數據學習方法的算法，例如機器學習、深 ...

機器學習中的分類距離

2019-12-17

作者 | 我的智慧生活 來源 | 咪付 生活中，距離通常是用于形容兩個地方或兩個物體之間的遠近。在人工智能機器學習領域，常使用距離來衡量兩個樣本之間的相似度。 “物以類聚” 我 ...

Python機器學習中七種損失函數的科學指南

2019-12-11

作者 | KHYATI MAHENDRU 編譯 | CDA數據分析師 損失函數實際上是我們經常使用的這些技術的核心，本文介紹了多種損失函數，他們的工作位置以及如何在Python中進行編碼。 前言 首先想 ...

人工智能中的線性代數：如何理解并更好地應用它？

2019-12-10

作者 | Oleksii Kharkovyna 編譯 | 機器之心 線性代數是 AI 專家必須掌握的知識，這已不再是個秘密。如果不掌握應用數學這個領域，你永遠就只能是「門外漢」。當然，學習線性代數道阻且長。 ...

機器學習與深度學習核心知識點總結(二)

2019-12-03

作者 | 小小挖掘機 來源 | SIGAI 主成分分析 主成分分析是一種數據降維和去除相關性的方法，它通過線性變換將向量投影到低維空間。對向量進行投影就是對向量左乘一個矩陣，得到結果向量 ...

機器學習與深度學習核心知識點總結(一)

2019-12-02

作者 | 小小挖掘機 來源 | SIGAI 數學 1.列舉常用的最優化方法 梯度下降法 牛頓法， 擬牛頓法 坐標下降法 梯度下降法的改進型如AdaDelta，AdaGrad，Adam，NAG等。 ...

機器學習的敲門磚：kNN算法（上）

2019-10-15

作者 | Japson 來源 | 木東居士 0x00 前言 天下苦數學久矣！ 對于很多想要入門機器學習的工程師來說，數學是通往AI道路上的第一支攔路虎。一些已經工作的同學不得不撿起早已還給老師 ...

從數據結構到算法：圖網絡方法初探

2019-08-19

作者 | 朱梓豪 來源 | 機器之心 如果說 2019 年機器學習領域什么方向最火，那么必然有圖神經網絡的一席之地。其實早在很多年前，圖神經網絡就以圖嵌入、圖表示學習、網絡嵌入等別名呈現出來 ...