档案 | 从零开始编写算法

逻辑回归是处理两类问题的首选线性分类算法。它易于实现，易于理解，并且在各种问题上都能获得出色的结果，即使该方法对数据的期望被违反了。在本教程中，您将学习如何使用随机梯度从零开始实现逻辑回归 [...]

许多机器学习算法的核心是优化。机器学习算法使用优化算法，在给定训练数据集的情况下找到一组好的模型参数。机器学习中最常用的优化算法是随机梯度下降。在本教程中，您将学习如何实现随机梯度下降以 [...]

线性回归是一种已有 200 多年历史的预测方法。简单线性回归是一个很棒的第一个要实现的机器学习算法，因为它要求您从训练数据集中估计属性，但对于初学者来说足够简单。在本教程中，您将学习如何实现简单的 [...]

我们无法知道哪种算法最适合特定问题。因此，我们需要设计一个测试框架，用于评估不同的机器学习算法。在本教程中，您将学习如何使用 Python 从零开始开发机器学习算法测试框架。完成本教程后，您将 [...]

在预测建模问题上建立基线性能非常重要。基线为后续评估更高级方法提供了比较点。在本教程中，您将学习如何使用 Python 从零开始实现基线机器学习算法。完成本教程后，您将了解：如何实现 [...]

做出预测后，您需要知道它们是否有效。我们可以使用标准度量来总结一组预测的实际效果。了解一组预测的效果，可以帮助您估计针对您问题的给定机器学习模型的质量，[...]

预测建模的目标是创建能在新数据上做出良好预测的模型。我们无法在训练时访问这些新数据，因此我们必须使用统计方法来估计模型在新数据上的性能。这类方法称为重采样方法，因为它们 [...]

许多机器学习算法都要求数据进行一致的缩放。在为机器学习缩放数据时，您应该考虑两种流行的方法。在本教程中，您将学习如何为机器学习重新缩放数据。阅读本教程后，您将了解：如何从零开始标准化数据。 [...]

在使用数据训练机器学习模型之前，您必须知道如何加载数据。刚开始时，最好使用逗号分隔值 (.csv) 等标准文件格式的小型内存数据集。在本教程中，您将学习如何使用 Python 从零开始加载数据 [...]

当现有 API 中提供了如此多的机器学习算法时，您为什么还要从零开始实现它们呢？这是一个很好的问题。在编写第一行代码之前必须考虑这个问题。在这篇文章中，您将发现对此问题各种有趣甚至发人深省的答案。 [...]