机器学习笔记总结

leetcode 面试经典150题

本文系统介绍了机器学习的基本概念、主要类型及常用算法。首先概述了机器学习的定义及其与传统编程的区别，然后详细讲解了监督学习、无监督学习、半监督学习和强化学习四种主要类型。重点介绍了线性回归、支持向量机、K-近邻算法、逻辑回归、决策树、朴素贝叶斯、随机森林、K-Means和主成分分析等九种基础算法的数学原理和Python实现方法，每种算法都配有示例代码和可视化结果。文章旨在为初学者提供全面的机器学习入门指导，涵盖从理论到实践的完整知识体系。

在公众号看到来一篇不错的文章，讲解机器学习算法的，感觉挺好的，所以这里对常用的机器学习算法做一个小的总结， 然后根据学习李航老师的《统计学习方法》做得笔记，对这些算法进行补充。 简介   关于机器学习算法的研究已经获得了巨大的成功，哈佛商业评论甚至将数据科学家称为二十一世纪最具诱惑力的工作。 机器学习算法是在没有人为干涉的情况下，从大量的数据和历史经验中学习数据的结构并提升对某一目标的估计的算法。...

吴恩达《Machine Learning》精炼笔记完整版，研一自用版，如果对大家有用，那我也很高兴，一起进步。

11

第一章

ML Papers：深度学习论文笔记与总结 项目介绍 ML Papers 是一个专注于机器学习（ML）和深度学习（DL）领域的开源项目，旨在为研究人员和开发者提供一个系统化的论文阅读与总结平台。项目由一位资深研究者维护，涵盖了从2015年至今的多篇重要论文，内容涉及自监督学习、对比学习、半监督学习以及视频理解等多个热门领域。每篇论文都配有详细的笔记和简短的总结，帮助读者快速把握论文的核心思想和创新...

想要为开源机器学习学习资源贡献力量吗？ML-Course-Notes项目是一个专门收集和分享机器学习、NLP和AI课程笔记的协作平台，为全球学习者提供宝贵的学习资料。通过参与这个开源项目，你不仅能帮助他人学习，还能深化自己对机器学习的理解。🎯 ## 为什么选择贡献ML-Course-Notes **为社区创造价值** ✨ - 帮助全球学习者获取优质的机器学习课程笔记 - 建立个人在机器学习领

机器学习笔记（吴恩达）

机器学习总结 1.分类模型 1.1KNN算法 k-邻近算法采用测量不同特征值之间的距离方法进行分类(k-Nearest Neighbor，KNN) 超参数(n_neighbors=k) API from sklearn.neighbors import KNeighborsClassifier knn=KNeighborsClassifier(n_neighbors=6) knn.fit(x_train,y_train) 寻找最优值【学习曲线&交叉验证】 from sklearn.

人生寄语：因为曾经淋过雨，所以总想为别人撑把伞机器学习入门笔记【机器学习】贝叶斯分类器【机器学习】决策树【机器学习】K近邻算法【机器学习】数据降维【机器学习】线性判别分析【机器学习】人工神经网络-多层感知器（MLP）对鸢尾花数据集进行分类【机器学习】支持向量机【机器学习】libsvm 简单使用示例（C++）【机器学习】线性模型-logistic 回归【机器学习】线性模型-线性支持向量机【机器学习】...

分类：识别图像动物 离散的聚类: 发掘兴趣爱好回归：预测股市价格 连续的逻辑回归朴素贝叶斯线性回归SVM决策树LDA矩阵分解保序回归的应用保序回归用于拟合非递减数据，不需要事先判断线性与否，只需数据总体的趋势是非递减的即可。例如研究某种药物的使用剂量与药效的关系。朴素贝叶斯算法是基于贝叶斯定理和特征条件独立假设的一种分类方法朴素贝叶斯算法是一种基于联合概率分布的统计学习简单的分类，通过划分“阈值”。

中文笔记地址 http://www.ai-start.com/ml2014/html/week1.html 视频地址 https://www.bilibili.com/video/BV164411b7dx?p=4 https://study.163.com/course/courseLearn.htm?courseId=1210076550#/learn/video?lessonId=1280912351&courseId=1210076550 https://study.163.com/cours

机器学习概述及jupyter安装