机器学习理论导引 线上阅读

最新推荐文章于 2025-05-09 00:33:14 发布
转载 最新推荐文章于 2025-05-09 00:33:14 发布 · 1.8k 阅读 · 3 ·
CC 4.0 BY-SA版权
原文链接：https://datawhalechina.github.io/key-book/#/

周志华等作者的《机器学习理论导引》填补了国内机器学习理论入门著作的空白，为学习者提供了宝贵的资源。

周志华、王魏、高尉、张利军等老师所著的《机器学习理论导引》一书（下称《导引》），填补了国内缺少机器学习理论入门著作的遗憾

https://datawhalechina.github.io/key-book/#/

 

线性代数导引：线性算子与共轭线性函数
AI天才研究院
06-20 1231
线性代数导引：线性算子与共轭线性函数 1.背景介绍 线性代数是现代数学和计算机科学的基石之一。它不仅在理论研究中占据重要地位，还在实际应用中发挥着关键作用。线性算子和共轭线性函数是线性代数中的两个重要概念，它们在数据分析、机器学习、图像处理等领域有着广泛的应用。本文将深入探讨这两个概念，
机器学习(Machine Learning)与深度学习(Deep Learning)资料汇总
ZhangPY的专栏
02-28 7610
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最
机器学习导论(第二版) 中文版 PDF
zhuwujie0331的博客
04-13 956
(访问密码: 7776)（注：文档仅为个人学习使用）更多AI内容，可进入原文阅读。
机器学习与人工智能学习资源导引
热门推荐
刘未鹏|C++的罗浮宫
09-11 10万+
机器学习与人工智能学习资源导引TopLanguage(https://groups.google.com/group/pongba/) 我经常在 TopLanguage 讨论组上推荐一些书籍，也经常问里面的牛人们搜罗一些有关的资料，人工智能、机器学习、自然语言处理、知识发现（特别地，数据挖掘）、信息检索 这些无疑是 CS 领域最好玩的分支了（也是互相紧密联系的），这里将最近有关机器学习
机器学习理论导引（1）
artherlex的博客
06-23 619
1.凸集：看到这个词，不由联想到凸函数 定义：集合内任意两点连线各点都在该集合内 考虑凸多边形，二者定义关联 2.凸函数代表在定义域中任一点的一阶泰勒展开是其下界 3.一些数学变换能够保持函数的凸性 如凸函数的自变量进行线性变换后 g(x)=f(Ax+b)，该函数仍是凸函数 … 4.共轭函数 一定是凸函数 … 5.重要不等式 jensen不等式：期望的函数小于等于函数的期望 Holder不等式 Cauchy-Schwarz不等式 … ...
机器学习理论引导 电子版_机器学习实战：KNN（一）理论
weixin_35034536的博客
12-22 217
优快云：机器学习实战之K-近邻算法（KNN）（一）理论_数据结构与算法_weixin_45814668的博客-优快云博客​blog.youkuaiyun.com微信公众号：qiongjian0427Github代码获取：qiongjian/Machine-learning​github.comPython版本： Python3.x定义kNN是k-Nearest Neighbor的简写，直译为k-近邻算法：...
关键书：《机器学习理论导引》（宝箱书）的证明，案例，概念补充与参考文献讲解。在线阅读地址：https：datawhalechina.github.iokey-book
02-03
关键书：《机器学习理论导引》（宝箱书）的证明，案例，概念补充与参考文献讲解。在线阅读地址：https：datawhalechina.github.iokey-book
nyu机器学习导引课件
03-03
nyu的机器学习导引课件 说要二十个字才能下载资源
机器学习(Machine Learning)&深度学习(Deep Learning)资料
weixin_30756499的博客
07-07 1万+
##机器学习(Machine Learning)&深度学习(Deep Learning)资料(Chapter 1)---#####注:机器学习资料[篇目一](https://github.com/ty4z2008/Qix/blob/master/dl.md)共500条,[篇目二](https://github.com/ty4z2008/Qix/blob/master/dl2.md)开始更新...
机器学习与深度学习资料
Jason Ding的专栏
04-23 4662
《Brief History of Machine Learning》 介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning. 《Deep Learning in Neural Networks: An Overview》 介绍:这是瑞士人工智能实验室Jurgen Schmidhuber写的最新版本《神经网络与深
基于TensorFlow的机器学习原理.pdf
07-19
以一个一维向量的实例深入浅出地展开基于tensor flow的机器学习原理介绍，从线性回归的建模，成本函数的定义，梯度下降的原理，并结合大量的图形及简单的tensor flow代码，清晰呈现机器学习最底层的原理。进而逐步拓展到二维向量和n维向量的机器学习实例。是机器学习入门必读资讯。
机器学习导论PPT
12-12
机器学习导论，很有用的！
第1章机器学习导论.pptx
03-10
机器学习导论课件，本校老师紧跟周老师的机器学习一书制作的课件 本资源共享学习，不得擅自出售，如有侵权联系删除。
机器学习导论习题答案Ethem Alpaydin
02-22
机器学习导论课后习题答案，英文版的，很全，找了很久的希望大家支持！
支持向量机导论-PDF
11-19
经典的SVM，通透的SVM，神奇的SVM，SVM更进一层！！！
AI人工智能领域的智能供应链管理
最新发布
AI天才研究院
05-09 1175
随着全球产业链复杂度提升与消费者需求的个性化演进，传统供应链管理在需求预测滞后、库存周转率低、物流成本高等问题上暴露明显短板。本文聚焦AI如何重构供应链核心环节，覆盖从数据采集到决策执行的全流程，解析机器学习、优化算法、物联网（IoT）等技术的融合应用，为企业实现供应链智能化提供技术路线图。本文遵循"理论建模→算法实现→工程落地→行业应用"的逻辑，依次解析智能供应链的技术架构、核心算法（含Python代码）、数学模型、实战案例及未来趋势，确保技术深度与落地可行性的平衡。
knn的python代码_KNN-python代码实现
weixin_39717152的博客
12-03 561
KNN属于机器学习中的监督学习，其核心思想即“物以类聚，人以群分”。监督学习算法的基本流程1.归一化数据样本集2.划分样本集为训练集和测试集3、以训练集为算法参考系，测试集来测试算法4、计算预测样品标签和真实样品标签的比值来评估算法的准确率5、调节不同的参数找到最优算法参数代码实现1.调用KNN函数来实现分类 (数据采用的是经典的iris数据，是三分类问题)# 读取相应的库from sk...
机器学习理论引导 电子版_机器学习理论篇1：机器学习的数学基础（2）
weixin_39654322的博客
01-11 264
本节主要就是讲述的机器学习的数学基础，提到数学基础，可能一眼就会是满眼的枯燥、没意思，但是成就英雄的路上注定了孤独，要想要真正的在学术上有所突破就必须挨得住寂寞，受得住孤独，才能真正的走进熟悉直到完全掌握机器学习的真谛，万事开头难，而且做什么事情都要打好地基，空中楼阁并不是现实中存在的，所以我们从本期课程开始再次从基础开始学习吧！本节内容为第三部分：概率。三、概率3-1、为什么使用概率？...
分子模拟的理论与实践_鄂维南院士：机器学习的数学理论和科学应用
weixin_39828457的博客
11-24 1159
本文是鄂维南院士2019年获得Peter Henrici奖时在国际工业与应用数学大会上所做的报告。由于能力有限，翻译中可能有不少错误。获取报告英文版pdf文件在本公众号回复"鄂院士报告"。本文是2019年7月在西班牙瓦伦西亚举办的国际工业与应用数学大会上Peter Henrici奖讲座的报告。本报告将对以下内容做一个广泛的综述：当前一些结合机器学习和科学建模（例如基于物理的建模）的工作，用于解决...
机器学习基础理论与算法课后习题详解
《机器学习Tom M.mitchell课后题ppt》中蕴含着机器学习的基础知识和应用实践，涵盖了从理论到实践的多个方面。 首先，从标题可以看出，该文档可能包括了Tom M. Mitchell教授编写的机器学习教材的课后习题解答。Tom ...
评论
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