機器學習100天( 100-Days-Of-ML-Code )中文版

• 2019 年 10 月 28 日
• 筆記

關注微信公眾號 datayx 然後回復 100 即可獲取。

數據預處理 | 第1天

數據預處理實現

簡單線性回歸 | 第2天

簡單線性回歸實現

多元線性回歸 | 第3天

多元線性回歸實現

邏輯回歸 | 第4天

邏輯回歸 | 第5天

今天我深入研究了邏輯回歸到底是什麼，以及它背後的數學是什麼。學習了如何計算代價函數，以及如何使用梯度下降法來將代價函數降低到最小。 由於時間關係，我將隔天發佈信息圖。如果有人在機器學習領域有一定經驗，並願意幫我編寫代碼文檔，也了解github的Markdown語法，請在領英聯繫我。

邏輯回歸 | 第6天

邏輯回歸實現

K近鄰法(k-NN) | 第7天

邏輯回歸背後的數學 | 第8天

為了使我對邏輯回歸的見解更加清晰，我在網上搜索了一些資源或文章，然後我就發現了Saishruthi Swaminathan的這篇文章

它給出了邏輯回歸的詳細描述。請務必看一看。

支持向量機(SVM) | 第9天

直觀了解SVM是什麼以及如何使用它來解決分類問題。

支持向量機和K近鄰法 | 第10天

了解更多關於SVM如何工作和實現knn算法的知識。

K近鄰法(k-NN) | 第11天

K近鄰法(k-NN)實現

支持向量機(SVM) | 第12天

支持向量機(SVM) | 第13天

SVM實現

支持向量機(SVM)的實現 | 第14天

今天我在線性相關數據上實現了SVM。使用Scikit-Learn庫。在scikit-learn中我們有SVC分類器，我們用它來完成這個任務。將在下一次實現時使用kernel-trick。Python代碼見此處,Jupyter notebook見此處。

樸素貝葉斯分類器(Naive Bayes Classifier)和黑盒機器學習(Black Box Machine Learning) | 第15天

學習不同類型的樸素貝葉斯分類器同時開始Bloomberg的課程。課程列表中的第一個是黑盒機器學習。它給出了預測函數，特徵提取，學習算法，性能評估，交叉驗證，樣本偏差，非平穩性，過度擬合和超參數調整的整體觀點。

通過內核技巧實現支持向量機 | 第16天

使用Scikit-Learn庫實現了SVM算法以及內核函數，該函數將我們的數據點映射到更高維度以找到最佳超平面。

在Coursera開始深度學習的專業課程 | 第17天

在1天內完成第1周和第2周內容以及學習課程中的邏輯回歸神經網絡。

繼續Coursera上的深度學習專業課程 | 第18天

完成課程1。用Python自己實現一個神經網絡。

學習問題和Yaser Abu-Mostafa教授 | 第19天

開始Yaser Abu-Mostafa教授的Caltech機器學習課程-CS156中的課程1。這基本上是對即將到來的課程的一種介紹。他也介紹了感知算法。

深度學習專業課程2 | 第20天

完成改進深度神經網絡第1周內容：參數調整，正則化和優化。

網頁搜羅 | 第21天

觀看了一些關於如何使用Beautiful Soup進行網絡爬蟲的教程，以便收集用於構建模型的數據。

學習還可行嗎? | 第22天

完成Yaser Abu-Mostafa教授的Caltech機器學習課程-CS156中的課程2。學習Hoeffding不等式。

決策樹 | 第23天

統計學習理論的介紹 | 第24天

Bloomberg ML課程的第3課介紹了一些核心概念，如輸入空間，動作空間，結果空間，預測函數，損失函數和假設空間。

決策樹 | 第25天

決策樹實現

跳到複習線性代數 | 第26天

發現YouTube一個神奇的頻道3Blue1Brown，它有一個播放列表《線性代數的本質》。看完了4個視頻，包括了向量，線性組合，跨度，基向量，線性變換和矩陣乘法。

B站播放列表在這裡。

跳到複習線性代數 | 第27天

繼續觀看了4個視頻，內容包括三維變換、行列式、逆矩陣、列空間、零空間和非方矩陣。

B站播放列表在這裡。

跳到複習線性代數 | 第28天

繼續觀看了3個視頻，內容包括點積和叉積。

B站播放列表在這裡。

跳到複習線性代數 | 第29天

觀看了剩餘的視頻12到14，內容包括特徵向量和特徵值，以及抽象向量空間。

B站播放列表在這裡。

微積分的本質 | 第30天

完成上一播放列表後，YouTube推薦了新內容《微積分的本質》，今天看完了其中的3個視頻，包括導數、鏈式法則、乘積法則和指數導數。

B站播放列表在這裡。

微積分的本質 | 第31天

觀看了2個視頻，內容包括隱分化與極限。

B站播放列表在這裡。

微積分的本質 | 第32天

觀看了剩餘的4個視頻，內容包括積分與高階導數。

B站播放列表在這裡。

隨機森林 | 第33天

隨機森林 | 第34天

隨機森林實現

什麼是神經網絡？ | 深度學習，第1章 | 第 35天

Youtube頻道3Blue1Brown中有精彩的視頻介紹神經網絡。這個視頻提供了很好的解釋，並使用手寫數字數據集演示基本概念。

B站視頻在這裡。

梯度下降法，神經網絡如何學習 | 深度學習，第2章 | 第36天

Youtube頻道3Blue1Brown關於神經網絡的第2部分，這個視頻用有趣的方式解釋了梯度下降法。推薦必須觀看169.

B站視頻在這裡。

反向傳播法究竟做什麼？ | 深度學習，第3章 | 第37天

Youtube頻道3Blue1Brown關於神經網絡的第3部分，這個視頻主要介紹了偏導數和反向傳播法。

B站視頻在這裡。

反向傳播法演算 | 深度學習，第4章 | 第38天

Youtube頻道3Blue1Brown關於神經網絡的第3部分，這個視頻主要介紹了偏導數和反向傳播法。

B站視頻在這裡。

第1部分 | 深度學習基礎Python，TensorFlow和Keras | 第39天

視頻地址在這裡。 中文文字版notebook。

第2部分 | 深度學習基礎Python，TensorFlow和Keras | 第40天

視頻地址在這裡。 中文文字版notebook。

第3部分 | 深度學習基礎Python，TensorFlow和Keras | 第41天

……

……

……