从零开始:机器学习20161101

今天开始学习机器学习,主要在于几个方面,就是机器学习对于我个人的几个方面提升都特别大。不管是金融还是图像。

在金融我需要机器学习对于我的策略进行重构与评价。

在图像,我擅长的是模式识别,需要大量的数据处理,机器学习是大数据的根本。

从今天开始,每天学一点。坚持下去吧。

机器学习的关键在于如何入门,如何降维。我有一些最优化的思想。之前应用较多的是最小二乘法。也是最优化思想的一部分。

目前找到的学习资料是斯坦福大学机器学习公开课视频与讲义。整体来看,讲义的效果更好。

目前的关键是计划与写代码的习惯。仍然选择用Matlab和octave来处理验证算法是比较好的。而用python来进一步理解也是可行的。

说说目前已知的情况:

监督学习和无监督学习

聚类和分类

各种算法的思想与原型

时间: 2024-08-20 21:10:14

从零开始:机器学习20161101的相关文章

从零开始机器学习 第1篇 一个感知机的实现

0. 训练数据集:Iris dataset (鸢尾花数据集),获取网址https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data 如下图所示,鸢尾花数据集中每行数据前四列为特征值分别是花瓣长/宽.花萼长/宽,鸢尾花分三类:Setosa,Versicolor,Virginica 可以用如下示例代码保存数据集并显示最后5行 1 import pandas as pd 2 df = pd.read_csv('http

从零实现来理解机器学习算法:书籍推荐及障碍的克服

前部为英文原文,原文链接:http://machinelearningmastery.com/understand-machine-learning-algorithms-by-implementing-them-from-scratch/ 后部为中文翻译,本文中文部分转自:http://www.csdn.net/article/2015-09-08/2825646 Understand Machine Learning Algorithms By Implementing Them From

如何优雅的入门人工智能?

这两年,人工智能已经火到了全民皆知的地步.随着阿尔法狗声名鹊起之后,无人驾驶.人脸识别.邮箱分类.图片美化.声纹识别等人工智能的产物都进入了大家的视线.大家都对人工智能的前景很看好.其中不乏一些想入门人工智能的学生和IT类职员. 本文并不是给大家上人生课,用机器学习的语言来说,我这篇文章不是分类文,而是回归文.也就是说,具体要不要入门人工智能,大家要自己想好了,如果已经坚定了信念,今后要在人工智能的路上走下去的话,恭喜你,你至少已经成功了四分之一.我结合着自己在人工智能领域的经验,给大家分享下该

《Python机器学习及实践:从零开始通往Kaggle竞赛之路》

<Python 机器学习及实践–从零开始通往kaggle竞赛之路>很基础 主要介绍了Scikit-learn,顺带介绍了pandas.numpy.matplotlib.scipy. 本书代码基于python2.x.不过大部分可以通过修改print()来适应python3.5.x. 提供的代码默认使用 Jupyter Notebook,建议安装Anaconda3. 最好是到https://www.kaggle.com注册账号后,运行下第四章的代码,感受下. 监督学习: 2.1.1分类学习(Cla

《机器学习及实践--从零开始通往Kaggle竞赛之路》

<机器学习及实践--从零开始通往Kaggle竞赛之路> 在开始说之前一个很重要的Tip:电脑至少要求是64位的,这是我的痛. 断断续续花了个把月的时间把这本书过了一遍.这是一本非常适合基于python入门的机器学习入门的书籍,全书通俗易懂且有代码提供.书中源代码连接为Ipython环境.主页君使用的是pycharm,python2.7,具体安转过程书本写的很详细.码完书中代码,有一点点点小不符(或许可能是因为平台不一样),百度基本可以解决问题(有问题也可以留言探讨).贴一点代码,以示学习: 1

从零开始的机器学习总结笔记

从今天开始会慢慢更新机器学习的学习笔记,本人在机器学习方面基本上是从零开始的.以下是本人的基本背景: 1. 英文听说读写流畅. 2. 有一定的网页编程基础. 3. 大学数学水平中等. 4. 无机器学习经验. 本人计划在8个月内(2017年4月)之前将机器学习水平提升至入门至中等级别并且找到相关专业的工作.学习主要分为两个阶段: 1.在coursera平台上的Ng大神的奠基阶段.(1.5个月) 2.在Udacity上的实战阶段.(6-7个月) 每个阶段都已当年的学习平台进度为主线,以其他方面的知识

Python机器学习及实践+从零开始通往Kaggle竞赛之路

内容简介 本书面向所有对机器学习与数据挖掘的实践及竞赛感兴趣的读者,从零开始,以Python编程语言为基础,在不涉及大量数学模型与复杂编程知识的前提下,逐步带领读者熟悉并且掌握当下最流行的机器学习.数据挖掘与自然语言处理工具,如Scikitlearn.NLTK.Pandas.gensim.XGBoost.Google Tensorflow等. 全书共分4章.第1章简介篇,介绍机器学习概念与Python编程知识:第2章基础篇,讲述如何使用Scikitlearn作为基础机器学习工具:第3章进阶篇

第一篇 学习机器学习,从零开始准备

 写在最开始:学了几个月,看了很多建议,走了不少弯路,不忘初心,坚持到底! 以下内容以及接下来的 [机器学习] 系列随笔会记录下我的学习路程,希望对各位有所帮助. 学习原因:危机感 学习准备: 1.下载安装了python 2.7, 后来换成了python3.0,安装各种库累的半死然后下载anaconda一次性搞定,然后python入门,略 2.下载安装了octave,然后看了一份octave入门,在看吴恩达coursera的课程之前,竟然不知道有如此简洁苗条的matlab替代品! 3.找了一堆学

机器学习进阶笔记之一 | TensorFlow安装与入门

原文链接:https://zhuanlan.zhihu.com/p/22410917 TensorFlow 是 Google 基于 DistBelief 进行研发的第二代人工智能学习系统,被广泛用于语音识别或图像识别等多项机器深度学习领域.其命名来源于本身的运行原理.Tensor(张量)意味着 N 维数组,Flow(流)意味着基于数据流图的计算,TensorFlow 代表着张量从图象的一端流动到另一端计算过程,是将复杂的数据结构传输至人工智能神经网中进行分析和处理的过程. -- 由 UCloud