机器学习是比较非常不错的发展领域，而python和R语言在机器学习中都可以应用，因此很多人都会疑惑python和R语言哪个更适合机器学习呢?　　python编程语言创建于80年代后，最初用于Google内部框架方面。　　企业想要度量和统计数据以外的其他功能

分布式机器学习：将原本在一台机器上运行的模型，改写成能在多台机器上并行运行；

　　全称为对数几率回归，其它文献也称为 线性回归。　　本质是广义线性模型。通过sigmoid函数，将回归模型的预测值与分类的真实标记联系起来。　　多分类情况 采用 OvO或者OvR策略解决。　　　　gini index 基尼指数 --CART决策树clas

机器学习小白，欢迎大神指导

逻辑斯特回归是一种非常经典的分类方法。其用到的分类函数一般为Sigmoid函数，其函数形式为：。随着z值的增加，对应的函数值将逼近于1；随着z值的减小，函数值将逼近于0。对于Logistic回归中的二分类问题，当我们给定数据样本x时，其被分到1类和0类的条

线性回归要求因变量必须是连续性数据变量；逻辑回归要求因变量必须是分类变量，二分类或者多分类的；比如要分析性别、年龄、身高、饮食习惯对于体重的影响，如果这个体重是属于实际的重量，是连续性的数据变量，这个时候就用线性回归来做；如果将体重分类，分成了高、中、低这

机器学习是计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的学科。机器学习是专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，从大量现象中提取反复出现的规律

于它在测试集上的误差。训练数据集可能会减轻过拟合，但是获取额外的训练数据往往代价?本节介绍应对过拟合问题的常??正则化通过为模型损失函数添加惩罚项使学出的模型参数值较?我们先描述 范数正则化，再解释它为何?范数正则化在模型原损失函数基础上添加 范数惩罚项，

y = np.random.normal(loc=0.5, scale=0.4, size=1000). plt.yscale(‘linear‘) #线性。plt.yscale(‘log‘)

用户和产品的潜在特征编写推荐系统矩阵分解工作原理使用潜在表征来找到类似的产品。我们可以通过为每个用户和每部电影分配属性，然后将它们相乘并合并结果来估计用户喜欢电影的程度。相同的计算可以表示为矩阵乘法问题。我们会猜测和检查，直到我们接近正确的答案。首先，我们

需要区分训练误差和泛化误差。前者指模型在训练数据集上表现出的误差，后者指模型在任意一个测试数据样本上表现出的误差的期望，并常常通过测试数据集上的误差来近似。计算训练误差和泛化误差可以使用之前介绍过的损失函数，例如线性回归用到的平方损失函数和softmax回

在模型训练或预测时，我们常常会同时处理多个数据样本并用到矢量计算。在介绍线性回归的矢量计算表达式之前，让我们先考虑对两个向量相加的两种方法。线性回归假设输出与各个输入之间是线性关系:. 当模型和损失函数形式较为简单时，上面的误差最小化问题的解可以直接用公式

无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。使用非线性的多项式项，能够帮助我们建立更好的分类模型 ，但与此同时他们的特征组合就有很多。普通的线性模型无法处理，就需要神经网络。这些神经元采纳一些特征作为输出，并且根据本身

今天在网上找了PRML——模式识别与机器学习，要么是没带目录的，要么是要积分来购买，真蛋疼。所以，闲来无事自己加了目录，分享给大家。仅用学习使用，不可用于商业用途，如有版权问题，请联系删除！

机器学习是实现人工智能的手段，其主要研究内容是如何利用数据或经验进行学习，改善具体算法的性能。多领域交叉，涉及概率论、统计学、算法复杂度等多门学科。依赖NumPy、SciPy、matplotlib库?

plt.subplots()用来构建一张图，其中参数1和3分别代表子图的行数和列数，一共有 1x3个子图像。figsize=用来设置子图的宽度和高度。函数返回一个figure图像和子图axes的array列表。

两类线性可分的模式类：，设判别函数为：。感知器算法通过对已知类别的训练样本集的学习，寻找一个满足上式的权向量。, XN }构成增广向量形式，并进行规范化处理。用全部训练样本进行一轮迭代，计算WTXi 的值，并修正权向量。分两种情况，更新权向量的值：。若，分

决策边界分成两大类，分别是线性决策边界和非线性决策边界。拥有线性决策边界的模型我们称为线性模型，反之非线性模型.随着K值的增加，决策边界确实会变得更加平滑。在KNN里，通过交叉验证，可以得出最合适的K值。它的核心思想是把一些候选的K逐个去尝试一遍，然后选出

　　1、识别图像，比如可以通过训练得到模型，识别该张图片是否包含数字，是否是人像，是否是猫狗等。　　2、识别文字，提取文本含义。　　3、查找数值之间的关系。　　选择创建的模型功能，这边我们先来创建一个识别影评的模型，判断当前这条影评是好评，差评还是中评。　

　　为了提取知识和做出预测，机器学习使用数学模型来拟合数据。特征就是原始数据某个方面的数值表示。在机器学习流程中，特征是数据和模型之间的纽带。特征工程是指从原始数据中提取特征并将其转换为适合机器学习模型的格式。它是机器学习流程中一个极其关键的环节，因为正确