資料是機器學習模型的生命燃料。對於特定的問題，總有很多機器學習技術可供選擇，但如果沒有很多好的資料，問題將不能很好的解決。資料通常是大部分機器學習應用程式中效能提升背後的驅動因素。 有時，資料可能

李笑來“錄音門”事件已經3個月過去了，想必李笑來經歷一場從“懵逼——焦慮——從容——自信”跌宕起伏的心歷路程。 而韭菜們，日子就沒那麼好過了。 今年全球加密貨幣總市值從最高時接近 8000 億

原標題：陳安之：成功學教父的幣圈收割之路 也許是幣圈自帶黃金色的光環，因此口才好的人都喜歡扎堆往裡跑。如原新東方最受歡迎的老師李笑來，幣圈最擅長割韭菜的大佬。如 成功學教父-陳安之 ，熊市進入後瘋狂站

聚類 之前的課程中我們學習的都是監督學習相關的演算法，現在來開始看非監督學習。非監督學習相對於監督非學習來看，其使用的是未標記的訓練集而監督學習的是標記的訓練集。換句話說，我們不知道向量y的預期結果，僅僅只

(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 盲源分離是指在訊號的理論模型和源訊號無法精確獲

(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 主成分分析（Principal Compone

最小生成樹 是由n個節點的連通圖變化來的。這棵樹滿足如下條件： 1、是原來圖的子圖（原來的圖扣去了幾條邊） 2、在保證圖仍然連通的情況下，剩下的邊權和是最小的 3、滿足樹的性質 最小生成樹常

在“學習OpenCV3"的QQ群眾，網友且行且珍惜針對前期部落格（https://www.cnblogs.com/jsxyhelu/p/9345590.html）中的內容提出了以下問題：

來源：FK Films 自動編碼器（Autoencoder）通過將資料對映到低維空間，提取資料的顯著特徵。該過程會對資料進行壓縮編碼，即“encoder”， “auto” 則體現在其能決定如何重組資料

本文相關 Paper Summary :https://github.com/FDU-VTS/CVPaper

學習圖論也有好長時間了一些基本的模板再打一遍，今天的是最小生成樹的Kruskal演算法，自己一遍打出來儘管很fake但也是自己一遍打出來的有一點點感悟，Kruskal是運用貪心的思想來實現的先找最小邊 一次一次

降維 機器學習領域中所謂的降維就是指採用某種對映方法，將原高維空間中的資料點對映到低維度的空間中。降維的本質是學習一個對映函式 f : x->y，其中x是原始資料點的表達，目前最多使用向量表達形式。

1 特徵工程是什麼？ 有這麼一句話在業界廣泛流傳：資料和特徵決定了機器學習的上限，而模型和演算法只是逼近這個上限而已。那特徵工程到底是什麼呢？顧名思義，其本質是一項工程活動，目的是最大限度地從原始資料中