1. https://www.sololearn.com/ 2. https://teamtreehouse.com/ 3. https://in.udacity.com/ 4. https://www.lynda.com/ 5. https://www.udemy.com/ ...
分类：
Web程序 时间：
2019-03-12 14:07:11
阅读次数：
206
四、动态规划1.在动态规划设置中，智能体完全了解表示环境特性的马尔可夫决策流程 (MDP)。（这比强化学习设置简单多了，在强化学习设置中，智能体一开始不知道环境如何决定状态和奖励，必须完全通过互动学习如何选择动作。） 2.迭代方法求状态值函数迭代方法先对每个状态的值进行初始猜测。尤其是，我们先假设每 ...
分类：
其他好文 时间：
2019-02-13 19:31:50
阅读次数：
173
Evernote Export 支持向量机(Support Vector Machine) 不适定问题不止一个决策边界 要找一个决策边界，不仅能将训练集很好的划分，而且提升模型的泛化能力 支持向量机直接将算法放在运行的内部，在不适定的问题中，使用svm去建模是好的 svm是统计学习中非常重要的方法 ...
分类：
其他好文 时间：
2019-01-14 18:01:40
阅读次数：
303
Evernote Export 机器学习的运行步骤 1.导入数据 没什么注意的，成功导入数据集就可以了，打印看下数据的标准格式就行 用个info和describe 2.分析数据 这里要详细分析数据的内容，看看缺省值和数据的特征，主要是为了看到数据的特征，并且人肉分析一下特征值对目标值的大约影响，嗯， ...
分类：
其他好文 时间：
2019-01-08 19:35:40
阅读次数：
138
一、神经网络1.为了进行梯度下降，误差函数不能是离散的，而必须是连续的。误差函数必须是可微分的。同时，要将离散预测变成连续预测，方法是将激活函数从阶跃函数变成S函数。 2.最大似然法：选出实际发生的情况所对应的概率更大的模型。 3.交叉熵(损失函数)：将得到的概率取对数，对它们的相反数进行求和。准确 ...
分类：
其他好文 时间：
2018-11-26 22:09:27
阅读次数：
260
笔者从去年5月份下定决心离开汽车制造行业，6月份开始学习Udacity的DAND（DataAnalysisNanoDegree,数据分析纳米学位）课程至今。历经10个月挑灯苦读和1个月四处碰壁，终于在近期收货两个offer，正式开始自己数据分析师的生涯。回望这段时间，一把心酸、两处失落、几多彷徨、些许苦闷，凡此种种不足与外人道。不过终究实现了职业生涯上一次重要的转变。我把这个过程中所思、所想、经验
分类：
其他好文 时间：
2018-11-24 14:29:05
阅读次数：
207
四、特征缩放1.特征缩放的优点：Andrew在他的机器学习课程里强调，在进行学习之前要进行特征缩放，目的是保证这些特征都具有相近的尺度，这将帮助梯度下降算法更快地收敛。python里常用的是preprocessing.StandardScaler()，公式为：(X-mean)/std，得到的结果是， ...
分类：
其他好文 时间：
2018-11-22 14:39:01
阅读次数：
196
全职学习三个月，我成功转行从事数据挖掘建模。我本科所学为设计专业，毕业第一年也是专业对口，个人不喜欢也不满意。工作几个月后我决定转行。￥学习方法一、入门：Udacity的MachineLearning课程提高对数据挖掘算法的兴趣，大致了解思想，但付费的纳米课程对刚入门的人不适合，看看精致的视频就好。廖雪峰python课程python是数据挖掘国内用的比较多的语言，比R应用广，廖雪峰python课程
分类：
其他好文 时间：
2018-11-18 16:04:15
阅读次数：
223
一、线性回归1.线性回归：一种用于预测数值数据的非常有效的算法。 假设直线为y=w1x+w2；点为(p,q)。调整直线的技巧：1)绝对值技巧：如果点在直线上方，y=(w1+pɑ)x+(w2+ɑ)，其中ɑ为学习速率。点在直线下方，y=(w1-pɑ)x+(w2-ɑ)。p存在的原因：a.如果点不在y轴的右 ...
分类：
其他好文 时间：
2018-11-14 22:26:56
阅读次数：
283
第一步. 导入数据 在这个项目中，你将利用马萨诸塞州波士顿郊区的房屋信息数据训练和测试一个模型，并对模型的性能和预测能力进行测试。通过该数据训练后的好的模型可以被用来对房屋做特定预测 尤其是对房屋的价值。对于房地产经纪等人的日常工作来说，这样的预测模型被证明非常有价值。 此项目的数据集来自UCI机器 ...
分类：
其他好文 时间：
2018-11-10 19:09:38
阅读次数：
200
