一、安装Anaconda1.下载下载地址为：https://www.anaconda.com/download/#linux2.安装anaconda，执行命令：bash ~/Downloads/Anaconda3-5.1.0-Linux-x86_64.sh
3.在安装过程中会显示配置路径Prefix=/home/jsy/anaconda2/4.安装完之后，运行python，仍是ubuntu自带的python信息，需自己设置下环境变量5.在终端输入$sudo gedit /etc/profile，打开profile文件6.在文件末尾添加一行：export PATH=/home/jsy/anaconda2/bin:$PATH，其中...
原文链接：http://www.kdnuggets.com/2014/10/deep-learning-make-machine-learning-algorithms-obsolete.html第一次翻译英文文章，水平有限，如有缺失，敬请指正！中文译文：深度学习将代替机器学习并淘汰它们吗，在简单问题上深度学习是不是显得太复杂了呢？我们就这个讨论从两方面探讨一下。先看一下Ran Bi 在2014年10月说道：深度学习近年来发展速度很快，并且取得了令人惊奇的好结果。进来有一个在Quara上有关于深度学习是否会...
一、损失函数：机器学习主要工作是模型评估，而损失函数定义了模型的评估指标!!
常见的损失函数有mean_squared_error
mean_absolute_error
mean_absolute_percentage_error
mean_squared_logarithmic_error
squared_hinge
hinge
categorical_hinge
logcosh
categorical_crossentropy
sparse_categorical_crossentropy
binary_crossentropy（二元交叉熵）
kullback_leibler_divergence
poisson
cosine_proximity二、机器学习经典优化...
序
声明：以下是博主精心整理的机器学习和AI系列文章，博主后续会不断更新该领域的知识：
人工智能AI实战系列代码全解析
手把手教你ML机器学习算法源码全解析
有需要的小伙伴赶紧订阅吧。
人工智能的浪潮正在席卷全球，诸多词汇时刻萦绕在我们耳边：人工智能（Artificial Intelligence）、机器学习（Machine Learning）、深度学习（Deep Learning）。不少人对这些高频词汇的含义及其背后的关系总是似懂非懂、一知半解。
人工智能的...
4.1 机器学习的四个分支
4.1.1 监督学习
含义：给定一组样本，它可以学会将输入数据映射到已知目标。
常见监督学习有：分类、回归、序列生成、语法树预测、目标检测、图像分割。
4.1.2 无监督学习
含义：是指在没有i目标的情况下寻找输入数据的有趣变换，其目的在于数据可视化、数据压缩、数据去噪或更好地理解数据中的相关性。
常见无监督学习有：降维、聚类。
4.1.3 自监督学习
含义：是没有人工标注的标签的监督学习，可以看...
一、安装相关包
安装dlib、cmake、face_recognition
二、获取人脸的128位数组编码
使用基本演绎法这两个演员的脸测试，只用了这两张正脸进行识别，如果要识别准确，得准备多种角度的照片，才能比较精准。# 使用Face recognition获取人脸128位数组from imutils.video import VideoStream
from imutils import paths
import face_recognition
import argparse
import pickle
import cv2
import os
import imutilsdef train():# grab ...
download：Python3入门人工智能 掌握机器学习+深度学习 提升实战能力
Flare老师帮你全面梳理人工智能核心知识，使用流行的Python3语言手把手带你完成AI实战项目，课程囊括机器学习与深度学习，监督与无监督学习，独有综合多项技术的混合算法，为你学习AI打下扎实基础。课程采用sklearn与keras框架（底层调用tensorflow），针对模型优化、数据分析与预处理展开详细讲解，帮你实现能力的全面提升。课程大项目综合数据增强、降维、分离...
任务简介：学习花书5.1-5.4，观看讲解视频(1.机器学习算法 2.过拟合与欠拟合超参数验证集)
任务详解：理解机器学习的基本概念，两类任务分类和回归，以及性能度量
过拟合与欠拟合的概念
超参数，交叉验证，训练集，交叉验证集，测试集上边的例子出现了过拟合，在训练集上拟合的曲线并不适用测试集，误差很大。
造成过拟合的原因：模型参数过多。一般情况下，过拟合时，参数会异常大。泛化误差：在测试集上得到的误差。点赞 收藏分...
人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来，理论和技术日益成熟，应用领域也不断扩大，可以设想，未来人工...
from keras.datasets import mnist
from keras.utils import np_utils
import numpy as np
np.random.seed(10);(x_Train,y_Train),(x_Test,y_Test)=mnist.load_data();x_Train4D=x_Train.reshape(x_Train.shape[0],28,28,1).astype('float32');
x_Test4D=x_Test.reshape(x_Test.shape[0],28,28,-1).astype('float32');x_Train4D_normalize=x_Train4D/255;
x_Test4D_normalize=x_Test4D/255;y_TrainOneHot=np_utils.to_categorical(...
慕课学习的总结
机器学习简介：从数据中抽取规律，并用来预测未来（也可以说是统计学习哦） 机器学习的应用：分类、回归、排序、生成等 机器学习的应用流程：可以实现在线训练与模型替换 通常机器学习岗位的职责： 人工智能、深度学习、机器学习的层次关系： 机器学习和深度学习的区别：机器学习是实现人工智能的方法，深度学习是实现机器学习算法的技术 深度学习算法简单集合： 深度学习在图像分类中的进展： 深度学习的进展...
链接：https://pan.baidu.com/s/1q1iGMZWAkHdqmvkvyL72lw 提取码：hdu2 第一部分(01)机器学习与相关数学初步 (02)数理统计与参数估计 (03)矩阵分析与应用 (04)凸优化初步 (05)回归分析与工程应用 (06)特征工程 (07)工作流程与模型调优 (08)最大熵模型与EM算法 (09)推荐系统与应用 (10)聚类算法与应用 (11)决策树随机森林和adaboost (12)SVM (13)贝叶斯方法 (14)主题模型 (15)贝叶斯推理采样与变分 (16)人工神经网络 (17)卷积神经网...
01 自然语言处理的基础知识为了便于理解，我们将这个术语分为两部分：自然语言是一种有机且自然发展而来的书面和口头交流形式。 处理意味着使用计算机分析和理解输入数据。如图1-1所示，自然语言处理是人类语言的机器处理，旨在教授机器如何处理和理解人类的语言，从而在人与机器之间建立一个简单的沟通渠道。▲图1-1 自然语言处理自然语言处理的应用很广泛，例如，在我们的手机和智能音箱中的个人语音助手，如Alexa和Siri。它们不...
