自学机器学习三个月，接触到了各种算法，然而很多知其然而不知其所以然，因此想对过往所学的知识做个总结，该系列的文章不会有过多的算法推导。 我们知道较早的分类模型——感知机（1957年）是二类分类的线性分类模型，也是后来神经网络和支持向量机的基础。支持向量机（Support vector machine ...
分类：
编程语言 时间：
2018-06-23 22:51:03
阅读次数：
239
先扯点闲篇儿，直取干货者，可以点击这里。 我曾误打误撞的搞过一年多的量化交易，期间尝试过做价格和涨跌的预测，当时全凭一腔热血，拿到行情数据就迫不及待地开始测试各种算法。 最基本的算法是技术指标类型的，原生的技术指标，改版的技术指标，以技术指标为特征构造机器学习算法，都做过。不论哪种方法，都绕不开一件 ...
分类：
其他好文 时间：
2018-06-23 18:59:28
阅读次数：
663
翻译工作接近尾声，微信公众号推送也由日更变成了周更，可总觉得放在公众号上不方便查阅。另一方面也是觉得如此仓促的翻译，除了翻译腔外必然还存在着各种各样的问题。担心由于我个人的翻译水平影响这本小册子的口碑，于是昨天晚上和吴田商量将它开源到 GitHub ，这样可以让大家一起参与翻译的改善工作，所有人都可... ...
分类：
系统相关 时间：
2018-06-20 23:59:35
阅读次数：
1524
机器学习算法题 线性回归和逻辑回归的异同？ SVM和LR(逻辑回归)有什么不同？ 线性回归的输入变量和输出变量都是连续的，逻辑回归的输入变量是连续的，输出变量是类别（或者说是离散的、枚举的）。 SVM和LR一般都用于处理分类问题，不同的是二者的实现原理，SVM是以支持向量到分类平面的距离最大化为优化 ...
分类：
编程语言 时间：
2018-06-20 21:34:37
阅读次数：
342
1、决策树 适用条件：数据不同类边界是非线性的，并且通过不断将特征空间切分为矩阵来模拟。特征之间有一定的相关性。特征取值的数目应该差不多，因为信息增益偏向于更多数值的特征。 优点：1.直观的决策规则；2.可以处理非线性特征；3.考虑了变量之间的相互作用。 缺点：1.容易过拟合（随机森林、剪枝）；2. ...
分类：
编程语言 时间：
2018-06-19 13:50:46
阅读次数：
326
参考：https://blog.csdn.net/iterate7/article/details/78881562 在运用一些机器学习算法的时候不可避免地要对数据进行特征缩放（feature scaling），比如：在随机梯度下降（stochastic gradient descent）算法中，特 ...
分类：
其他好文 时间：
2018-06-18 15:04:47
阅读次数：
171
奇异值分解(Singular Value Decomposition，以下简称SVD)是在机器学习领域广泛应用的算法，它不光可以用于降维算法中的特征分解，还可以用于推荐系统，以及自然语言处理等领域。是很多机器学习算法的基石。本文就对SVD的原理做一个总结，并讨论在在PCA降维算法中是如何运用运用SV ...
分类：
其他好文 时间：
2018-06-15 21:47:58
阅读次数：
191
90年代初为什么没有“蹦极” 从高处一跃而下的happy，这事情不可能发生在90年代的娱乐花费中，除了自己是在想不开。为什么？因为不顺应时代发展需要，有很多地方温饱都还没有解决。那个年代什么顺应时代了呢，海尔冰箱、美的、格力 格兰仕等等，所以他们发展到了今天！ 顺应很重要，其实就是“选择” 你知道吗 ...
分类：
编程语言 时间：
2018-06-14 14:52:34
阅读次数：
177
在机器学习算法中，我们经常会遇到分类特征，例如：人的性别有男女，祖国有中国，美国，法国等。这些特征值并不是连续的，而是离散的，无序的。通常我们需要对其进行特征数字化。 那什么是特征数字化呢？例子如下： 性别特征：["男"，"女"] 祖国特征：["中国"，"美国，"法国"] 运动特征：["足球"，"篮 ...
分类：
其他好文 时间：
2018-06-14 11:38:19
阅读次数：
209
粒子群算法是模拟鸟群蜂群的觅食行为的一种算法。基本思想是通过群体中个体之间的协作和信息共享来寻找最优解。试着想一下一群鸟在寻找食物，在这个区域中只有一只虫子，所有的鸟都不知道食物在哪。但是它们知道自己的当前位置距离食物有多远，同时它们知道离食物最近的鸟的位置。想一下这时候会发生什么？鸟A：哈哈哈原来虫子离我最近！鸟B,C,D：我得赶紧往A那里过去看看！同时各只鸟在位置不停变化时候离食物的距离也不断
分类：
其他好文 时间：
2018-06-12 10:28:46
阅读次数：
658
