在手撕機(jī)器學(xué)習(xí)系列文章的上一篇稚照，我們詳細(xì)講解了線性回歸的問題，并且最后通過梯度下降算法擬合了一條直線俯萌，從而使得這條直線盡可能的切合數(shù)據(jù)樣本集果录，已到達(dá)模型損失值最小的目的。 在...
發(fā)簡信
IP屬地：臺灣
-
《Machine Learning in Action》—— Taoye給你講講Logistic回歸是咋回事
-
《Machine Learning in Action》—— 淺談線性回歸的那些事
手撕機(jī)器學(xué)習(xí)算法系列文章已經(jīng)肝了不少咐熙，自我感覺質(zhì)量都挺不錯的弱恒。目前已經(jīng)更新了支持向量機(jī)SVM、決策樹棋恼、K-近鄰（KNN）返弹、貝葉斯分類，讀者可根據(jù)以下內(nèi)容自行“充電”（持續(xù)更新...
-
《Machine Learning in Action》—— 白話貝葉斯爪飘，“恰瓜群眾”應(yīng)該恰好瓜還是恰壞瓜概率論义起，可以說是在機(jī)器學(xué)習(xí)當(dāng)中扮演了一個非常重要的角色了。Taoye對概率論知識的掌握目前也還僅僅只是停留在本科期間所接觸到的师崎，而且還都已經(jīng)忘了不少默终。快速的復(fù)習(xí)回顧一下之后，...
-
《Machine Learning in Action》—— 女同學(xué)問Taoye齐蔽，KNN應(yīng)該怎么玩才能通關(guān)女同學(xué)問Taoye两疚，KNN應(yīng)該怎么玩才能通關(guān)？含滴？诱渤？某問得，給這位妮子安排上谈况！ 這篇是機(jī)器學(xué)習(xí)系列文章所涉及到的第六篇文章了源哩，前面已經(jīng)介紹過了支持向量機(jī)SVM以及決策樹算法，一...
-
《Machine Learning in Action》—— 懂的都懂鸦做，不懂的也能懂。非線性支持向量機(jī)
說在前面： 前幾天谓着，公眾號不是給大家推送了第二篇關(guān)于決策樹的文章嘛泼诱。閱讀過的讀者應(yīng)該會發(fā)現(xiàn)，在最后排版已經(jīng)有點亂套了赊锚。真的很抱歉治筒，也不知道咋回事，到了后期Markdown格式...
-
《Machine Learning in Action》—— hao朋友舷蒲，快來玩啊耸袜，決策樹呦《Machine Learning in Action》—— hao朋友，快來玩啊牲平，決策樹呦 在上篇文章中堤框，《Machine Learning in Action》—— Ta...
-
《Machine Learning in Action》—— Taoye給你講講決策樹到底是支什么“鬼”
《Machine Learning in Action》—— Taoye給你講講決策樹到底是支什么“鬼” 前面我們已經(jīng)詳細(xì)講解了線性SVM以及SMO的初步優(yōu)化過程，具體可看：...
-
《Machine Learning in Action》—— 剖析支持向量機(jī)纵柿，優(yōu)化SMO
《Machine Learning in Action》—— 剖析支持向量機(jī)蜈抓，優(yōu)化SMO 薄霧濃云愁永晝，瑞腦銷金獸昂儒。 愁的很沟使，上次不是更新了一篇關(guān)于支持向量機(jī)的文章嘛，《M...
-
時間精力有限渊跋，如果有不清楚的地方可以隨時在評論區(qū)提出哦腊嗡，Taoye收到后會第一時間回復(fù)的????
《Machine Learning in Action》—— 剖析支持向量機(jī)，單手狂撕線性SVM
《Machine Learning in Action》—— 剖析支持向量機(jī)拾酝，單手狂撕線性SVM 前面在寫NumPy文章的結(jié)尾處也有提到燕少，本來是打算按照《機(jī)器學(xué)習(xí)實戰(zhàn) / M...
-
《Machine Learning in Action》—— 剖析支持向量機(jī)，單手狂撕線性SVM《Machine Learning in Action》—— 剖析支持向量機(jī)蒿囤，單手狂撕線性SVM 前面在寫NumPy文章的結(jié)尾處也有提到棺亭，本來是打算按照《機(jī)器學(xué)習(xí)實戰(zhàn) / M...