机器学习文章精选

阅读 6
收藏 1
2019-08-18
原文链接:mp.weixin.qq.com

Hi,您好,首先感谢您关注我的公众号,此公众号建立已经半年,最初是源于自己在机器学习以及自然语言处理学习过程中的笔记心得。

公众号的每篇文章力争用简单的言语将一个原理或应用讲得易于理解,根据一部分同学的需求,现将公众号中机器学习相关文章做一个目录呈现,方便大家根据自己的需要定位到相关文章进行阅读,希望对大家有所帮助。

该公众号后续仍然会对机器学习以及自然语言处理领域知识进行总结,并会拓展到基础算法、数据结构以及高数、概率论、线性代数等基础知识方面的总结。

如果您对我的文章有什么想法,欢迎在文章底部留言或者直接在微信公众号处交流,我都会及时回复;我很乐意与您一起交流、探讨,共同进步!

        最后在此真诚的感谢所有转发、分享以及打赏的朋友们,虽然我们素未谋面,但因彼此怀着对知识的渴望而结识于网络,您们的每一次肯定,都是我维护公众号最大的动力!

机器学习精选文章链接

所有文章

1.《换个角度“聊”线性代数(一)

2.《形象的解释神经网络激活函数的作用是什么?

3.《通俗理解神经网络BP反向传播算法

4.《为什么梯度反方向是函数下降最快的方向?

5.《浅析神经网络为什么能够无限逼近任意连续函数?

6.《浅析感知机(一)--模型与学习策略

7.《浅析感知机(二)--学习算法及python代码剖析

8.《《浅析感知机(三)--收敛性证明与对偶形式以及python代码讲解》

9.《详解梯度下降法的三种形式BGD,SGD以及MBGD

10.《一文搞懂k近邻(k-NN)算法(一)

11.《完结篇|一文搞定k近邻算法(k-NN)算法(二)

12.《通俗详解softmax函数及其求导过程

13.《大白话解释模型产生过拟合的原因

14.《通俗讲解平方损失函数平方形式的数学解释?

15.《带你搞懂朴素贝叶斯分类算法

16.《理解朴素贝叶斯算法中的拉普拉斯平滑

17.《朴素贝叶斯分类实例-单词纠正问题

18.《谈谈准确率(P值)、召回率(R值)及F值

19.《浅析神经网络中一点优化知识

20.《可视图讲解神经元w,b参数的作用

21.《聊聊传统算法系统和机器学习系统的一点不同

22.《深入浅出理解决策树算法(一)-核心思想

23.《深入浅出理解决策树算法(二)-ID3算法与C4.5算法

24.《隐马尔科夫模型-基本模型与三个基本问题

25.《隐马尔科夫模型-前向算法

26.《机器学习中向量化编程总结记录

27.《干货|如何处理不均衡数据?

28.《logistic函数和softmax函数

29.《最优化问题的简介介绍是什么?

30.《为什么要对数据进行归一化处理?

31.《通俗理解激活函数的另一种解释

32.《花式解释AutoEncoder与VAE

33.《干货|最详尽的神经网络基础

34.《机器学习常见算法分类汇总

35.《梯度下降法的三种形式BGD、SGD以及MBGD

36.《评测时如何构造训练数据分布与测试数据分布保持一致

37.《为什么梯度的方向与等高线切线方向垂直?

38.《干货|SVM(一)·最全面的感知机总结

39.《干货|非常详细的神经网络入门解释

40.《干货|非常通俗的朴素贝叶斯算法(Naive Bayes)

41.《【西瓜书】周志华《机器学习》学习笔记与习题探讨(一)

42.《最大似然估计与最小二乘法的一点浅见

43.《干货|通俗讲解高斯过程回归

44.《干货|详解LinearSVM

45.《Python · SVM(三)· 核方法

46.《干货|用讲故事的办法帮你理解SMO算法

50.《干货|给妹纸的深度学习教学(0)——从这里出发

51.《干货| 台湾大学林轩田机器学习基石课程学习笔记4 -- Feasibility of Learning

52.《干货|感知机更新算法正确性的直观理解

全是通俗易懂的硬货!只需置顶~欢迎关注交流~

分享是一种乐趣,

如果你觉得我的文章对你有帮助,

欢迎转发到朋友圈,或分享给你的好友,这是对我最大的支持与鼓励。

评论