机器学习100天
目录
- 有监督学习
- 无监督学习
数据预处理|第1天
简单线性回归|第2天
多元线性回归|第3天
逻辑回归|第4天
逻辑回归|第5天
今天我深入研究了逻辑回归到底是什么,以及它背后的数学是什么.学习了如何计算代价函数,以及如何使用梯度下降法来将代价函数降低到最小.
由于时间关系,我将隔天发布信息图.如果有人在机器学习领域有一定经验,并愿意帮我编写代码文档,也了解GitHub的Markdown语法,请在领英联系我。
逻辑回归|第6天
K近邻法(k-NN)|第7天
逻辑回归背后的数学|第8天
为了使我对逻辑回归的见解更加清晰,我在网上搜索了一些资源或文章,然后我就发现了Saishruthi Swminathan的这篇文章
它给出了逻辑回归的详细描述.请务必看一看.
支持向量机(支持向量机)|第9天
直观了解支持向量机是什么以及如何使用它来解决分类问题.
支持向量机和K近邻法|第10天
了解更多关于支持向量机如何工作和实现KNN算法的知识.
K近邻法(k-NN)|第11天
支持向量机(支持向量机)|第12天
支持向量机(支持向量机)|第13天
支持向量机(支持向量机)的实现|第14天
今天我在线性相关数据上实现了支持向量机。使用SCHKIT-学习库。在科学套件-了解中我们有服务分类器,我们用它来完成这个任务。将在下一次实现时使用内核技巧。python代码见此处,jupyter笔记本见此处那就是。
朴素贝叶斯分类器(朴素贝叶斯分类器)和黑盒机器学习(黑盒机器学习)|第15天
学习不同类型的朴素贝叶斯分类器同时开始Bloomberg的课程.课程列表中的第一个是黑盒机器学习.它给出了预测函数,特征提取,学习算法,性能评估,交叉验证,样本偏差,非平稳性,过度拟合和超参数调整的整体观点.
通过内核技巧实现支持向量机|第16天
使用科学工具包-学习库实现了支持向量机算法以及内核函数,该函数将我们的数据点映射到更高维度以找到最佳超平面。
在Coursera开始深度学习的专业课程|第17天
在1天内完成第1周和第2周内容以及学习课程中的逻辑回归神经网络。
继续Coursera上的深度学习专业课程|第18天
完成课程1.用Python自己实现一个神经网络.
学习问题和Yaser Abu-Mostafa教授|第19天
开始Yaser Abu-Mostafa教授的加州理工学院机器学习课程-CS156中的课程1.这基本上是对即将到来的课程的一种介绍.他也介绍了感知算法.
深度学习专业课程2|第20天
完成改进深度神经网络第1周内容:参数调整,正则化和优化.
网页搜罗|第21天
观看了一些关于如何使用美汤进行网络爬虫的教程,以便收集用于构建模型的数据。
学习还可行吗?|第22天
完成Yaser Abu-Mostafa教授的加州理工学院机器学习课程-CS156中的课程2.学习Hoeffding不等式.
决策树|第23天
统计学习理论的介绍|第24天
彭博ML课程的第3课介绍了一些核心概念,如输入空间,动作空间,结果空间,预测函数,损失函数和假设空间。
决策树|第25天
跳到复习线性代数|第26天
发现Youtube一个神奇的频道3Blue1Brown,它有一个播放列表“线性代数的本质”。看完了4个视频,包括了向量,线性组合,跨度,基向量,线性变换和矩阵乘法.
B站播放列表在这里那就是。
跳到复习线性代数|第27天
继续观看了4个视频,内容包括三维变换、行列式、逆矩阵、列空间、零空间和非方矩阵.
B站播放列表在这里那就是。
跳到复习线性代数|第28天
继续观看了3个视频,内容包括点积和叉积.
B站播放列表在这里那就是。
跳到复习线性代数|第29天
观看了剩余的视频12到14,内容包括特征向量和特征值,以及抽象向量空间.
B站播放列表在这里那就是。
微积分的本质|第30天
完成上一播放列表后,Youtube推荐了新内容“微积分的本质”,今天看完了其中的3个视频,包括导数、链式法则、乘积法则和指数导数。
B站播放列表在这里那就是。
微积分的本质|第31天
观看了2个视频,内容包括隐分化与极限.
B站播放列表在这里那就是。
微积分的本质|第32天
观看了剩余的4个视频,内容包括积分与高阶导数.
B站播放列表在这里那就是。
随机森林|第33天
随机森林|第34天
什么是神经网络?|深度学习,第1章|第35天
Youtube频道3Blue1Brown中有精彩的视频介绍神经网络。这个视频提供了很好的解释,并使用手写数字数据集演示基本概念.
B站视频在这里那就是。
梯度下降法,神经网络如何学习|深度学习,第2章|第36天
Youtube频道3Blue1Brown关于神经网络的第2部分,这个视频用有趣的方式解释了梯度下降法。推荐必须观看169
B站视频在这里那就是。
反向传播法究竟做什么?|深度学习,第3章|第37天
Youtube频道3Blue1Brown关于神经网络的第3部分,这个视频主要介绍了偏导数和反向传播法。
B站视频在这里那就是。
反向传播法演算|深度学习,第4章|第38天
Youtube频道3Blue1Brown关于神经网络的第3部分,这个视频主要介绍了偏导数和反向传播法。
B站视频在这里那就是。
第1部分|深度学习基础Python,TensorFlow和Kera|第39天
第2部分|深度学习基础Python,TensorFlow和Kera|第40天
第3部分|深度学习基础Python,TensorFlow和Kera|第41天
第4部分|深度学习基础Python,TensorFlow和Kera|第42天
K-均值聚类|第43天
转到无监督学习,并研究了聚类.可在作者网站查询.发现一个奇妙的动画有助于理解K-均值聚类
K-均值聚类|第44天
(实现(待添加代码)
深入研究|数字|第45天
得到JK Vanderplas写的书“Python数据科学手册(Python数据科学手册)”,Jupyter Notebook在这里那就是。
高清中文版pdf
第2章:Numpy介绍,包括数据类型、数组和数组计算。
代码如下:
2 NumPy入门
深入研究|数字|第46天
第2章:聚合,比较运算符和广播.
代码如下:
2.4 聚合:最小值、最大值和其他值
深入研究|数字|第47天
第2章:花哨的索引,数组排序,结构化数据.
代码如下:
2.7 花哨的索引
深入研究|熊猫|第48天
第3章:熊猫数据处理
包含Pandas对象,数据取值与选择,数值运算方法,处理缺失值,层级索引,合并数据集.
代码如下:
3 Pandas数据处理
深入研究|熊猫|第49天
第3章:完成剩余内容-合并与连接,累计与分组,数据透视表.
代码如下:
3.7 合并数据集:合并与连接
深入研究|熊猫|第50天
第3章:向量化字符串操作,处理时间序列.
代码如下:
3.10 向量化字符串操作
深入研究|MATPLOTLIB|第51天
第4章:Matplotlib数据可视化
学习简易线形图,简易散点图,密度图与等高线图
代码如下:
4 Matplotlib数据可视化
深入研究|MATPLOTLIB|第52天
第4章:Matplotlib数据可视化
学习直方图,配置图例,配置颜色条,多子图.
代码如下:
4.5 直方图
深入研究|MATPLOTLIB|第53天
第4章:Matplotlib数据可视化
学习三维绘图.
4.12 画三维图