今天，红色石头特此将以前所有的原创文章整理出来，组成一个比较合理、完整的机器学习、深度学习的学习路线图，希望能够帮助到大家。机器学习实用指南：这些基础盲点请务必注意！2018 最好的机器学习实用指南书籍来了！干货 | 机器学习正在面临哪些主要挑战？机器学习

在你开始学习之前，第一步是什么，肯定是理解什么是数据科学！或者是你正在顺应潮流，因为'数据科学'和'机器学习'是目前有关未来的发展潮流？目前每天生成的数据量呈指数级增长！公司正在使用各种工具和技术来挖掘数据中的模式并收集有用的信息。数据科学的一些流行应用包

想要入行数据科学而又不知如何开始吗？先看看这篇使用的数据科学入门数学指南吧！让我们从「数据科学」的实际含义开始讲起。对于数据科学的理解，是「仁者见仁，智者见智」的事情！在 Dataquest，我们将数据科学定义为：使用数据和高级统计学进行预测的学科。这是一

Fregata是TalkingData开源的一个基于Spark的轻量级、超快速的大规模机器学习库，并在Scala中提供高级API。对于10亿*10亿的数据集，Fregata可以在1分钟内使用内存缓存或10分钟完成一个广义线性模型训练，速度要比MLLib快1

随着深度学习的兴起，越来越多的人从事算法工程师这一岗位。有时候他们自嘲自己为“天桥调参师”。当然，算法工程师的工作内容并没有那么简单，因为设置超参数的过程需要专业知识和广泛的试验和试错过程。尤其是针对学习率、批量大小、动量和权重衰减这些超参数而言，没有简单

本文将介绍机器学习中一个非常重要的算法，叫做SVM，中文翻译支持向量机。首先看一组例子来解释这个算法。有一组数据如图所示，有红色的点和蓝色的点，代表了两种分类的数据，现在我们要做的是如何将这两种数据准确的分隔开来。那么svm要做的就是找到最佳的一条直线。那

线性回归原理介绍线性回归python实现线性回归sklearn实现通常我们学习机器学习都是从线性回归模型开始的。线性回归模型形式简单、易于建模，但是我们可以从中学习到机器学习的一些重要的基本思想。高尔顿以父母的平均身高X作为自变量，其一成年儿子的身高Y为因

在观看本文之前，请答应我要善良。昨天预告了下，发现很多同学对这个模型都表示出兴趣，甚至有好多同学后台发来照片让我帮他们脱裤子。授人以鱼不如授人以渔，请这些同学好自为之~

对机器学习模型而言，最糟糕的两种情况无非是构建无用的知识体系，或是从训练数据集中一无所获。在机器学习理论中，这两种现象分别被称为过拟合和欠拟合，是现代深度学习解决方案中的两大挑战。如果考虑到人们也极易发生过拟合，进而转化为对机器学习模型的主观评价，那么这个

JavaScript 是一种流行的高级编程语言，它被世界上的绝大多数网站所使用，也被所有主流浏览器所支持。随着深度学习的火热，越来越多开发者开始探索使用 JavaScript 实现人工智能与机器学习算法。近日，来自德国的 Robin Wieruch 发布了

决策树是一个通过特征学习决策规则，用于预测目标的监督机器学习模型。顾名思义，该模型通过提出一系列的问题将数据进行分解，从而做出决策。根据训练集的特征，决策树模型学习一系列问题来推断样本的类标签。从图中可以看出，如果可解读性是重要因素，决策树模型是个不错的选

我们在调试一个学习算法时，通常会用学习曲线观察机器学习算法是否为欠拟合或过拟合。随着样本数的不断增大，我们发现在高偏差(欠拟合)时交叉验证集代价函数 J_cv(θ) 和测试集代价函数 J_test (θ) 的图像如下，这个图像也叫做学习曲线：。在高方差下，

Boosting是一个提高任意给定学习算法准确度的方法。他是一种框架算法，主要是通过对样本集的操作获得样本子集，然后用弱分类算法在样本子集上训练生成一系列的弱分类器。在实际应用中，我们不必费力寻找预测精度高的算法，只需要找到一个比随机猜测略好的弱学习算法，

对于想要在机器学习领域打下基础的你来说，去学习很多科技巨头提供的免费课程不失为一个好办法。据LinkedIn消息，截至2017年，机器学习工程师是五年来发展最快的工作。亚马逊网络服务，作为最新的技术巨头，他们已经免费发布了一套机器学习课程，成为对fast.

曾经有人说机器学习的分为三步，分别是表示，评估和优化。表示指的是我们要将样本空间映射到一个合适的特征空间，一般的，我们更青睐于这样的表示是低维度的，是更加稀疏交互的，同时也希望是相互独立的。而评估指的是模型在数据上表现的量化形式，我们选取合适的函数来表示什

同学们，你们是否对过拟合问题百思不得其解？很有可能你跟曾经的我一样，踏入了一个误区。一开始，我在用自己学到的各种模型对数据做预测时，有时候自己的模型与训练数据拟合的非常好，但在测试样例中却表现的很糟糕。于是我就换用更复杂的模型，在神经网络中也尝试不断地增加

人工智能是一门利用计算机模拟人类智能行为科学的统称，它涵盖了训练计算机使其能够完成自主学习、判断、决策等人类行为的范畴。人工智能、机器学习、深度学习是我们经常听到的三个热词。关于三者的关系，简单来说，机器学习是实现人工智能的一种方法，深度学习是实现机器学习

根据样本数据是否带有标签值，可以将机器学习算法分成有监督学习和无监督学习两类。有监督学习的典型代表是分类问题和回归问题。无监督学习对没有标签的样本进行分析，发现样本集的结构或者分布规律。如果标签值是连续实数，则称为回归问题，此时预测函数是向量到实数的映射。

目前，人工智能是科技界不断发展的领域之一，主要侧重于构建软硬件，以便在医疗、教育、安全、制造、银行及其他众多领域解决日常生活中的挑战。我们在本文中将介绍几款面向Linux生态系统的顶尖开源人工智能工具。下面列出了为支持人工智能设计和开发的诸多平台，你可以在