机器学习的最新进展使得人脸识别不再是一个难题。但在此之前，研究人员已经进行了各种尝试，并开发了各种技术，使计算机能够识别人员。早期的一种尝试是特征脸（eigenface），该方法取得了一定的成功，它基于线性代数技术。在本教程中，我们将 […]
使用奇异值分解构建推荐系统
奇异值分解（Singular Value Decomposition，SVD）是一种非常流行的线性代数技术，用于将一个矩阵分解为几个较小矩阵的乘积。事实上，它是一种有很多用途的技术。一个例子是，我们可以使用SVD来发现项目之间的关系。通过这个可以轻松构建一个推荐系统。[…]
向量空间模型简明介绍
向量空间模型（Vector space models）旨在考虑由向量表示的数据之间的关系。它在信息检索系统中很受欢迎，但也可用于其他目的。通常，这允许我们从几何角度比较两个向量的相似性。在本教程中，我们将了解向量空间模型是什么 […]
用于可视化的主成分分析
主成分分析（Principal Component Analysis，PCA）是一种无监督机器学习技术。主成分分析最受欢迎的用途可能是降维。除了将 PCA 用作数据准备技术之外，我们还可以使用它来帮助可视化数据。一图胜千言。通过可视化数据，我们更容易 […]
机器学习优化速成课程
机器学习优化速成班。7天用 Python 找到函数最优值。所有机器学习模型都涉及优化。作为实践者，我们为最合适的超参数或特征子集进行优化。决策树算法为分裂进行优化。神经网络为权重进行优化。最有可能的是，我们使用计算算法来 […]
如何学习用于机器学习的 Python
Python 已成为机器学习的事实通用语言。它不是一门难学的语言，但如果你对这门语言不太熟悉，有些技巧可以帮助你更快或更好地学习。在这篇文章中，你将发现学习编程语言的正确方法 […]
正确进行训练-验证-测试拆分和交叉验证
机器学习的一个关键步骤是模型选择。合适的模型和合适的超参数是获得良好预测结果的关键。当我们面临模型选择时，应该如何做决定？这就是我们进行交叉验证的原因。在 scikit-learn 中，有一系列函数 […]
粒子群优化算法简明介绍
粒子群优化（Particle Swarm Optimization，PSO）是一种仿生算法，它是一种简单地在解空间中搜索最优解的方法。它与其他优化算法的不同之处在于，只需要目标函数，并且不依赖于梯度或任何导数 […]
带不等式约束的拉格朗日乘数法
在上一篇文章中，我们介绍了使用拉格朗日乘数法来寻找带有等式约束的函数的局部最小值或局部最大值。相同的方法也可以应用于带有不等式约束的情况。在本教程中，您将了解应用于寻找局部最小值的拉格朗日乘数法 […]
Sigmoid 函数入门指南
无论您是自己实现神经网络，还是使用内置的神经网络学习库，理解 Sigmoid 函数的重要性都至关重要。Sigmoid 函数是理解神经网络如何学习复杂问题的关键。该函数还为发现 […]