MapleStory的博客

本博客是针对李宏毅教授在Youtube上上传的课程视频《ML Lecture 0-1: Introduction of Machine Learning》的学习笔记。在Github上也po了这个系列学习笔记(MachineLearningCourseNote)，觉得写的不错的小伙伴欢迎来给项目点个赞哦~~Lecture 0-1: Introduction of Machine Learning...

在Github上也po了这个系列学习笔记(MachineLearningCourseNote)，觉得写的不错的小伙伴欢迎来给项目点个赞哦~~ML Lecture 0-2: Why we need to learn machine learning?Why we need to learn MLMany people think: Wow!!! AI is so powerful...

本博客是针对周志华教授所著《机器学习》的“第8章 集成学习”部分内容的学习笔记。个体与集成BoostingBagging与随机森林Bagging随机森林结合策略平均法投票法学习法个体与集成集成学习，顾名思义，通过将多个单个学习器集成/组合在一起，使它们共同完成学习任务，有时也被称为“多分类器系统（multi-classifier system）”、基于委员会的学习（Committee

本博客是针对李宏毅教授在youtube上上传的Machine Learning课程视频的学习笔记。课程链接引入线性模型结构化SVM序列贴标签引入我们之前学习到的学习模型的输入与输出一直以来都是向量（vector），但是在实际问题中，我们的输入输出可能是别的结构。比如，我们可能会需要输入输出是序列（sequence）、列表（List）或者树（Tree）等等。例子：结构学习的统一框架训练1.找

本博客是基于对周志华教授所著的《机器学习》的“第7章 贝叶斯分类器”部分内容的学习笔记。朴素贝叶斯分类器，顾名思义，是一种分类算法，且借助了贝叶斯定理。另外，它是一种生成模型（generative model），采用直接对联合概率P(x,c)建模，以获得目标概率值的方法。预备知识先验概率与后验概率贝叶斯定理Bayesian Theorem朴素贝叶斯分类器何为朴素属性条件独立性假设分类准则

现实生活中有许多需要提前预防一些异常问题出现的情况，例如在飞机起飞前，对飞机各部分进行评估，看发动机等各个零件是否性能正常，若有潜在的问题（可能出现异常情况），则需要及时检修或更换。那么我们如何去评估异常是否存在呢？利用联合概率分布~联合概率分布正态分布异常检测模型训练模型评估联合概率分布X表示一系列随机变量X1,X2,X3,….,Xn的组合,每个随机变量符合服从各自的一种分布。假设各变量是两

因为开发了一个新闻推荐系统的模块，在推荐算法这一块涉及到了基于内容的推荐算法（Content-Based Recommendation），因此用到了朴素贝叶斯来对抓取的新闻进行分类，以达到为用户推荐符合其兴趣的新闻。于是借此机会，基于自己看了网上各种资料后对该分类方法的理解，用尽量清晰明了的语言，结合算法和自己开发推荐模块本身，记录下这些过程，供自己回顾，也供大家参考~目录一、基于内容的推荐算法 +

ML Lecture 1: Regression - Case Study本笔记有配套的Jupyter Notebook演练，包含tensorflow基础api实现的单变量线性回归与多元线性回归，以及对梯度下降训练过程的改进讲解，同时包括高级lib如sklearn与keras的线性回归实现。欢迎在读完笔记后去实际演练一下哟~如果觉得本系列文章对您有帮助的话，麻烦不吝在对应的github项目上...