• Numpy-02-快速开始
  基本概念 NumPy的主要对象是同构多维数组。 它是一个元素表（通常是数字），都是相同的类型，由正整数元组索引。 `在NumPy维度中称为轴。 例如，3D空间[1,2,1]中的点的坐标具有一个轴。 该轴有3个元素，所以我们说它的长度为3.在下图所示的例子中，数组有2个轴。 第一轴的长度为2，第二轴的长度为3。 [[ 1., 0., 0.], [ 0., 1., 2.]] Num...
  2019-04-16 02:55:13 | Python
• Numpy-01-Overview
  NumPy NumPy 是使用Python进行科学计算的基础包。 它包含其他内容： 一个强大的N维数组对象 复杂的（广播）功能 用于集成C / C ++和Fortran代码的工具 有用的线性代数，傅里叶变换和随机数功能 除了明显的科学用途外，NumPy还可以用作通用数据的高效多维容器。 可以定义任意数据类型。 这使NumPy能够无缝快速地与各种数据库集成。 基础环境 相...
  2019-04-16 02:55:13 | Python
• 老马学机器学习-09-KNN 算法详解及 python 实现
  什么是 k 近邻算法？ k最近邻(k-Nearest Neighbor，kNN)分类算法是一个比较成熟也是最简单的机器学习(Machine Learning)算法之一。 该方法的思路是： 如果一个样本在特征空间中与k个实例最为相似(即特征空间中最邻近)，那么这k个实例中大多数属于哪个类别，则该样本也属于这个类别。 其中，计算样本与其他实例的相似性一般采用距离衡量法。 离得越近越相似...
  2019-04-16 02:55:13 | ML
• 老马学机器学习-08-感知机算法详解及 python 实现
  回顾 如果损失函数为误分类点个数，则该损失函数不是w和b的连续可导函数，不利于优化。 本节来看一下书中提到的超平面的概念实现。 感知机 感知机(perceptron) 是二类分类的线性分类模型， 其输入为实例的特征向量，输出为实例的类别，取+1和-1二值。 感知机对应于输入空间(特征空间)中将实例划分为正负两类的分离超平面，属于判别模型、感知机学习旨在求出将训练数据进行线性划分的分...
  2019-04-16 02:55:13 | ML
• 老马学机器学习-08-感知机算法对偶算法
  回顾 上一节，我们学习了感知机算法的基本实现。 但是，如果数据不是线性可分，即找不到一条直线能够将所有的正负样本完全分类正确，这种情况下，似乎 PLA 会永远更新迭代下去，却找不到正确的分类线。 对于线性不可分的情况，该如何使用PLA算法呢？ Pocket PLA 是什么? 首先，我们来看一下线性不可分的例子： 读取数据 实现如下： import numpy as np im...
  2019-04-16 02:55:13 | ML
• 老马学机器学习-06-感知机算法 PLA 原理及源码实现详解
  感知机 PLA 全称是 Perceptron Linear Algorithm，即线性感知机算法，属于一种最简单的感知机（Perceptron）模型。 感知机模型是机器学习二分类问题中的一个非常简单的模型。 核心思想 它的思想很简单，就是在一个二维空间中寻找一条直线将红点和蓝点分开（图1），类比到高维空间中，感知机模型尝试寻找一个超平面，将所有二元类别分开（图2）。 不可分...
  2019-04-16 02:55:13 | ML
• 老马学机器学习-06-PLA
  序章 机器学习的入门经典书籍有《机器学习》（西瓜书）和《统计学习方法》。 此处老马优先选择《统计学习方法》，因为基于概率的部分更加符合人的直觉，我们把神经网络部分放在统计算法之后。 当然，两本书有很多重合的地方，我们可以交叉学习。 所有理论篇前人已经总结的很好了，理论系列只做摘录，不作为原创。 四种学习形式 训练深度学习网络的方式主要有四种：监督、无监督、半监督和强化学习。 ...
  2019-04-16 02:55:13 | ML
• 老马学机器学习-04-java 类似于 pandas 的开源库 Joinery
  Joinery Joinery 是遵循Pandas或R数据帧精神的数据帧实现。 快速开始 maven 引入 <dependency> <groupId>joinery</groupId> <artifactId>joinery-dataframe</artifactId> <version>1.9&l...
  2019-04-16 02:55:13 | ML