机器学习实战-14利用SVD简化数据-改进推荐系统
虽然本章标题是SVD，但是感觉本章的内容核心却有点像是推荐系统，SVD的主要作用优化数据，简化运算。对于推荐系统，生活中处处都是，比如火热的网易云音乐，其中就是用到的因子推荐算法，记得我的第一篇博客就是从知乎上转载下来的；另外还有今日头条；其他的应用其实也有，但是自我感觉，这两个应用应该是最好的。
...
机器学习实战-13利用PCA来简化数据
最近正在做一个语音分离的任务，其中有一个语音分离的方法叫做NMF，中文非负矩阵分解，即将矩阵表示为V=WH，mn = mr * r*n；其实这种矩阵分解的方式和本章的内容类似，也是对矩阵进行降维或者简化矩阵；其实有时候并不仅仅是降维，这种方式，也是一种变相提取特征值得过程，其中的W相当于特征向量组
...
机器学习实战-6支持向量机
在机器学习几大算法中，支持向量应该算是应用最广泛的，但是却也是理解最困难的。相对于其他的算法而言，这个算法的逻辑可能并不难难，难的是它的内部逻辑转换，如何转化求解最大超平面。其实最近我在想，机器学习有时候感觉理解起来并不太难，有时候相对于其他知识来说，比如电磁场，固体物理等，简直是最简单的，甚至感
...
机器学习实战-7AdaBoost提升算法
这一章的主要思想就是“三个臭皮匠赛一个诸葛亮”。一般而言，我们都是通过一个分类器进行分类，但是一个分类器可能会出现偶然误差错误，就像一个人总会出现失误一样。所以，我们学习多个不同的分类器，然后将这些分类器通过加上不同的权重组合起来，就形成了一种强大的集成分类器。而这其中，可以再次改进，对不同的分类
...
机器学习实战-4朴素贝叶斯-python3
==这一章原理很简单，相关的知识到处都是，《数学之美》讲过，《统计学习方法》西瓜书都有详细的概述。但是就是一个简单的概率问题，如果真正遇到实际问题，却也并不是很好解决的。这其中往往是实际操作时往往和理论空想不同，数据的合理安排非常重要。贝叶斯的使用非常广泛，其实就目前而言，现实生活中很多的人工智能方
...
机器学习实战-11关联分析Apriori算法-pytohn3
==感悟：这一章的理论很浅，浅到似乎只需要一个数学公式就能够表达。但是这一章却花费了我整整两天时间。有时候我在想，为什么总是有人很多人想得多做得少，理论很深却只会纸上谈兵。很长的一段时间我就是这种人，自以为智力还算可以，很多数学问题自认为很简单，看了很多书，学了很多知识，但真正向别人讲解时，却怎么也
...
机器学习实战-5Logistic回归
几个关键词：逻辑回归、极大似然估计、激活函数
参考书籍：西瓜书P54,《统计学习方法》P77
回归和分类的区别回归是一种连续变量的预测，比如函数拟合，股票线等，人的年龄。分类的特征却不是连续变化的，比如西瓜的颜色是不能连续量化的
线性回归
举个例子，如果我们现在有两个未知数x1,x2,即特征
...
Tensorflow实战Google-第四章深层神经网络知识点
1.深层神经网络的两个重要参数：多层和非线性
非线性：
相对于以往的神经网络，由于没有使用激活函数，构造出来的函数往往形如：w1x1+w2x2+…+wnxn + b = 0,很显然这种函数只能模拟线性分割。即只能通过直线来划分，一旦分割面是一个圆形，通过这种方式只能尽可能的得到一个多棱角保卫面，
...
机器学习实战-3决策树
划分依据决策树的主要依据为信息熵计算，信息熵最大的最为分类依据
流程创建数据集 –> 计算信息熵，最大值作为结点，划分子数据集 –> 递归寻找
代码
1234567891011121314151617181920212223242526272829303132333435363
...
大化设计模式-单例模式
原理：保证一个类只有一个实例对象，提供一个对外的实例创建方法。
好处：
数据共享，多个线程可以共用一个实例，共同享用这个实例的资源属性（如数据库连接器）
线程安全，通过线程加锁，可以达到并发访问的目的
节约资源，防止创建过多不必要的对象
结构图![enter description
...