精华内容
下载资源
问答
  • 2021-06-15 00:31:59

    今年新书《机器学习:公式推导与代码实现》三稿即将改完,全书从去年年底开始整理,虽然有机器学习30讲的基础稿,但工作量仍然巨大。

    全书总共6大部分26个章节,包括入门、监督学习单模型、监督学习集成模型、无监督学习模型、概率模型和总结。

    书预计下半年可出版,全书代码仓库经过修改和整理之后先提前分享给各位读者。仓库的一些机器学习算法实现借鉴了一些GitHub上一些优秀的仓库代码,整体上力争做到简洁和基于NumPy搭建。

    每一个机器学习算法都有一个Jupyter文件,写法上尽量做到步骤清晰。目前除了第5部分尚有几章代码未更新外,全书其他代码均已更新。

    项目仓库地址为:

    https://github.com/luwill/Machine_Learning_Code_Implementation

    欢迎各位读者阅读和学习,关于代码和这本书也欢迎提更多的意见!

    往期精彩:
    【原创首发】机器学习公式推导与代码实现30讲.pdf
    【原创首发】深度学习语义分割理论与实战指南.pdf
     谈中小企业算法岗面试
    
     算法工程师研发技能表
    
     真正想做算法的,不要害怕内卷
     算法工程师的日常,一定不能脱离产业实践
    
     技术学习不能眼高手低
    
     技术人要学会自我营销
    
     做人不能过拟合
    
    求个在看
    更多相关内容
  • 机器学习Author:louwillMachine Learning Lab 机器学习数学推导与代码实现30讲已完成,主要包括监督学习模型、无监督学习模型、集成学习模型和概率模型...

    机器学习

    Author:louwill

    Machine Learning Lab

         

    机器学习数学推导与代码实现30讲已完成,主要包括监督学习模型、无监督学习模型、集成学习模型和概率模型四个大类29个模型和算法。现整理形成pdf版本并开提供开源下载。

    获取方式:

    扫描关注下方公众号回复 机器学习 即可。

    该系列机器学习模型的思维导图如下所示:

    完整版的pdf目录如下:

    获取方式:

    扫描关注下方公众号回复 机器学习 即可。

    另外本项目也会在后续时间持续改进和整理,完整版的代码会陆续在GitHub上进行更新。

    项目地址:

    https://github.com/luwill/machine-learning-code-writing

    展开全文
  • 深度学习原理推导与代码实现--朱明超 Github: github.com/MingchaoZhu/DeepLearning
  • 机器学习公式推导与代码实现 在实际工作和研究中,封装好的简单易用的 package 给我们的工作带来了莫大的便利,大大提高了我们机器学习模型和算法的实现效率。但这仅限于使用过程中。数学推导+纯numpy实现。 1. 线性...
  • 大家好!我是 louwill。经过一年零三个月的努力,《机器学习 公式推导与代码实现》已于日前正式出版了。关注过这本书的公众号读者应该知道,这本书在系列原创机器学习30讲的基础上,并参考了...

    大家好!我是 louwill。

    经过一年零三个月的努力,《机器学习 公式推导与代码实现》已于日前正式出版了。

    关注过这本书的公众号读者应该知道,这本书在系列原创机器学习30讲的基础上,并参考了李航老师的《统计学习方法》和周志华老师的西瓜书《机器学习》的理论体系,从公式推导代码实现两个维度来展示机器学习的基本内涵。

    377ecc58d99e66153d7708c650e776fe.png

    本书从20年8月开始选题和列大纲,到21年3月份完成初稿,到4月份完成二稿通稿,再到8月份编辑三稿修改,再到10月份四稿校样,最后到12月份付印稿完成,中间过程修改和反复着实不易。

    ba40dcde8edf178e0f2767065e2b8ded.png

    240631bfdadbdf7ef98c3b85e84ef88f.png

    3b3106921047755996f19062d3c22518.png

    0b1548b92f0dc86c4e580e5ae5a31e5d.png

    笔者作为一名算法工程师,从2017年以来就一直从事医疗数据和医学影像数据的处理和分析工作。在笔者的技术成长过程中,李航老师的《统计学习方法》和周志华老师的“西瓜书”《机器学习》,给了笔者极大的帮助和启发。国内做机器学习相关方向的学生和从业人员,这两本书几乎是人手一本。

    两位老师的书都有一个共同的特点,就是理论功底相当深厚,但不太注重于算法的代码实现。这两年笔者接触了不少找工作的同学,大部分同学除了在机器学习基本原理上狠下工夫之外,并不满足于现有的机器学习调包的学习方式,希望能够从底层的算法实现逻辑和方法上更加深入的掌握机器学习。事实上,随着这几年机器学习的火爆,从业门槛也越来越高,以至于经常出现让面试者现场手推逻辑回归和手写反向传播代码的情况。这些都使得笔者产生了撰写这本书的想法。

    机器学习是一门建立在数学理论上的应用型学科,完备的数学公式推导对于每一个研究机器学习的朋友都是非常必要的。而代码实现则是更加深入理解机器学习算法的内在逻辑和运行机制的不二法门。因而本书取名为《机器学习 公式推导与代码实现》,出发点正是来源于此。

    本书力求系统、全面的展示公式推导和代码实现这两个维度。全书分为六个大部分26个章节,包括入门介绍、监督学习单模型、监督学习集成模型、无监督学习模型、概率模型和最后的总结。其中监督学习两大部分是本书的重点内容。在叙述方式上,全书对于每一章对于一个具体的模型和算法。一般会以一个例子或者前序概念作为引入,然后重点从公式推导的角度来进行算法介绍,最后辅助以一定程度上的基础代码实现,重在体现算法实现的内在逻辑。各部分、各章内容相对独立,但前后又多有联系,读者可以从头到尾全书通读,也可以根据自身情况选取某一部分某一章节进行选读。

    bdbda57476658e2ef4ad714bd502ecb3.png

    全书代码已在GitHub开源,代码地址为:

    https://github.com/luwill/Machine_Learning_Code_Implementation

    01abe09b352eeab7baea0ab7761e9195.png

    感兴趣的读者可直接在当当或者京东购买,目前平台上75折出售。

    4f4e0d52a240be86ffc313cf9dd14f04.png

    d13ae1ee08f54acc453bce4fc265843b.png

    最后,为了感谢各位读者的一直以来的支持,特在公众号送出 3 本《机器学习 公式推导与代码实现》,依然是老规矩:评论区留言并点赞数前三的读者拿书。截止日期 2022 年 1 月 30 日晚上 6 点。

    展开全文
  • 大家好!我是louwill。经过一年零三个月的努力,《机器学习 公式推导与代码实现》已于日前正式出版了。关注过这本书的公众号读者应该知道,这本书在系列原创机器学习30讲的基础上,并参考了李...

    大家好!我是louwill。

    经过一年零三个月的努力,《机器学习 公式推导与代码实现》已于日前正式出版了。

    关注过这本书的公众号读者应该知道,这本书在系列原创机器学习30讲的基础上,并参考了李航老师的《统计学习方法》和周志华老师的西瓜书《机器学习》的理论体系,从公式推导代码实现两个维度来展示机器学习的基本内涵。

    792ecbed34c8619959b458c3bfc09c20.png

    本书从20年8月开始选题和列大纲,到21年3月份完成初稿,到4月份完成二稿通稿,再到8月份编辑三稿修改,再到10月份四稿校样,最后到12月份付印稿完成,中间过程修改和反复着实不易。

    df2b5120d0692c1b54c086b5202dc51d.png

    565573e57cabcd533d5513a7f9068283.png

    ad56232c8e5a2692dc7ee05140f6ba4c.png

    8b234c834a00194fa97bc1df74525972.png

    笔者作为一名算法工程师,从2017年以来就一直从事医疗数据和医学影像数据的处理和分析工作。在笔者的技术成长过程中,李航老师的《统计学习方法》和周志华老师的“西瓜书”《机器学习》,给了笔者极大的帮助和启发。国内做机器学习相关方向的学生和从业人员,这两本书几乎是人手一本。

    两位老师的书都有一个共同的特点,就是理论功底相当深厚,但不太注重于算法的代码实现。这两年笔者接触了不少找工作的同学,大部分同学除了在机器学习基本原理上狠下工夫之外,并不满足于现有的机器学习调包的学习方式,希望能够从底层的算法实现逻辑和方法上更加深入的掌握机器学习。事实上,随着这几年机器学习的火爆,从业门槛也越来越高,以至于经常出现让面试者现场手推逻辑回归和手写反向传播代码的情况。这些都使得笔者产生了撰写这本书的想法。

    机器学习是一门建立在数学理论上的应用型学科,完备的数学公式推导对于每一个研究机器学习的朋友都是非常必要的。而代码实现则是更加深入理解机器学习算法的内在逻辑和运行机制的不二法门。因而本书取名为《机器学习 公式推导与代码实现》,出发点正是来源于此。

    本书力求系统、全面的展示公式推导和代码实现这两个维度。全书分为六个大部分26个章节,包括入门介绍、监督学习单模型、监督学习集成模型、无监督学习模型、概率模型和最后的总结。其中监督学习两大部分是本书的重点内容。在叙述方式上,全书对于每一章对于一个具体的模型和算法。一般会以一个例子或者前序概念作为引入,然后重点从公式推导的角度来进行算法介绍,最后辅助以一定程度上的基础代码实现,重在体现算法实现的内在逻辑。各部分、各章内容相对独立,但前后又多有联系,读者可以从头到尾全书通读,也可以根据自身情况选取某一部分某一章节进行选读。

    99e083037c06fdfbbe39a2b15258be05.png

    全书代码已在GitHub开源,代码地址为:

    https://github.com/luwill/Machine_Learning_Code_Implementation

    e69e63eb3836ae2c0d4fc772d3637410.png

    感兴趣的读者可直接在当当或者京东购买,目前平台上75折出售。

    6ce7c59f6ee6a15f5a112b08766ac55e.png

    5ea3e738e2db0a52ddedcc55102768d2.png

    最后,为了感谢各位读者的一直以来的支持,特在公众号送出五本《机器学习 公式推导与代码实现》,依然是老规矩:评论区留言10字以上并点赞数前五的读者拿书

    到1月17日22:00截止。

    (为防止刷量,1月17日18时对留言前20名做个截图作为证据,与最终点赞数量作对比。)

    展开全文
  • import numpy as np import matplotlib.pyplot as plt from scipy.stats import uniform %matplotlib inline # 生成样本 fig, ax = plt.subplots(1,1) r = uniform.rvs(loc=0, scale=1, size=...# 均匀分布 pdf x =.
  • 2.掌握机器学习算法原理推导,从数学上理解算法是怎么来的以及其中涉及的细节。3.掌握每一个算法所涉及的参数,详解其中每一步对结果的影响。4.熟练使用Python进行建模实战,基于真实数据集展开分析,一步步完成整个...
  • 课程为CSDN学院人工智能课程打造,系统全面而又深入浅出的讲解了学习当中需要的各种基础数学知识,公式推导与理解等内容。概率部分包括概率公理及推论、条件概率、贝叶斯公式、随机变量及其概率函数(CDF/pdf)、...
  • 课程注重算法原理讲解与数学公式推导并基于Python语言给出完整的代码实现,从零开始实现每一模块功能(非调用工具包)通过代码实例演示算法工作流程实现方法,基于案例进行实验分析,算法涉及核心知识点全方位解读...
  • 线性回归数学推导机器学习的基石,是人工智能的算法基础, 可以被广泛的应用在在工作和学习。本节课就带领同学们从零开始一步一步的推导线性回归。课程内容包括矩阵转换、误差值分析、似然函数、小二乘、结果推导...
  • 吴恩达机器学习课程反向传播算法的数学推导 Proof of Back Propagation Algorithm.pdf 【本文旨在给出吴恩达机器学习课程反向传播算法的数学推导
  • 那么你需要这样一本帮你解决学习机器学习数学问题的书,首选《机器学习数学》,本书覆盖了人工智能领域中与机器学习相关的数学知识体系,不仅囊括了微积分和线性代数等基本数学原理,还详细讲解了概率论、信息论...
  • Python机器学习算法实现Author:louwillMachine Learning Lab 蒙特卡洛(Monte Carlo,MC)方法作为一种统计模拟和近似计算...
  • 码农 转 机器学习,logistic regression 推导过程,有启发,0基础可看懂,用颜色标注的很清楚 (修正前一个pdf问题)
  • 机器学习算法+代码

    千次阅读 2021-11-19 20:55:48
    机器学习 一、概述 1、机器学习研究方向 传统预测 图像识别 自然语言处理 2、数据集构成 数据集 = 特征值+目标值 监督学习: 目标值为类别 属于分类问题 目标值为连续数据 属于回归问题 无监督学习 无目标值 3...
  • 周志华老师的《机器学习》(西瓜书)是机器学习领域的经典入门教材之一,周老师为了使尽可能多的读者通过西瓜书对机器学习有所了解, 所以在书中对部分公式的推导细节没有详述,但是这对那些想深究公式推导细节的读者...
  • 从零开始:机器学习数学原理和算法实践> 编辑推荐  1.形象直白阐述机器学习算法原理2.细致讲解关键数学原理3.代码分段解读,帮助读者上手实操4.编程实践案例经典实用 内容简介  零基础读者应如何快速入门机器...
  • 人工神经网络方向的参考书首推 Simon Haykin 所著的 Neural Networks and Learning Machines,英文版于 2008 年出到第三版,中译本名为《神经网络与机器学习》,也有影印本。本书是“大而全”的参考手册类型,全书以...
  • 回归和分类从某种意义上,本质上是一回事。SVM分类,就是找到一个平面,让两个分类集合的支持向量或者所有的数据(LSSVM)离分类平面最远;SVR回 归,就是找到一个回归平面,让一个集合的所有数据到该平面的距离...
  • 宝藏机器学习资料分享(超高质量pdf直接下载) 个人珍藏资料分享、入门机器学习的宝藏 整理不易,有帮助到的话请点赞支持哦~ 机器学习 《Python神经网络编程》 《机器学习》(西瓜书) 《机器学习》(西瓜书)手推笔记...
  • 机器学习之决策树理论与代码实践

    千人学习 2019-04-23 14:35:36
    详细讲解决策树(ID3,C4.5,CART)的数学推导过程,能够使用原生代码完成决策树代码的编写。能够调用sklearn库完成决策树代码的编写。能够可视化生成的决策树。能够使用决策树完成鸢尾花数据分类任务。
  • 深入理解线性回归的数学推导过程 能够使用原生代码实现线性回归模型(包括Ridge,LASSO,EasticNet) 能够使用skLearn实现线性回归模型 能够使用线性回归分析实际数据
  • 大家好,今天给大家介绍一本非常优秀的图解机器学习及其算法的入门书籍。本书从应用场景出发,利用大量图解和流程图相结合的方式讲解机器学习的基本知识及其常用经典算法的应用,全书没有大篇幅的理论...
  • 深入理解条件概率。详细讲解朴素贝叶斯的数学推导过程,能够使用原生代码完成朴素贝叶斯代码的编写。能够调用sklearn库完成朴素贝叶斯代码的编写。能够理解垃圾邮件分类原理并使用朴素贝叶斯完成垃圾邮件的分类。
  • 该课程是目前讲解SVM的最详细的课程,详细的讲解了SVM的数学推导过程,SMO算法的数学推导过程,并根据最终推导的公式使用python原生代码进行了实现,公式与代码一一对应。把最难理解的SVM讲解的非常透彻。
  • 里面文档对LDA算法有详细的推导过程,并带有仿真代码;同时还有一份关于LDA所运用的数学知识笔记。希望对你们学习和理解LDA算法有帮助!!!

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 3,707
精华内容 1,482
关键字:

机器学习数学推导与代码实现30讲 pdf