《机器学习》

最新推荐文章于 2025-11-27 23:38:09 发布
原创 最新推荐文章于 2025-11-27 23:38:09 发布 · 424 阅读 · 1 ·
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。
文章标签：

#《机器学习》

初次阅读《机器学习》一书时迷糊不清，在补充概率论、测度论、统计学、时间序列分析等基础后，逐渐能够理解该书内容。该书作者为周志华，2016年1月1日由清华大学出版社出版。

第一次看，迷迷糊糊不清爽，把概率论、测度论、统计学、时间序列分析基础补充一下之后，再看此书，渐渐就能懂了。

《机器学习》

周志华

2016.1.1

清华大学出版社

numpy基础
m0_46563929的博客
04-06 1612
机器学习： 1.概念 Simple and efficient tools for predictive data analysis 【预测数据分析结果】 用机器代替人做决策 数据集 =》 训练 =》 模型 2.Built on NumPy, SciPy, and matplotlib、pandas 2.机器学习里面的常用术语 ： 1.数据集准备 色泽= 绿色 、根=弯曲 、 敲声 = 浑浊 =》 熟的 ...
Python 机器学习基础（一）——Python
Chris's Notes
03-16 1625
本文是 Python 机器学习基础系列文章的第一篇——Python 篇。Python任何一门编程语言，入门学习的基础知识包括：数据类型、控制流、函数、模块化、类，以及一些常用的零碎语法。Python 亦不例外。数据类型基本数据类型包括布尔型（bool）、整型（int）、长整型（long）、浮点型（float）、复数（complex）五种。
周志华《机器学习---西瓜书》 一
最新发布
2301_80402620的博客
11-27 675
本文摘要： 《机器学习---西瓜书》第一部分介绍了机器学习的基础理论。主要内容包括：1）PAC理论，阐述模型预测结果与真实结果的误差概率关系；2）机器学习基础术语，详细解释了监督学习、无监督学习、训练数据、类别标记等核心概念；3）典型的机器学习过程；4）现实应用中强调定制化方案的重要性；5）归纳偏好原则，特别是奥卡姆剃刀原理，主张在性能相近时选择更简单的模型。文章通过图解和示例（如西瓜分类）帮助理解机器学习的基本框架和核心思想。
机器学习MachineLearning概述(简单预处理)
haoen110的博客
06-09 900
机器学习 一、概述 1. 什么是机器学习？ 人工智能：通过人工的方法，实现或者近似实现某些需要人类智能处理的问题，都可以称为人工智能。 机器学习：一个计算机程序在完成任务T之后，获得经验E，而该经验的效果可以通过P得以表现，如果随着T的增加，借助P来表现的E也可以同步增进，则称这样的程序为机器学习系统。 特点：自我完善、自我修正、自我增强。 2. 为什么需要机器学习？ 简化或者替代人工方式的...
《机器学习》（西瓜书）读书笔记（一）
nidexka的博客
10-09 511
西瓜大，西瓜圆，西瓜不甜不要钱~
《机器学习》学习
aaamyzone的博客
08-08 322
1.理解相关理论 2.学习林轩田《机器学习基石》与机器学习技法 3.sklearn实践机器学习，参与kaggle等比赛 4.通过keras与tensorflow学习深度学习 5.学习计算机视觉 6.学习自然语言处理 损失函数 正则化 模型 问题：分类，回归，聚类；监督学习、半监督学习、无监督学习 数据预处理 深度学习 强化学习 优化策...
解决(几乎)所有机器学习的问题+机器学习+解决方法
12-24
本书是由技术界的大神Abhishek Thakur 所作，可以帮你解决(几乎)所有机器学习的问题，开源项目在GitHub 有 6K Star。本书介绍了如何应对 ML 和 DL 过程中遇到的挑战，而非单纯地解释算法。该书内含大量代码，适合有...
机器学习最全.ppt
05-08
机器学习是一门多学科交叉的领域，融合了计算机科学、统计学、概率论等知识，旨在开发算法和统计模型，让计算机系统能够通过学习来执行特定任务。机器学习的核心是利用经验来提升系统性能。机器学习系统的结构通常...
精选资源
python机器学习教程-从零开始掌握Python机器学习：十四步教程.pdf
06-12
【Python机器学习基础】 Python作为机器学习的首选语言，因其简洁的语法和强大的库支持而备受推崇。在开始机器学习之旅之前，首先需要掌握Python的基础编程技能。这包括理解变量、数据类型、控制结构（如if-else，...
南大出品 机器学习基础入门教程 机器学习导论 全套资料教程PPT课件 共10个章节 含作业题.rar
07-18
机器学习导论 第01章 绪论 共39页.pdf 机器学习导论 第02章 模型评估与选择 共28页.pdf 机器学习导论 第03章 线性模型 共23页.pdf 机器学习导论 第04章 决策树 共41页.pdf 机器学习导论 第05章 神经网络 共27页.pdf ...
精选资源
机器学习算法概述、原理及应用.pdf
05-12
机器学习是人工智能领域的一个重要分支，它致力于研究如何通过计算的手段，让计算机系统能够模拟、实现甚至超越人类的学习行为，从而获取新的知识或技能，并不断完善自身的性能。机器学习算法是实现这一目标的核心...
《人工智能》之《机器学习》
ProgramNovice的博客
11-13 1959
教材：《人工智能及其应用》，蔡自兴等，2016m清华大学出版社（第5版） 参考书： 《人工智能》之《机器学习》1 机器学习的定义与发展历程1.1 机器学习的定义1.2 机器学习的发展历程1.3 机器学习的主要策略1.4 传统的机器学习1.5 表示学习1.6 深度学习2 函数学习2.1 机器学习的基本流程假设空间机器学习的三要素线性模型非线性模型损失函数 如何开发一个人工智能系统？ 1 机器学习的定义与发展历程 1.1 机器学习的定义 通俗地讲，机器学习(Machine Learning，ML)就是让计算
《机器学习概述》
weixin_43928720的博客
11-13 292
一、背景 首先抛出两个问题： 为什么看到微湿路面， 感到和风，看到晚霞，就认为明天是好天呢？ 为什么色泽青绿，根蒂蜷缩，敲声浊响，就能判断出是正熟的好瓜呢？ 这是因为在我们的生活经验中已经遇见过很多类似情况，出现1所述的现象后，第二天通常会是好天气。如果一个西瓜是2所述，通常都是好瓜。 那么什么是机器学习呢？ 它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能。在计算机中，“经验”通常以...
机器学习——周志华
牛哇牛哇的博客
01-20 3580
以很高的概率 得到一个很好的模型训练数据 (数据样本)模型:决策树,神经网络,支持向量机,Boosting,贝叶斯网数据集:数据样本训练数据:用于得出模型测试数据:把模型拿来用示例(instance):色泽 根 敲声样例(example):色泽 根 敲声 好瓜(结果)属性(attribute):色泽 或者 根等属性空间:有几个属性就是几维属性空间(样本空间)特征向量(属性向量):属性空间中的向量(结果)不可知样本(unseen data):未来的数据,不可知假设:所用的模型,模型学到的东西,拟合函
《机器学习》基本概念
u010921136的博客
02-26 430
关于T（任务）和P（性能），该程序对E（经验：数据集）进行了学习。 模型：学得的结果，例如一棵决策树，全局性结果。 模式：局部性结果，例如一条规则。 数据：数据集、样本、属性（键）、属性值、属性空间。 过程：学习、训练，由学习算法来完成学习过程，使用到的数据叫训练数据。 训练数据：训练集、训练样本。 潜在规律：假设、真相。 样例：拥有标记信息的示例。 测试样本：被预测的样本。 泛化：一叶知秋、少量...
机器学习中的数学——连续型随机变量的测度
热门推荐
冯·诺依曼
10-05 1万+
连续型随机变量和概率密度函数的深人理解需要用到数学分支测度论的相关内容来扩展概率论。在《概率分布》中，我们已经看到连续型向量值随机变量xxx落在某个集合SSS中的概率是通过p(x)p(x)p(x)对集合SSS积分得到的。对于集合SSS的一些选择可能会引起悖论。例如，构造两个集合S1S_1S1​和S2S_2S2​使得p(x∈S1)+p(x∈S2)>1p(x\in S_1)+p(x\in S_2)>1p(x∈S1​)+p(x∈S2​)>1并且S1∩S2=0S_1 \cap S_2=0S1​∩S
我的机器学习之路（1）------机器学习的开始
u013062192的博客
01-24 775
我的机器学习的开始，开始于一本西瓜书《机器学习》，周志华著。看过很多知识，到最后很多都忘记了，从今天开始，每天把自己的一天学习记录下来。     机器学习目前已经学习完前八章，记录一下我自己认为需要知道的知识点。才疏学浅，难免遗漏，在学习过程中慢慢完善。     第一章为概述，就不记录了，基本都是介绍。     第二章：模型评估和选择     1.留出法     2.交叉验证法    
初步认识机器学习（Machine Leaning）
m0_46692607的博客
09-05 3155
入门机器学习，对机器学习有了初步的了解
python机器学习
yangguangxiadewo的专栏
11-28 2374
Python 机器学习是当前最为热门的机器学习领域之一，其简洁、易用、高效的特点，让越来越多的开发者开始探索其应用。本文将从以下几个方面介绍 Python 机器学习的基础知识和实践案例，帮助读者更好地理解和应用机器学习技术。
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