记录每天学习机器学习的经历，对照机器学习实战这本书

最新推荐文章于 2024-04-23 19:28:45 发布
原创 最新推荐文章于 2024-04-23 19:28:45 发布 · 577 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文从第一天开始，承诺每日撰写新内容，聚焦于k-NearestNeighbors算法，深入解读其核心原理及应用。通过简洁明了的语言，带领读者逐步理解这一重要的机器学习方法。

今天是第一天，希望能坚持下去，每天写新的

---------------------------------------------------------------------------------------------------------------------------辛苦的分割线-------------------------------------------------------------------------------------

kNN算法 k-Nearest Neighbors algorithm



因果推断与机器学习开发实战代码案例详解 II
AI天才研究院
06-22 1193
本文介绍了因果推断与机器学习的结合应用，重点分析了因果推断的核心概念和主要方法。文章首先区分了因果推断与相关性分析的区别，阐述了潜在结果框架和结构因果模型等理论基础。随后详细讲解了随机对照试验、匹配方法、倾向性得分等主要因果推断方法。通过两个实战案例展示了因果推断的实际应用：使用DoWhy库进行四步因果推断流程（建模、识别、估计和反驳），以及使用CausalML库估计异质性处理效应。文章提供了完整的Python代码示例，包括数据生成、模型构建和效果评估，帮助读者理解如何在实际项目中应用这些技术。
Python从0到100（六十一）：机器学习实战-实现客户细分
热门推荐
全网粉丝10w+，优快云、稀土掘金人工智能签约作者、专家博主，华为云十佳博主，985人工智能硕士。人工智能、大模型、计算机视觉、Python 爬虫— —商务合作：https://bbs.youkuaiyun.com/topics/614347534
09-30 3万+
在最后一部分，研究可以对聚类数据采用的方式。思考特定的送货方案对不同的客户群（即客户细分）有何不同影响。以及思考为每个客户设定标签（该客户属于哪个细分）可以如何提供关于客户数据的额外特征。最后，比较客户细分和数据中的隐藏变量，看看聚类分析是否发现了特定的关系。我选择的聚类算法和聚类数量，与酒店/餐厅/咖啡厅客户和零售客户分布图相比，效果还不错，但也还存在一些异常数据。根据Dimension看到划分’零售客户’或者是’酒店/餐厅/咖啡厅客户’分布还不错。这些分类和之前的客户细分定义大体一致。
《机器学习实战》作者Peter Harrington：如何成为一位数据科学家（图灵访谈）
开发之路
09-30 2739
作者简介： Peter Harrington，拥有电气工程学士和硕士学位，他曾经在美国加州和中国的英特尔公司工作7年。Peter拥有5项美国专利，在三种学术期刊上发表过文章。他现任HG Data首席科学家。如果说LinedIn跟踪的是人和人之间的商务往来，HG Data则是致力于挖掘公司间的商业往来。他曾是Zillabyte公司的创始人和首席科学家，在此之前，他曾担任2年的机器学习软件顾问。Pe
机器学习实战读书总结
Miracle_ma的专栏
05-02 6595
机器学习实战读书总结 蒟蒻退役ACMer 1403mashaonan终于读完了新买的Machine Learning in Action（机器学习实战） 立的年前读完这本书的flag没有完成（主要是19-25号水了个美赛然后一周没读，不然应该能完成任务的QAQ，总的大概花了两周时间读完） 本文的目的旨在作为个人的读书总结，总结一下各个算法的核心部分，并不是详尽的笔记 以前写在作业部
好书推介《实战机器学习》
夏天又到了的专栏
10-09 298
随着互联网、物联网、云计算等技术的不断发展，许多领域都产生了大量的数据。利用机器学习技术分析海量数据，可以从数据中发现隐含的、有价值的规律和模式，进而用于预测并采取相应动作。在上述背景下，本书从理论、技术和应用三个层面入手，全面讲解如何利用机器学习技术解决实际问题。 目前有很多介绍机器学习理论与方法的经典书籍，但调研表明，目前市场上介绍如何采用机器学习方法解决实际应用问题的书籍很少。本书创作团队核心成员自2015年起就一直从事机器学习方面的理论研究和工程实践，通过项目实战，我们遇到了很多问题，积累了大量解
[社区图书馆】《PyTorch高级机器学习实战》书评
qq_43649937的博客
04-24 680
此外，书中还介绍了大量的实际案例，包括图像分类、目标检测、文本分类、机器翻译等，使读者可以真正将所学到的知识应用到实际项目中。在书中，作者从最基础的线性回归、逻辑回归、卷积神经网络（CNN）、循环神经网络（RNN）等开始讲解，逐步提升到更加复杂的领域，如生成对抗网络（GAN）、自然语言处理（NLP）和强化学习（RL）。总之，《PyTorch高级机器学习实战》是一本非常实用的机器学习书籍，它不仅提供了理论知识和实际案例，而且详细介绍了如何使用PyTorch构建、训练和部署模型。
《机器学习实战》完整读书笔记
Together_CZ的博客
07-22 1万+
之前就知道有《机器学习实战》这本书，还有机器学习实战源码，对于想对机器学习理论和实践层面有更深入的了解和学习的话就可以看一下这本书，代码是python写好的，可以拿来跑一下，也可以加进去自己的理解，因为已经接触机器学习一年多的时间了，所以看这本书的时候感觉还不错，并不是很吃力，花了一周多的时间看完了书中的理论知识，代码部分跳过了，暂时没有去实践，因为现在看这本书的目的是为了弄清楚一点之前留下的疑点
【好书推荐7】《机器学习平台架构实战》
定期分享我的发现和想法，感谢你的陪伴和支持
04-23 5268
机器学习平台架构实战》详细阐述了与机器学习平台架构相关的基本解决方案，主要包括机器学习和机器学习解决方案架构，机器学习的业务用例，机器学习算法，机器学习的数据管理，开源机器学习库，Kubernetes容器编排基础设施管理，开源机器学习平台，使用AWS机器学习服务构建数据科学环境，使用AWS机器学习服务构建企业机器学习架构，高级机器学习工程，机器学习治理、偏差、可解释性和隐私，使用人工智能服务和机器学习平台构建机器学习解决方案等内容。
鲁伟《机器学习公式推导与代码实现》：算法分类亮眼，原理及代码简明，可与《机器学习实战》对照阅读
08-18
此外，本书的另一个特点是其与另一本广受好评的机器学习书籍《机器学习实战》形成互补。《机器学习实战》以其丰富的案例和实战经验著称，而《机器学习公式推导与代码实现》则在理论与代码结合上下足了功夫。这种对比...
机器学习领域中的Iris数据集探索与分析技术解析及建模流程
11-27
内容概要：本文档详细介绍了机器学习领域经典的Iris数据集，涵盖数据加载、初步查看、探索性数据分析（包括统计描述、特征分布可视化、相关性分析）、数据预处理（如检查与处理缺失值）、类别标签转换、数据标准化与...
精选资源
机器学习实战,机器学习实战 pdf,Python源码.zip.zip
10-14
在压缩包中，"机器学习实战.pdf"很可能是本书的电子版，包含完整的章节和实例，覆盖了从基础概念到高级算法的全面内容。你可以从中了解到监督学习、无监督学习、集成方法、神经网络等机器学习的主要分支。书中的每个...
《机器学习实战》笔记（关于本书）
sch的学习笔记
02-22 1509
采用书籍《机器学习实战》，人民邮电出版社，2013年6月第1版。关于机器学习实战的博客已经有很多，所以本博文仅将书中的知识点进行整理和扩展。 关于本书 本书讲述重要的机器学习算法，尽量减少讨论数学理论，更多地讨论如何编码实现机器学习算法，介绍那些使用这些算法的应用和工具，以及如何在实际环境中使用它们。 读者对象 这本书适合有数据需要处理的读者，也适合于想要获得并理解数据的...
关乎《机器学习实战》这本书基本刷完后的一些看法以及合集
Kelisiya
04-05 6554
从头到尾都是撸板子，或多或少的增加了一些理解 花了四个月的时间，一点点的补完了这本书，才发现就算是实战书，也不是一本就可以加深印象的 机器学习这个方向，也不单单的是一遍就能搞定的东西，理论在过了CS229发现果然还是应该重复重复重复的看下去 这本书涉及API的之后的就没实战了，因为开了ss发现也爬不到东西 下一本书准备刷《集体智慧编程》，顺便可以补一下《MLAPP》，周老师是《机器学习》讲
《scikit-learn机器学习实战》简介
夏天又到了的专栏
06-22 738
#好书推荐##好书奇遇季#scikit-learn机器学习入门书《scikit-learn机器学习实战》，京东当当天猫都有发售。双色印刷，定价69元，打折一下更便宜。从算法和案例入手，快速掌握机器学习本书背景scikit-learn项目最早由数据科学家 David Cournapeau在2007年发起，需要NumPy和SciPy等其他包的支持，它是Python语言中专门针对机器学习应用而发展起来的一款开源框架。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门
VisualIdentity多模型智能识别平台.zip
01-07
VisualIdentity多模型智能识别平台.zip
64QAM调制软解调+扩频解扩通信系统matlab误码率仿真【包括程序，中文注释，程序操作视频】
最新发布
01-07
1.版本：matlab2024b。 2.包含：程序，中文注释，程序操作视频。 3.领域：64QAM+软解调+扩频解扩 4.仿真效果：仿真效果可以参考博客同名文章《64QAM调制软解调+扩频解扩通信系统matlab误码率仿真》 5.内容：64QAM调制软解调+扩频解扩通信系统matlab误码率仿真。生成随机的二进制信息序列，首先进行扩频，然后对扩频的数据进行64QAM调制，得到调制信号，然后加入相位偏差和频偏，将调制信号通过AWGN信道，添加高斯白噪声。对接收到的信号，先进行64QAM软解调，恢复出二进制数据，然后进行解扩，最后统计误码比特数，计算误码率。 6.注意事项：注意MATLAB左侧当前文件夹路径，必须是程序所在文件夹位置，具体可以参考视频录。
基于Nginx的Redis公网访问方案：通过Stream模块代理实现单机与集群的远程连接配置
01-07
内容概要：本文介绍了如何通过Nginx反向代理实现公网安全访问Redis服务，涵盖Nginx的安装、stream模块配置、代理转发设置及实际连接验证。通过配置Nginx的stream块，将公网请求转发至内网Redis实例（如主从或集群架构），实现对多个Redis节点的统一代理访问，并通过开放安全组端口确保网络可达性。同时提供了完整的操作命令示例，包括安装Nginx及其流模块、修改配置文件、重启服务、端口监听验证以及使用redis-cli通过代理连接Redis并执行基本操作。
基于YOLO的人群计数实现.zip
01-07
基于YOLO的人群计数实现.zip
Python机器学习实战教程：预测、分类与无监督学习
机器学习实战源代码文件包含了一系列的Python代码，这些代码涵盖了书中的各个实战案例，使得读者可以对照书本理论和实际代码，更直观地理解机器学习模型的构建和应用。源代码将作为学习机器学习算法的重要辅助工具，...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值