機(jī)器學(xué)習(xí)算法的數(shù)學(xué)解析與Python實(shí)現(xiàn)

機(jī)器學(xué)習(xí)算法的數(shù)學(xué)解析與Python實(shí)現(xiàn)讀書(shū)筆記模板01思維導(dǎo)圖讀書(shū)筆記目錄分析內(nèi)容摘要精彩摘錄作者介紹目錄0305020406思維導(dǎo)圖機(jī)器數(shù)學(xué)機(jī)器算法算法讀者問(wèn)題第章算法第章原理學(xué)習(xí)機(jī)器線性場(chǎng)景方法使用問(wèn)題集成關(guān)鍵字分析思維導(dǎo)圖內(nèi)容摘要內(nèi)容摘要學(xué)習(xí)機(jī)器學(xué)習(xí)的動(dòng)機(jī)很多，可能是實(shí)際工作需要，可能是興趣愛(ài)好，也可能是學(xué)業(yè)要求，從每種動(dòng)機(jī)的角度看，這個(gè)問(wèn)題都可能有不同的答案。我認(rèn)同許多人所說(shuō)的求知不能太功利這一觀點(diǎn)，不過(guò)大家的時(shí)間和精力畢竟有限，就算不去追求投入產(chǎn)出比，至少也應(yīng)該有一個(gè)學(xué)這門知識(shí)想要達(dá)到的目的。機(jī)器學(xué)習(xí)是更偏重于應(yīng)用的學(xué)問(wèn)，在當(dāng)下的發(fā)展也確實(shí)使得機(jī)器學(xué)習(xí)越來(lái)越像一門技能，而不僅僅是技術(shù)。初學(xué)算法時(shí)我最想學(xué)的是里面的“最強(qiáng)算法”，不過(guò)在第1章我將介紹，機(jī)器學(xué)習(xí)算法沒(méi)有最強(qiáng)的，只有最合適的，對(duì)于不同的問(wèn)題，對(duì)應(yīng)會(huì)有不同的最合適算法。所以，我們更需要**的應(yīng)該是問(wèn)題，而不是算法本身。在本書(shū)中我選擇介紹市面上成熟的機(jī)器學(xué)習(xí)算法包，通過(guò)現(xiàn)成的算法包，就能夠根據(jù)實(shí)際要解決的問(wèn)題直接選擇所需要的機(jī)器學(xué)習(xí)算法，從而把注意力集中在對(duì)不同算法的選擇上。本書(shū)的目標(biāo)讀者是想要學(xué)習(xí)機(jī)器學(xué)習(xí)的學(xué)生、程序員、研究人員或者愛(ài)好者，以及想要知道機(jī)器學(xué)習(xí)是什么、為什么和怎么用的所有讀者。本書(shū)第1章介紹機(jī)器學(xué)習(xí)總體背景，第2章介紹配置環(huán)境，第3章到第10章彼此獨(dú)立，每一章介紹一種具體的機(jī)器學(xué)習(xí)算法，讀者可以直接閱讀想要了解的算法，第11章介紹了集成學(xué)習(xí)方法，這是一種組合機(jī)器學(xué)習(xí)算法的方法，也是當(dāng)前在實(shí)際使用中常見(jiàn)又十分有效的提升性能的做法。讀書(shū)筆記讀書(shū)筆記作者言簡(jiǎn)意賅，化繁為簡(jiǎn)，簡(jiǎn)單的語(yǔ)言表達(dá)，屢出金句，看著不累，挺有效率。雖然公式啥的有些小錯(cuò)誤，但非常適合小白入門搞清楚各類算法的基本原理，但是很基礎(chǔ)，涉及并不深入。在學(xué)習(xí)了基本的statisticstheor后再看這本書(shū)的體會(huì)顯然不一樣，利用python也罷，r也好，基本的實(shí)現(xiàn)原理回歸和分類這本書(shū)很好也很簡(jiǎn)潔地描述了算法實(shí)現(xiàn)的思路，雖然并不涉及到數(shù)學(xué)公式的推導(dǎo)，但是明白工具實(shí)現(xiàn)的思想也是學(xué)習(xí)的關(guān)鍵，同時(shí)明確不同算法的應(yīng)用場(chǎng)景對(duì)于從業(yè)者來(lái)說(shuō)很重要。很適合機(jī)器學(xué)習(xí)算法入門的人，不涉及原理證明和代碼，旨在講清楚算法的原理和怎么實(shí)現(xiàn)的。剛開(kāi)始讀感覺(jué)有點(diǎn)嘩眾取寵，深入了解后感覺(jué)寫得不錯(cuò)??思路清晰，對(duì)初學(xué)者很友好！對(duì)自己說(shuō)的話：生活很艱難，有人總是不懂你的想法，祝一切順利吧，加油吧方老師。入門機(jī)器學(xué)習(xí)的第一本書(shū)籍，對(duì)許多重要的概念：模型、數(shù)據(jù)、算法有了初步認(rèn)識(shí)，對(duì)機(jī)器學(xué)習(xí)有了一個(gè)全局的輪廓與感性的了解。因?yàn)轫?xiàng)目需要，需要快速學(xué)習(xí)了解機(jī)器學(xué)習(xí)算法。語(yǔ)言幽默，通俗易懂，基本上可以初中基礎(chǔ)即可學(xué)習(xí)，不錯(cuò)的入門書(shū)。精彩摘錄精彩摘錄損失函數(shù)是針對(duì)單個(gè)樣本，而成本函數(shù)則是針對(duì)整個(gè)數(shù)據(jù)集，也就是說(shuō)，損失函數(shù)求得的總和就是成本函數(shù)。數(shù)據(jù)決定了模型能夠達(dá)到的上限，而算法只是逼近這個(gè)上限。一個(gè)完整的機(jī)器學(xué)習(xí)過(guò)程：算法模型輸出一個(gè)數(shù)值，損失函數(shù)經(jīng)過(guò)計(jì)算，回饋一個(gè)偏差結(jié)果，算法模型根據(jù)這個(gè)偏差結(jié)果進(jìn)行調(diào)整，再輸出一個(gè)數(shù)值，周而復(fù)始，直到正確為止。這就是機(jī)器學(xué)習(xí)的學(xué)習(xí)過(guò)程，這個(gè)過(guò)程在機(jī)器學(xué)習(xí)里稱作“擬合”。每次迭代都使用全部樣本的，稱為批量梯度下降（BatchGradientDescent）；每次迭代只使用一個(gè)樣本的，稱為隨機(jī)梯度下降（StochasticGradientDescent）如果待分類別只有兩個(gè)，通常稱之為二元分類（BinaryClassification）問(wèn)題，在機(jī)器學(xué)習(xí)中較多使用Logistic函數(shù)來(lái)解決。而若待分類別超過(guò)兩個(gè)，則稱之為多分類（Multi-classClassification）問(wèn)題，在機(jī)器學(xué)習(xí)中較多使用Softmax函數(shù)來(lái)解決。這樣“線性回歸”這個(gè)詞可以理解成一句話，即用線性模型來(lái)解決回歸問(wèn)題。目錄分析1.1什么是機(jī)器學(xué)習(xí)1.2機(jī)器學(xué)習(xí)的幾個(gè)需求層次1.3機(jī)器學(xué)習(xí)的基本原理1.4機(jī)器學(xué)習(xí)的基本概念第1章機(jī)器學(xué)習(xí)概述1.5機(jī)器學(xué)習(xí)問(wèn)題分類1.6常用的機(jī)器學(xué)習(xí)算法1.7機(jī)器學(xué)習(xí)算法的性能衡量指標(biāo)1.8數(shù)據(jù)對(duì)算法結(jié)果的影響第1章機(jī)器學(xué)習(xí)概述2.1常用環(huán)境2.3Numpy簡(jiǎn)介2.2Python簡(jiǎn)介第2章機(jī)器學(xué)習(xí)所需的環(huán)境2.5Pandas簡(jiǎn)介2.4Scikit-Learn簡(jiǎn)介第2章機(jī)器學(xué)習(xí)所需的環(huán)境3.1線性回歸：“鋼鐵直男”解決回歸問(wèn)題的正確方法3.2線性回歸的算法原理3.3在Python中使用線性回歸算法3.4線性回歸算法的使用場(chǎng)景第3章線性回歸算法4.2Logistic回歸的算法原理4.1Logistic回歸：換上“S型曲線馬甲”的線性回歸第4章Logistic回歸分類算法4.4Logistic回歸算法的使用場(chǎng)景4.3在Python中使用Logistic回歸算法第4章Logistic回歸分類算法5.1KNN分類算法：用多數(shù)表決進(jìn)行分類5.2KNN分類的算法原理5.3在Python中使用KNN分類算法5.4KNN分類算法的使用場(chǎng)景第5章KNN分類算法6.2樸素貝葉斯分類的算法原理6.1樸素貝葉斯：用骰子選擇第6章樸素貝葉斯分類算法6.4樸素貝葉斯分類算法的使用場(chǎng)景6.3在Python中使用樸素貝葉斯分類算法第6章樸素貝葉斯分類算法7.1決策樹(shù)分類：用“老朋友”if-else進(jìn)行選擇7.2決策樹(shù)分類的算法原理7.3在Python中使用決策樹(shù)分類算法7.4決策樹(shù)分類算法的使用場(chǎng)景第7章決策樹(shù)分類算法8.1支持向量機(jī)：線性分類器的“王者”8.2支持向量機(jī)分類的算法原理8.3在Python中使用支持向量機(jī)分類算法8.4支持向量機(jī)分類算法的使用場(chǎng)景第8章支持向量機(jī)分類算法9.1用投票表決實(shí)現(xiàn)“物以類聚”9.2K-means聚類的算法原理9.3在Python中使用K-means聚類算法9.4K-means聚類算法的使用場(chǎng)景第9章K-means聚類算法10.1用神經(jīng)網(wǎng)絡(luò)解決分類問(wèn)題10.2神經(jīng)網(wǎng)絡(luò)分類的算法原理10.3在Python中使用神經(jīng)網(wǎng)絡(luò)分類算法10.4神經(jīng)網(wǎng)絡(luò)分類算法的使用場(chǎng)景第10章神經(jīng)網(wǎng)絡(luò)分類算法11.1集成學(xué)習(xí)方