前言： 通过第前面的学习介绍了机器学习回归模型创建的流程，并且知道了机器学习要做的事情是找到目标函数，优化它，通过每次迭代都使目标函数值最小，最...

聚类算法 前面介绍的集中算法都是属于有监督机器学习方法，这章和前面不同，介绍无监督学习算法，也就是聚类算法。在无监督学习中，目标属性是不存在的，...

前言：特征工程是机器学习的重点，他直接影响着模型的好坏。 数据收集 在进行机器学习之前，收集数据的过程中，我们主要按照以下规则找出我们所需 要的...

前言：前面已经介绍了的几种算法，应该对算法有了一个基本的认识了，本章主要是在前面已经学到的基础上，对前面的算法模型进行整合操作，训练出效果更好的...

前言：概率论的理解有些抽象，掌握概率论的方法，用实际样本去无限接近真实，熟练掌握并且使用一些最基本的概念是前提，比如，均值，方差 排列 组合 计...

前言：正所谓每一个结果的出现都是一系列的原因导致的，当构建机器学习模型时候，有时候数据特征异常复杂，这就需要经常用到数据降维技术，下面主要介绍一...

前言：主要介绍一下，TensorFlow变量作用域和可视化，变量作用域能更好底可视化展示数据流图 TensorFlow变量作用域 通过tf.Va...

前言：机器学习工程师一半的时间花在数据的清洗、特征选择、降维等数据处理上面，下面就以邮件过滤系统为例，介绍一下机器学习模型构建前的一些非常重要的...