發(fā)簡信
IP屬地：上海
-
本專題招募管理員，有意向請簡信私聊，謝謝！ 用來分享機器學(xué)習(xí)，深度學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，計算機視覺等領(lǐng)域的一些技術(shù)。 Machine Learning 學(xué)習(xí)資料：http://www.itdecent.cn/p/e0238db24973 相關(guān)參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.itdecent.cn/p/182baeb82c71 3. [深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.itdecent.cn/p/6752a8845d01 8. [知乎“機器學(xué)習(xí)”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.itdecent.cn/p/fe428f0b32c1 …… 希望大家可以相互交流，相互學(xué)習(xí)！
-
機器學(xué)習(xí)(Machine Learning，ML)是研究計算機怎樣模擬或?qū)崿F(xiàn)人類的學(xué)習(xí)行為，以獲取新的知識或技能，重新組織已有的知識結(jié)構(gòu)使之不斷改善自身的性能。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程。數(shù)據(jù)挖掘中用到了大量的機器學(xué)習(xí)界提供的數(shù)據(jù)分析技術(shù)和數(shù)據(jù)庫界提供的數(shù)據(jù)管理技術(shù)，機器學(xué)習(xí)是數(shù)據(jù)挖掘的一個重要的工具。機器學(xué)習(xí)交流群：613944735
-
請關(guān)注微信公眾號：公眾號菜鳥學(xué)Python (id:cainiao_xueyuan),微信搜Python排第二，全網(wǎng)累計30萬粉絲。
-
線性模型--線性回歸本文主要從數(shù)學(xué)原理的角度探討。從數(shù)學(xué)的角度理解，線性模型的輸入是一組特征向量x，輸出也是一組特征向量。 線性回歸可用于回歸和分類。 我們通過數(shù)據(jù)集D優(yōu)化線性回歸模型的目的是什...
-
無約束條件的參數(shù)優(yōu)化（2）--牛頓法
一、牛頓法 在介紹牛頓法之前，先回顧下在數(shù)學(xué)分析中，對于牛頓法的解釋。 在高數(shù)中，牛頓法適中估值方法，用于近似計算，是迭代法的一種。 其精髓在于：對于目標(biāo)方程f(x)=0,首...
-
無約束條件的參數(shù)優(yōu)化（1）--梯度下降算法
為什么要學(xué)習(xí)最優(yōu)化理論？ 因為對于ML模型訓(xùn)練，最終都可以歸結(jié)為最優(yōu)化問題，尋找最優(yōu)參數(shù)，是模型的loss最小。 在ML中，最優(yōu)化分為 無約束的最優(yōu)化問題和有約束的最優(yōu)化問題...
-
馬爾科夫網(wǎng)絡(luò)
馬爾科夫網(wǎng)絡(luò)描述的是具有馬爾科夫性質(zhì)的隨機變量X的聯(lián)合分布的模型。 1.馬爾科夫性質(zhì) 那么，什么是馬爾科夫性質(zhì)呢？就是一組隨機變量按時間順序排列，第N+1時刻特性與N以前的隨...
-
貝葉斯網(wǎng)絡(luò)
一、什么是概率圖模型？ 概率圖模型(PGM)是用圖來表示變量概率依賴關(guān)系的理論，表示與模型有關(guān)的變量的聯(lián)合概率分布。 PGM重在對現(xiàn)實世界的描述，核心是條件概率，基本的概率圖...
-
唉，寫吧…不廢話…一直寫下去…<br>發(fā)布作品于微信公眾號：妖怪來也。<br>個人及作品簡介<a href="http://www.itdecent.cn/p/a519e8e84224/" rel="nofollow" target="_blank">http://www.itdecent.cn/p/a519e8e84224/</a> 我已加入“維權(quán)騎士”(rightknights.com)的版權(quán)保護(hù)計劃，未經(jīng)授權(quán)嚴(yán)禁轉(zhuǎn)載。
-
