您是否曾有疑问，例如：什么数据最适合我的问题？什么算法最适合我的数据？我该如何最好地配置我的算法？为什么机器学习专家不能直接回答你的问题？在本文中，我想帮助您了解为什么没有人能够……
机器学习开发环境
您用于机器学习的开发环境可能与您用于解决预测建模问题的机器学习方法一样重要。每周几次，我都会收到这样的问题：您的机器学习开发环境是什么？在本文中，您将发现开发……
如何使用 scikit-learn 进行预测
如何在 Python 中使用 scikit-learn 模型预测分类或回归结果。一旦在 scikit-learn 中选择并拟合了最终的机器学习模型，您就可以使用它来预测新数据实例。初学者在如何做到这一点方面存在一些困惑。我经常看到这样的问题：如何……
那么，您正在处理一个机器学习问题……
所以，您正在处理一个机器学习问题。我想确切地了解您现在所处的阶段。让我做一些猜测……1）您有一个问题，所以您有一个需要解决的问题。也许是您的问题、您的想法、一个疑问，或者您想解决的事情。……
如何看待机器学习
机器学习是一个庞大且跨学科的研究领域。您可以利用机器学习取得令人印象深刻的成果，并找到解决极具挑战性问题的方案。但这只是机器学习更广泛领域中的一小部分，通常被称为预测建模或预测分析。在本文中，您将了解如何改变……
在 165 个数据集上比较 13 种算法（提示：使用梯度提升）
您应该使用哪种机器学习算法？这是应用机器学习中的一个核心问题。在一篇由 Randal Olson 等人撰写的近期论文中，他们试图回答这个问题，并为您提供一个指南，告诉您在尝试更广泛的算法集之前，应该首先尝试哪些算法和参数来解决您的问题。在本文中……
为什么机器学习不一定那么难
像数学、物理甚至计算机科学这样的技术主题都是以自下而上的方式教授的。这种方法包括按照逻辑顺序，按照复杂性和能力自然的递进方式来安排一个研究领域的课题。问题是，人类不是执行学习程序的机器人。我们需要动力、兴奋和……
机器学习中的数学符号基础
在阅读机器学习方法的描述时，您无法避免数学符号。通常，方程中的一个术语或一个符号片段就足以完全破坏您对整个过程的理解。这可能会非常令人沮丧，尤其是对于来自开发领域的初学者来说。您可以……
机器学习线性代数（7天迷你课程）
机器学习线性代数速成课程。在 7 天内掌握机器学习所需的线性代数。线性代数是数学的一个领域，公认是深入理解机器学习的先决条件。尽管线性代数是一个很大的领域，包含许多晦涩的理论和……
《面向程序员的计算线性代数》评述
计算线性代数关注的是在计算机上使用实际数据实现和执行矩阵运算的实际应用。这是一个需要一些线性代数先验知识的领域，并且同时关注运算的性能和精度。fast.ai 公司发布了一个免费课程，名为“计算线性代数”……