前面总结了马尔科夫决策过程之MarkovProcesses（马尔科夫过程），见下文：马尔科夫决策过程之MarkovProcesses（马尔科夫过程）马尔科夫决策过程之MarkovRewardProcess（马尔科夫奖励过程），见下文：马尔科夫决策过程之MarkovRewardProcess（马尔科夫奖励过程）本文总结一下马尔科夫决策过程之BellmanEquation（贝尔曼方程）1Bellman
分类：
其他好文 时间：
2020-11-30 15:35:59
阅读次数：
6
【内容简介】系统详解分类器性能指标，什么是准确率-Accuracy、精确率-Precision、召回率-Recall、F1值、ROC曲线、AUC曲线、误差-Error、偏差-Bias、方差-Variance及Bias-VarianceTradeoff在任何领域，评估（Evaluation）都是一项很重要的工作。在MachineLearning领域，定义了许多概念并有很多手段进行评估工作1混淆矩阵-
分类：
其他好文 时间：
2020-11-30 15:15:08
阅读次数：
9
主要内容（下划线部分）：接上篇博文：干货|掌握机器学习数学基础之优化[1]（重点知识）1、计算复杂性与NP问题2、上溢和下溢3、导数，偏导数及两个特殊矩阵4、函数导数为零的二三事5、方向导数和梯度6、梯度有什么用7、梯度下降法8、牛顿法1方向导数和梯度：方向导数:在之前讲偏导数的时候，相信很多人已经看出，偏导数求的都是沿着坐标轴的变化率，不管多少维也好，都只是求的变化率，那现在问题来了，如果我想求
分类：
其他好文 时间：
2020-11-30 15:14:34
阅读次数：
5
文章主要目录如下：1.批量梯度下降法BGD原理讲解2.随机梯度下降法SGD原理讲解3.小批量梯度详解MBGD原理讲解4.具体实例以及三种实现方式代码详解5.三种梯度下降法的总结在应用机器学习算法时，我们通常采用梯度下降法来对采用的算法进行训练。其实，常用的梯度下降法还具体包含有三种不同的形式，它们也各自有着不同的优缺点。下面我们以线性回归算法来对三种梯度下降法进行比较。一般线性回归函数的假设函数为
分类：
其他好文 时间：
2020-11-27 11:55:19
阅读次数：
30
1前言6月23日，吴恩达宣布离开百度三个月后的创业项目：Deeplearning.ai，8月8日，吴恩达的最新课程“DeepLearningSpecialization”正式在Coursera上线，当时无论是在学界还是工业界都引起不小轰动，可见吴恩达老师的影响力。2初识我依稀记得第一次接触吴恩达老师课程是在大二参加创新项目，由于需要用到机器学习，在网易公开课看的斯坦福的machinelearnin
分类：
其他好文 时间：
2020-11-27 11:37:27
阅读次数：
8
为什么要对数据进行归一化处理在喂给机器学习模型的数据中，对数据要进行归一化的处理。为什么要进行归一化处理，下面从寻找最优解这个角度给出自己的看法。1例子假定为预测房价的例子，自变量为面积，房间数两个，因变量为房价。那么可以得到的公式为：其中代表房间数，代表变量前面的系数。其中代表面积，代表变量前面的系数。首先我们祭出两张图代表数据是否均一化的最优解寻解过程。未归一化：归一化之后为什么会出现上述两个
分类：
其他好文 时间：
2020-11-27 11:26:59
阅读次数：
6
机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。本文为您总结一下常见的机器学习算法，以供您在工作和学习中参考。机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。学习方式根据数据类型的不同，对一个问题的建模有不同的方式
分类：
编程语言 时间：
2020-11-27 11:25:54
阅读次数：
12
10分钟快速入门PyTorch(1)上一篇教程10分钟入门pytorch(0)我们基本的介绍了pytorch里面的操作单元，Tensor，以及计算图中的操作单位Variable，相信大家都已经熟悉了，下面这一部分我们就从两个最基本的机器学习，线性回归以及logistic回归来开始建立我们的计算图进行运算。由于这个系列文章主要是将pytorch教程的，所以每个算法的太多数学背景以及推导过程就不再细讲
分类：
其他好文 时间：
2020-11-27 10:55:05
阅读次数：
5
在应用机器学习算法时，我们通常采用梯度下降法来对采用的算法进行训练。其实，常用的梯度下降法还具体包含有三种不同的形式，它们也各自有着不同的优缺点。下面我们以线性回归算法来对三种梯度下降法进行比较。一般线性回归函数的假设函数为：对应的损失函数为：（这里的1/2是为了后面求导计算方便）下图作为一个二维参数（theta0，theta1）组对应能量函数的可视化图：下面我们来分别讲解三种梯度下降法1批量梯度
分类：
其他好文 时间：
2020-11-27 10:49:35
阅读次数：
5
向量化编程总结记录很多时候，我们在实现算法的时候，总会碰到累和的伪代码：比如下面这个：为了简单我这里只重复5次，但是原理是一样的。很显然我们要得到这个结果，非常简单，比如下面的这段python代码：那么我们有没有更好的办法呢？有的，看到X,Y都是向量，我们很容易想到向量化编程。比如改成下面这段代码：啊上面这段代码，其实最关键的就是一行代码，就是np.dot(X_array,Y_array)这句话，
分类：
其他好文 时间：
2020-11-26 15:21:15
阅读次数：
15
