《機器學習實戰》學習筆記（十三）之利用SVD簡化資料
轉載請註明作者和出處：http://blog.csdn.net/john_bh/
執行平臺： Windows
Python版本： Python3.6
IDE： Sublime text3
[toc]
一、SVD
1.1 矩陣分解
1.2 利用Python實現SVD
1.3 SVD的應用
二、基於協同過濾的推薦引擎
2.1 相似度計算
三、例項：餐館菜餚推薦引擎
1 在Numpy中實現PCA
2 利用PCA對半導體制造資料降維
四、基於SVD的影象壓縮
、總結
相關推薦
《機器學習實戰》學習筆記（十三）之利用SVD簡化資料
轉載請註明作者和出處：http://blog.csdn.net/john_bh/ 執行平臺： Windows Python版本： Python3.6 IDE： Sublime text3
《機器學習實戰》筆記（三）：樸素貝葉斯
4.1 基於貝葉斯決策理論的分類方法 樸素貝葉斯是貝葉斯決策理論的一部分，貝葉斯決策理論的的核心思想，即選擇具有最高概率的決策。若p1(x,y)和p2(x,y)分別代表資料點(x,y)屬於類別1,2的概率，則判斷新資料點(x,y)屬於哪一類別的規則是： 4.3 使用條件概率來分類
《機器學習實戰》 筆記（一）：K-近鄰演算法
一、K-近鄰演算法 1.1 k-近鄰演算法簡介 簡單的說，K-近鄰演算法採用測量不同特徵值之間的距離的方法進行分類。 1.2 原理 存在一個樣本資料集合，也稱作訓練樣本集，並且樣本集中每個資料都存在標籤，即我們知道樣本集中每一資料 與所屬分類的對應關係。輸入沒有標籤的新資料
機器學習實戰讀書筆記（四）：樸素貝葉斯演算法
樸素貝葉斯 優點: 在資料較少的情況下仍然有效 可以處理多類別問題 缺點：對輸入的資料的準備方式較為敏感 適用資料型別：標稱型資料 p1(x,y)>p2(x,y) 那麼類別是1 p2(x,y)>p1(x,y) 那麼類別是2 貝葉斯決策的核心是選擇具有最高概率的決策
Andrew Ng機器學習課程筆記（十三）之無監督學習之EM演算法
Preface Jensen’s Inequality（Jensen不等式） Expectation-Maximization Algorithm（EM演算法） Jensen’s Inequality 對於凸函式 令f(x)f(x)為
《機器學習實戰》學習筆記（七）之預測數值型別資料：迴歸
轉載請註明作者和出處：http://blog.csdn.net/john_bh/ 執行平臺： Windows Python版本： Python3.6 IDE： Sublime text3 一、降維技術 1.1 什麼是降維 降維就是
機器學習實戰決策樹（一）——資訊增益與劃分資料集
from math import log #計算給定的熵 def calcsahnnonent(dataset): numentries = len(dataset) #計算例項的總數 labelcounts ={} #
OpenResty 最佳實踐學習--實戰演習筆記（3）
本篇總結來自 OpenResty(Nginx+Lua)開發入門 ，基本的程式碼沒有改動，主要是自己實際動手操作，測試 Nginx Lua API ！ 我們需要接收請求、處理並輸出響應。而對於請求我們需要獲取如請求引數、請求頭、Body體等資訊；而對於處理就
深度學習論文閱讀筆記（三）之深度信念網路DBN
想要獲得更多深度學習在NLP方面應用的經典論文、實踐經驗和最新訊息，歡迎關注微信公眾號“DeepLearning_NLP” 或者掃描下方二維碼新增關注。 深度神經網路 12.《受限波爾茲曼機簡介》 （1）主要內容：主要介紹受限玻爾茲曼機（RBM）的基本模型、學習
機器學習筆記（十三）：TensorFlow實戰五（經典卷積神經網路： LeNet -5 ）
1 - 引言 之前我們介紹了一下卷積神經網路的基本結構——卷積層和池化層。通過這兩個結構我們可以任意的構建各種各樣的卷積神經網路模型，不同結構的網路模型也有不同的效果。但是怎樣的神經網路模型具有比較好的效果呢？ 下圖展示了CNN的發展歷程。 經過人們不斷的嘗試，誕生了許多有
機器學習筆記（十三）：降維
目錄 1）Motivation 1:Data Compression 2）Motivation 2: Data Visualization 3）Principal Component Analysis problem formulation 4）Principal Compone
《機器學習實戰》學習筆記（六）之提升和Adaboost（上）基礎理論以及演算法推導
轉載請註明作者和出處：http://blog.csdn.net/john_bh/ CSDN部落格專欄：## Github程式碼獲取：## 執行平臺： Windows Python版本： Python3.6 IDE： Sublime text3
《機器學習實戰》學習筆記（十）之使用Apriori演算法進行關聯
轉載請註明作者和出處：http://blog.csdn.net/john_bh/ 執行平臺： Windows Python版本： Python3.6 IDE： Sublime text3 背景 一、關聯分析 二、Apriori原理
《機器學習實戰》學習筆記（九）之聚類
轉載請註明作者和出處：http://blog.csdn.net/john_bh/ 執行平臺： Windows Python版本： Python3.6 IDE： Sublime text3
2018-3-21李巨集毅機器學習視訊筆記（十三）--“Hello Wrold” of Deep learning
Keras：有關的介紹：總的來說就是一個深度學習框架keras - CSDN部落格https://blog.csdn.net/xiaomuworld/article/details/52076202軟體工程中的框架：一種可複用的設計構件（從巨集觀上大體結構的一種規定約束）軟體
《機器學習實戰》學習筆記（四）之Logistic（上）基礎理論及演算法推導、線性迴歸，梯度下降演算法
轉載請註明作者和出處：http://blog.csdn.net/john_bh/ 執行平臺： Windows Python版本： Python3.6 IDE： Sublime text3 一、概述 Logistic迴歸是統計學習中的經典
Andrew Ng機器學習課程筆記（四）之神經網絡
sca 優化 介紹 www 之間 output 現在 利用 href Andrew Ng機器學習課程筆記（四）之神經網絡 版權聲明：本文為博主原創文章，轉載請指明轉載地址 http://www.cnblogs.com/fydeblog/p/7365730.html 前言
如鵬網學習筆記（十三）EasyUI
bar -h 學習筆記 val datagrid center sheet 手機號 cti 一、EasyUI簡介 是一組基於JQuery的UI插件集合 主要作用：為JQuery對象提供新的方法，實現新的功能 可以快速創建出簡潔、友好、美觀的頁面，非常適合做
Python學習筆記（十三）
應該 成功 緩存 with open 文件 學習 編碼 打開 gbk 一、讀文件 file = open("文件路徑名","讀寫模式") # r ：讀模式 、w ：寫模式、a ：追加模式 如果文件存在，則打開文件成功，如果文件不存在，則打開錯誤，會拋出一個IOEr
R語言學習筆記（十三）：時間序列
abs 以及 stat max 時間 aic air ror imp #生成時間序列對象 sales<-c(18,33,41,7,34,35,24,25,24,21,25,20,22,31,40,29,25,21,22,54,31,25,26,35) tsal