目录
机器学习基础
- 1 Python基础
-
基本语法
print
数学运算
变量 -
while和for循环
while循环
for循环 -
if判断
if判断
if else判断
if elif else 判断 -
定义功能
def函数
函数参数
函数默认参数 -
变量形式
全局变量、局部变量
-
类
class类
class类 init功能 -
元组,列表,字典
元组
list 列表
多维列表
字典 -
模块
import 模块
import 自己的模块 -
其他
continue、break
try 错误处理
正则表达式 - 2 Numpy&Pandas
-
Numpy
Numpy 属性
Numpy 创建
Numpy 基础运算
Numpy索引
Numpy array合并
Numpy array 分割
Numpy copy -
Pandas
Pandas 选择数据
Pandas 设置值
Pandas 处理丢失数据
Pandas 导入导出
Pandas concat
Pandas merge - 3 Matplotlib
-
画图种类
Scatter 散点图
Bar 柱状图
Contours 等高线图
Image 图像
3D 数据 -
多图合并显示
Subplot 多合一显示
Subplot 分格显示
吴恩达机器学习
- 1 引言
-
什么是机器学习
机器学习定义
机器学习算法:监督学习,无监督学习
其他 -
监督学习
概念
回归问题
分类问题 -
无监督学习
聚类
非聚类 - 2 单变量线性回归
- 模型表示
-
代价函数
代价函数概念
代价函数表达式 -
梯度下降
思想
公式
学习速率 -
线性回归中的梯度下降
线性回归模型
梯度下降算法
公式 - 3 多变量线性回归
-
多特征
n, , 概念
多特征函数h(θ) -
多变量梯度下降
公式
例1,例2 -
特征和多项式回归
定义新特征
多项式回归 -
正规方程
正规方程法
正规方程法与梯度下降法对比 -
不可逆性正规方程
正规方程法无法应用的情况
对应方法 - 4 逻辑回归
-
分类
逻辑回归算法所应用的问题
阈值
逻辑回归算法 -
假设函数表示
逻辑回归模型
线性回归函数
逻辑回归函数
图形 -
决策边界
决策边界的概念
决策边界在线性拟合和多项式拟合的应用 -
代价函数
对数损失函数
代价函数 -
简化的成本函数和梯度下降
代价函数简化
代价函数的梯度下降 -
进阶优化
最优化算法概念
常用的最优化算法 -
多类别分类:一对多
转化思想
分类方法 - 5 正则化
-
过拟合问题
拟合问题的三类情况:欠拟合、优良的拟合、过拟合
偏差、方差的概念
避免过拟合的方法 -
代价函数
解决过拟合的方法:增加惩罚项
代价函数
学习速率的选值问题:过大、过小 -
线性回归正则化
应用正则化的线性回归梯度下降算法
应用正则化的正规方程法 -
逻辑回归正则化
为逻辑回归的代价函数添加正则化项
应用正则化的梯度回归梯度下降算法
6 神经网络:表达 - 非线性假设
-
神经网络和大脑
隐藏层、输入层、输出层的概念
、θ、激活函数的概念 - 多类别分类
7 神经网络:学习
8 机器学习应用的建议
9 机器学习系统设计
10 支持向量机
11 无监督学习
12 降维
13 异常检测
14 推荐系统
15 大规模机器学习
gitTUT 版本管理
- 1 创建版本库
-
创建版本库
$cd ~/文件夹路径/文件夹名称
添加用户名和email
建立git管理文件 -
添加文件管理
查看所有文件
创建新文件
查看版本库状态
添加到版本库 git add
提交改变 git commit - 2 记录修改
- 查看修改纪录 git log
- 查看未add的修改 git diff
- 查看已经add的修改 git diff –cached
- 同时查看两种状态的修改 git diff HEAD
- 3 reset
- 修改已经commit的版本
- reset到add之前
- reset到commit之前
- 4 checkout
-
使得单个文件回到过去的状态
git checkout +id –文件名
- 5 分支(branch)
-
使用 branch 创建 dev 分支
git branch +分之名
-
切换分支
git checkout 分之名
-
在分支中修改
checkout -b
-
将 dev 的修改推送到 master
切换至主线,再merge分支
- 6 merge分支冲突
-
merge +分支名
- 7 rebase分支冲突
-
rebase +分知名
- 8 临时修改 stash
-
暂存修改
stash -s
- 建立其他任务
-
恢复缓存
stash pop