我看过的机器学习方面的好文章
2024-05-24 04:37:03
本文不定期更新，最后更新于2019-5-18
机器学习
- 走近流行强化学习算法：最优Q-Learning
- 机器学习 （十） 优化算法利器之梯度下降（Gradient Descend）
- 一文简述多种无监督聚类算法的Python实现
- 聊聊机器学习中的那些树
- Deep Learning读书笔记（6）–【卷积神经网络】
- 简述表征句子的3种无监督深度学习方法
- 从无监督构建词库看「最小熵原理」，套路是如何炼成的
- 用中文传话游戏理解 RNN
- 自然语言处理中句子相似度计算的几种方法
- 机器学习实战之KNN算法
- 深度学习线性代数简明教程
- KNN（三）–KD树详解及KD树最近邻算法
- [译] 深度学习入门笔记
- 学习决策树，这里有一份简明教程（附可视化图）
- 师傅领进门之6步教你跑通一个AI程序！
- 初识强化学习
- 机器学习&深度学习网站资源汇总（Machine Learning Resources） https://www.mlhub123.com/
- 来自独秀同学的深度网络数学笔记，还不快收藏？
- 从统计到概率，入门者都能用Python试验的机器学习基础
- 机器学习入门系列(1)–机器学习概览(上)
- 机器学习入门系列(2)–机器学习概览(下)
- 机器学习100天
- seaboat 远洋号 2017文章汇总——深度学习篇
- LSTM神经网络
- 深度学习必备数学知识之线性代数篇（附代码实现）
- 达观数据：一文详解深度学习、机器学习与NLP的前世今生
- 用Python和Keras搭建你自己的AlphaZero
- 使用Excel实现卷积网络
- GRU神经网络
- 隐含马尔可夫模型是什么以及如何应用
- 2017文章汇总——机器学习篇
- 机器学习之朴素贝叶斯分类
- 机器学习之条件随机场（CRF
- K-means聚类算法研究与实例实现
- 可视化LSTM网络：探索「记忆」的形成
- 不想去健身房的我，最后被贝叶斯分析说服了…
- 【机器学习】如何简单形象又有趣地讲解神经网络是什么？
- 分类模型的评价指标：Precision，Recall和Accuracy
- MNIST上的首个对抗鲁棒分类器，骗得了人类才能骗过它
- 机器学习笔记十二之算法精准率、召回率、混淆矩阵
- 如何入门Keras？
- 学到了！UC Berkeley CS 294深度强化学习课程（附视频与PPT）
- [作品展示] python小练习（062）：python20行代码实现多层神经网络的机器学习（一）
- 新手必看：生成对抗网络的初学者入门指导
- 这些资源你肯定需要！超全的GAN PyTorch+Keras实现集合
- [译] 用 Python 构建 NLP Pipeline，从思路到具体代码，这篇文章一次性都讲到了
- 教程 | 在Keras上实现GAN：构建消除图片模糊的应用
- TensorFlow验证码识别
- 初学者应该掌握的七种回归分析方法
- 如何使用变分自编码器VAE生成动漫人物形象
- 用50行Python代码解决cart pole平衡问题
- 神器Pytorch（1）
- 神器Pytorch（2）
- Pytorch神器（3）
- Pytorch神器（4）
- Pytorch神器（5）
- Pytorch神器（6）
- Pytorch神器（7）
- 最优传输理论你理解了，传说中的推土机距离重新了解一下
- NLP系列之自己动手训练中文word2vec模型
- CNN和RNN混血儿：序列建模新架构TrellisNet
- NLP系列之Word2Vec模型和Doc2Vec模型
- 使用 K-means 算法进行客户分类
- 【机器学习理论】我所理解的 SVM - 支持向量机
- 知乎反作弊垃圾文本识别
- 神经网络需要多少隐藏层、每层需要多少神经元？
- Keras实现：用部分卷积补全图像不规则缺损
- 用 Python 实现抖音尬舞机
- ACM MM最佳论文全文：通过多对抗训练，从图像生成诗歌
- 如何只用 NumPy 码一个神经网络
- 【机器学习实践】水果图片分类
- 只用NumPy实现神经网络
- 使用 Tensorflow 实现口算检查器（一）：模型选择
- 干货|（DL~2)一看就懂的卷积神经网络
- NLP之淘宝商品评论情感分析
- Spotify，为什么音乐软件总能猜到我口味？
- 经典论文复现 | ICML 2017大热论文：Wasserstein GAN
- [译] 基于 TensorFlow + Python 的文本分类全程详解
- 神经网络需要多少隐藏层、每层需要多少神经元？
- 机器学习算法入门：从贝叶斯到深度学习及各自优缺点(附导图下载)
- 教你用逻辑回归和朴素贝叶斯算法识别虚假新闻，小技能大用途！
- 机器学习汇总，珍藏版！
- 综合实践指南：迁移学习及在深度学习中的应用
- fastai 1.0入门：如何训练简单图像分类器
- 分割算法总结
- 15年来，自然语言处理发展史上的8大里程碑 - 知乎
- [GAN学习系列] 初识GAN
- 将深度学习模型部署为web应用有多难？答案自己找 - 推酷
- 谷歌的这只AI学会了“打小抄”，还骗过了它的创造者
- sklearn 中的Countvectorizer/TfidfVectorizer保留长度小于2的字符方法
- scikit-learn 逻辑回归类库使用小结
- 【Python】Python中的TfidfVectorizer参数解析
- 学点算法搞安全之HMM（上篇）
- 学点算法搞安全之HMM（下篇）
- 学点算法搞安全之SVM
- 脚镣之舞：还原法律AI在中国落地的真实道路
- 如何访问稀疏矩阵元素？
- SaulMontoya/How-to-Fill-Missing-Precipitation-Data-with-Neural-Networks-in-Python
- Missing value imputation in python using KNN
- impute.knn A Function To Impute Missing Expression Data
- 深度学习计算机视觉极限将至，我们该如何找到突破口？
- 20美元/小时的AutoML很肉疼？快来入门免费的Auto-Keras！
- A Neural Network Playground
- 谁能详细讲解一下TensorFlow Playground所展示的神经网络的概念？ - 知乎
- 机器学习中如何处理缺失数据？ - 知乎
- 机器学习缺失值处理方法汇总 - T_Cage的博客 - CSDN博客
- How to Handle Missing Data with Python
- 1.6. Nearest Neighbors — scikit-learn 0.20.2 documentation
- 【2.5】缺失值的处理
- Alpha-Beta 剪枝极大极小博弈算法 - 五子棋 AI 实现
- MiniMax算法优化:Alpha-Beta剪枝算法
- Minimax 和 Alpha-beta 剪枝算法简介，及以此实现的井字棋游戏（Tic-tac-toe）
- How to Check-Point Deep Learning Models in Keras
- 保存和恢复模型 | TensorFlow Core | TensorFlow
- scikit-learn中PCA的使用方法
- AlphaGo制胜绝招：蒙特卡洛树搜索入门指南 - 掘金
- Introduction to A*
- CodingLabs - 2048-AI程序算法分析
- suragnair/alpha-zero-general: A clean implementation based on AlphaZero for any game in any framework + tutorial + Othello/Gobang/TicTacToe/Connect4
- 计算概论大作业——黑白棋AI设计
- sklearn.neural_network.MLPClassifier — scikit-learn 0.20.3 documentation
我看过的机器学习方面的好文章相关推荐
- 带你看数据挖掘与机器学习-厦大EDP上课出勤预测
带你看数据挖掘与机器学习-厦大EDP上课出勤预测 标签: 数据挖掘 特征工程 机器学习 出勤预测 write by xmhexi 2019/3/22 内容提要 首先说明本文是一篇科普文章,通过一个实际 ...
- 机器学习入门的百科全书-2018年“机器学习初学者”公众号文章汇总
"机器学习初学者"公众号于2018年9月由黄海广博士开设,自开通以来,受到广大机器学习爱好者广泛好评.在2019年的第一个工作日,将2018年发布的所有文章进行归类汇总. 机器学习 ...
- 可以让男人看一遍哭一遍的文章(转贴)
可以让男人看一遍哭一遍的文章(转贴) 如果有一天将要离开这个世界,我希望最后的归宿是在你的怀里.即使喝下奈何桥边那碗 遗忘前世的孟婆汤,来生,我依然能够带着对你怀抱的记忆去找到你. --题记 一 在新 ...
- 为什么linux图形引擎那么丑,为什么你的技术文章配图总是那么丑？那是你还没看过这篇教科书般的技术文章配图指南！...
原标题:为什么你的技术文章配图总是那么丑?那是你还没看过这篇教科书般的技术文章配图指南! 这可能是一篇很多博客的读者都期待的文章,我最终还是决定说一说『如何为技术文章配图』这一话题,过去的几年一直都有 ...
- 春节充电 | 文科生都能看懂的机器学习教程：梯度下降、线性回归、逻辑回归（附动图解释）...
来源:新智元 本文约4200字,建议阅读10+分钟. 本文浅显易懂的方式讲解机器学习,力求让没有理科背景的读者都能看懂. [ 导读 ]虽然在Coursera.MIT.UC伯克利上有很多机器学习的课程, ...
- 小朋友也能看懂的机器学习
2020-04-12 13:01:47 尽可能简单地解释ML模型的工作方式 如果您是数据科学的新手,那么这个标题并不是要侮辱您. 这是我的第二篇帖子,主题是一个受欢迎的面试问题,内容类似于:" ...
- 文科生都能看懂的机器学习教程：梯度下降、线性回归、逻辑回归
来源:新智元 本文约4200字,建议阅读10+分钟. 本文浅显易懂的方式讲解机器学习,力求让没有理科背景的读者都能看懂. [ 导读 ]虽然在Coursera.MIT.UC伯克利上有很多机器学习的课程, ...
- python线性回归分析看相关性_机器学习入门-相关分析之简单线性回归
一.什么是机器学习? 简单来说,机器学习是一类算法的总称,这些算法企图从大量历史数据中挖掘出其中隐含的规律,并用于预测或者分类,更具体的说,机器学习可以看作是寻找一个函数,输入是样本数据,输出是期望的 ...
- 语言线性拟合线对称_文科生都能看懂的机器学习教程：梯度下降、线性回归、逻辑回归...
[新智元导读]虽然在Coursera.MIT.UC伯克利上有很多机器学习的课程,包括吴恩达等专家课程已非常经典,但都是面向有一定理科背景的专业人士.本文试图将机器学习这本深奥的课程,以更加浅显易懂的方 ...
- 人人都能看懂的机器学习！3个案例详解聚类、回归、分类算法
导读:机器是怎样学习的,都学到了什么?人类又是怎样教会机器学习的?本文通过案例给你讲清楚各类算法的原理和应用. 机器学习,一言以蔽之就是人类定义一定的计算机算法,让计算机根据输入的样本和一些人类的干预 ...
最新文章
- 转 机器学习系列 08：深入理解拉格朗日乘子法、KKT 条件和拉格朗日对偶性
- 独家 | AI仍然受困于仇恨言论——但科学家们在衡量每个系统失败的地方正做得越来越好...
- Metasploit advanced命令使用技巧
- 【原创】QT在嵌入式系统中显示中文的方法
- OpenCV学习笔记（3）——Scalar数据类型理解
- 答应我，别再if/else走天下了可以吗
- Visual Studio Code 保存代码时报Applying code action Organize Imports
- linux+arch系统下载,Linux
- Linux压缩和解压缩命令汇总（tar命令汇总）
- 小程序 wxml selectable_微信小程序 抽象节点
- 「长乐集训 2017 Day1」区间 线段树
- Web前端：2022年7大React组件库
- 七彩安卓影视APP源码独立解析接口
- 【面试题】能从底层角度聊聊volatile关键字的原理吗？
- MySQL系列:ES数据同步
- 我来对比一下阿里云服务器和腾讯云服务器的优劣和区别
- 用pandas批量分组处理excel数据
- html 注释 实例,超详细的HTML !–…– 注释标签使用实例
- Android Handle用法
- Guide哥连夜赶的7000+字的Spring事务总结来啦！我饱了！