機器學習公眾號推薦（值得關注的公眾號）
【CV之城】
CV之城重點關注於前沿領域：帶你領略機器學習、深度學習、人工智慧中的演算法和思想，以及相關資訊
同時會邀請相關人員分享專案經歷和學習歷程
讓我們一起在計算機視覺領域進步！
【計算機視覺聯盟】
博士團隊打造的微信公眾號【計算機視覺聯盟】，主要分享深度學習、機器學習、影象解譯、人工智慧、無人駕駛等熱門領域，開源框架學習（如TensorFlow）、專案經歷及程式語言(C++、python)等諮訊
相關推薦
10大機器學習開源專案推薦（Github平均star為1385）
翻譯 | suisui出品 | 人工智慧頭條（AI_Thinker）本文推薦的10大機器學習開源專案是由Myb
機器學習：決策樹（基尼系數）
try matplot 代碼實現 sci bubuko div tro 兩種 () 一、基礎理解 1）公式 k：數據集中樣本類型數量； Pi：第 i 類樣本的數量占總樣本數量的比例 2）實例計算基尼系數 3 種情況計算基尼系數： 基尼系數的性質與信息熵
先驗概率、後驗概率、似然函數與機器學習中概率模型（如邏輯回歸）的關系理解
集中 並且 結果 概率論 但我 evidence logs 硬幣 之前 看了好多書籍和博客，講先驗後驗、貝葉斯公式、兩大學派、概率模型、或是邏輯回歸，講的一個比一個清楚 ，但是聯系起來卻理解不能 基本概念如下 先驗概率：一個事件發生的概率 \[P(y)\] 後驗概
自動機器學習超引數調整（貝葉斯優化）
【導讀】機器學習中，調參是一項繁瑣但至關重要的任務，因為它很大程度上影響了演算法的效能。手動調參十分耗時，網格和隨機搜尋不需要人力，但需要很長的執行時間。因此，誕生了許多自動調整超引數的方法。貝葉斯優化是一種用模型找到函式最小值方法，已經應用於機器學習問題中的超引數搜尋，這種方法效能好，同時比隨機搜尋省時。此
機器學習資料預處理（sklearn庫系列函式）
【1】 sklearn.preprocessing.PolynomialFeatures PolynomialFeatures有三個引數 degree：控制多項式的度 interaction_
機器學習系列1 PCA（主成分分析法）
1.PCA的應用 1.降維 2.去除資料相關性，對資料特徵進行抽取 2.主成分選擇原則 (1)主成分是原來變數的線性組合; (2)各主成分之間互不相關; (3)主成分分析的實質就是找到一個正交變換,即有正交陣U,使得一個?維向量
機器學習之模型評估（還是沒搞定...）
任務介紹 1.任務：預測貸款使用者是否會逾期 2.status是標籤：0表示未逾期，1表示逾期 【任務四：模型評估】記錄五個模型關於precision，rescore，f1，auc，roc的評分表格，畫出auc和roc曲線圖。 模型 Precesion
機器學習---線性回歸（Machine Learning Linear Regression）
包括 rest 梯度下降法 向量 鞍點 麻煩 貝葉斯 div rem 線性回歸是機器學習中最基礎的模型，掌握了線性回歸模型，有利於以後更容易地理解其它復雜的模型。 線性回歸看似簡單，但是其中包含了線性代數，微積分，概率等諸多方面的知識。讓我們先從最簡單的形式開始。
機器學習演算法之CART（分類和迴歸樹）
CART演算法介紹： 分類和迴歸樹（CART）是應用廣泛的決策樹學習方法。CART同樣由特徵選擇，樹的生成和減枝組成，既可以用於分類也可以用於迴歸。CART的生成就是遞迴的構建二叉決策樹的過程。對迴歸樹用平方誤差最小化（RMSE），對分類樹用基尼指數最小化準則
機器學習面試問題集（2018-3-13更新）
1 基礎概念 1.1 熵、聯合熵、條件熵、交叉熵與相對熵的意義？ 1.2 歸一化方法？ 1、線性函式歸一化(Min-Max scaling) 線性函式將原始資料線性化的方法轉換到[0 1]的範圍，歸一化公式如下： 2、0均值標準
機器學習之資訊增益（熵和條件熵）
要了解資訊增益，我們要先知道熵與條件熵的定義。 2.1 熵 熵是無序度的度量，在資訊理論和統計中，熵表示隨機變數不確定性的度量。假設XX是一個取有限值的離散型隨機變數，它的概率分佈如下： P(X=xi)=pi,i=1,2,…,nP(X=xi)=pi,i=1,2,…
斯坦福NG機器學習聽課筆記-推薦系統（recommender system）
推薦系統（recommender system） Problem Formulation: RecommenderSystems:為什麼講它有兩個原因：首先它是一個很重要的機器學習應用方向，在很多公司中佔據了重要作用，像亞馬遜之類網站都是很好的建立推薦系統促進商品銷售。其次推薦系
NLP大神推薦的機器學習入門書單（附大量百度網盤電子書）
繼NLP之後，我又開了ML這個大坑。這是因為NLP涉及到太多的ML模型，僅僅拿過來用的話，我實現的HanLP已經快到個人極限了。而模型背後的原理、如何優化、如何並行化等問題，都需要尋根求源才能解決。 所以我找了個書單自學，電子書為主，順便分享出來。 ML書單│李航.統
微信公眾號獲取OpenId（使用者授權）（無需關注公眾號）以及獲取使用者基本資訊
上一個部落格也寫了微信公眾號獲取OpenId，但是現在這個和上一個有什麼區別呢。 其實呢，是差不多的，只是這個是通過使用者授權。 但是，又會有人問了，明明可以未授權獲取到使用者的openId，那我為什麼要讓使用者進行授權呢，我偷偷的獲取不就好了嗎？ 好像很有道理，但是呢，
微信公眾號開發__微信網頁授權並獲取使用者基本資訊（是否關注公眾號、頭像、暱稱等）
本人最近要做微信公眾號網頁開發的專案，其中有個需求是判斷使用者是否關注公眾號，由於之前沒有接觸過微信授權的東西，所以提前開始做調研。在度娘上看了好多部落格、百度知道、百度經驗、知乎問答等，還仔細閱讀了微信公眾平臺開發文件，大致瞭解到： 微信網頁授
【金山雲】機器學習演算法工程師2017年8月29號電話一面（內推）
Update1（2017-08-30）: 同一個面試官面其他人問到的問題。 1、CNN 2、隨機森林 3、目標檢測演算法 4、CNN的各種架構和各個元件的作用 我只是很鬱悶，為什麼不問我這些？我很拿手
常用牛人主頁鏈接（計算機視覺、模式識別、機器學習相關方向,陸續更新。。。。）【轉】
short psu works charles 貝葉斯 learning 數學 ocr 相關 轉自：http://blog.csdn.net/goodshot/article/details/53214935 目錄(?)[-] The Kalman
機器學習基本概念總結（轉載）
9.png png log images es2017 enter 08-18 機器學習 style 機器學習基本概念總結（轉載）
機器學習--近鄰成分分析（NCA）算法 和 度量學習
學習 tar 本質 技術 結果 font ear art component 1、近鄰成分分析（NCA）算法 以上內容轉載自：http://blog.csdn.net/chlele0105/article/details/13006443 2、度量學習 在機器學習中，