xunileida的专栏

这篇讲得比较好理解： http://blog.youkuaiyun.com/v_july_v/article/details/40718799 然后github上有一个可读性比较好的案例： https://github.com/fengchangfight/NaiveBayesSpamFilter

官方快速上手教程： http://pytorch.org/tutorials/beginner/blitz/tensor_tutorial.html 实战为王，建议工具： jupyter notebook 第一小节： 主要是numpy数据结构和torch tensor的转换，一点要注意的是“The torch Tensor and numpy array will share

上篇用到xgboost cli来做二分类，现在来做一个多分类。 使用的数据集为 UCI皮肤病集 总共有34个属性集合，6种分类label， 属性集除了family history是名词式的取值外，其他都是线性数值行取值 7. Attribute Information: -- Complete attribute documentation: Clini

玩kaggle时听说这个库很牛逼，准确率很高，于是打算学学看看。xgboost是extreme gradient boosting的缩写，gradient boosting是一类思想方法，这里不多赘述，可以参考这里：gradient boosting简介 本文主要解析实例，理论以后慢慢补上。 binary classification的例子官方原文在此： 点击打开链接

cnn的直觉性原理可以参考这篇文章 https://ujjwalkarn.me/2016/08/11/intuitive-explanation-convnets/ 以及《神经网络与深度学习》这本书，这里先上代码： import tensorflow as tf from tqdm import tqdm_notebook from tensorflow.examples.tutorials