COMP3314课程内容机器学习相关的入门知识。其中有部分内容与博客上COMP3354数据学习有所重合，所以如果你在学习本节课之前先学习了有关COMP3354的内容，那么这节课的一大半概念对你来说会变得更容易。 如果有关联知识，我会将链接插入到笔记中...

实际上这一部分的很多概念都已经在COMP3354第一章里讲过了。建议你去看看这一部分： https://naughtychas.github.io/notes/COMP3354/chapter1/Chapter 1 & ...

大脑由神经元组成。神经元的工作方式很像一个投票系统。树突用来接收来自其他神经元的信号，细胞核处理信号。如果信号足够强，轴突就负责将脉冲发送给下一个神经元。 这样的过程可以很容易被数学来建模。1943年有数学家尝试用数学来描述这个过程，而他们做的就是把...

逻辑回归逻辑回归 ( Logistic Regression ) 的名字里虽然带有Regression, 但是它其实是一个经典的二元分类算法，并非预测连续数值的回归模型。 在之前提到的Perceptron和Adaline中，我们的核心一直是计算特征...

在机器学习中有一句至理名言，叫做“垃圾进，垃圾出”（Garbage In, Garbage Out）。这句话的意思是，如果我们输入的数据质量很差，那么我们得到的结果也会很差。 因此，预处理 (Preprocessing) 并不是什么可有可无的步骤...

我们发现即使我们对数据进行了预处理，使用这些干净的数据直接进行分析和建模可能仍然存在一些问题。机器学习发展至今，需要处理的数据集也跟随问题的复杂性不断增加，数据集的维度也在不断增加。 这些高维数据集可能包含许多特征，但其中一些特征可能是冗余的，或者与...

上一章是降维，这一章来点没有那么重理论的东西：我们来看看当你训练完模型，如何评价模型的好坏，以及如何调参来让模型更好。 我们不妨来通过一个真实数据集来讲解这一章的内容。 我们要是用的数据集叫做BCWD，是一个乳腺癌数据集，包含了569条数据，每...

我们在之前的章节中已经介绍了许多不同的单体模型，例如Logistic Regression, SVM, 决策树等等。然而在真正的实践中，单体模型由于各种因素，例如过拟合，欠拟合，数据噪声等等，往往无法达到理想的性能。 而 集成学习（Ensemble ...

之前我们谈到的几乎所有任务都是在预测分类标签，而我们要尝试换个角度，来看看如果想要预测一个特定的数值，应该怎么做。 Regression 正是用来预测数值的机器学习方法，我们叫它回归。我们不仅能够使用回归来预测特定数字，回归还能帮助我们理解变量之间的...