LeetCode 刷题 航路开辟者：杨世超领航员：刘军航海士：杨世超、李彦鹏、叶志雄、赵子一 基本信息 开源内容：https://github.com/itcharge/LeetCode-Py开源电子书：https://algo.itcharge.cn内容属性：合作课程内容说明：算法知识与 LeetCode 刷题。定位人群：有 Python 语言编程基础，想要学
IOS开发 航路开辟者：李岳昆、易远哲领航员：杨皓博航海士：李岳昆、易远哲 基本信息 开源内容：https://github.com/datawhalechina/team-learning-program/tree/master/IOS内容属性：公测课程内容说明：iOS开发入门参考（控件与算法方向）。定位人群：具有Mac/iMac/iPad相关设备，对协议式编程
基于Python的办公自动化 航路开辟者：牧小熊、刘雯静、张晓东、吴争光、隆军领航员：六一航海士：牧小熊、李显、刘羽中、王晓亮 基本信息 开源内容：https://github.com/datawhalechina/team-learning-program/tree/master/OfficeAutomation内容属性：公测课程内容说明：了解通过python
吃瓜教程——西瓜书+南瓜书 航路开辟者：谢文睿、秦州领航员：张海腾航海士：谢文睿、秦州 基本信息 开源内容：https://github.com/datawhalechina/pumpkin-bookB 站视频：https://www.bilibili.com/video/BV1Mh411e7VU内容属性：机器学习（理论）专题内容说明：周志华老师的“西瓜书”是机器
吃瓜教程|Datawhale-10月（4） 神经网络 神经元模型 M-P 神经元模型（一个用来模拟生物行为的数学模型） 在此模型中，神经元接收到来自 n 个其他神经元传递过来的输入信号，这些输入信号通过带权重的连接进行传递，神经元接收到的总输入值将与神经元的阈值进行比较，然后通过激活函数（模拟“抑制”
第5章 神经网络 5.1 神经元模型 基本定义：神经网络是由具有适应性的简单单元组成的广泛并行互联的网络，它的组织能够模拟生物神经系统对真实世界物体所做出的交互反应。 M-P神经元模型： 在此模型中，神经元接收到来自其他n个神经元传递过来的带有权重的信号，并将总输入值与神经元
吃瓜教程|Datawhale-10月（3） 决策树 基本流程 基于树结构来进行决策。 一般一颗决策树只包含一个根结点、若干个内部结点和若干个叶结点。 其中叶结点对应决策结果，其他的每个结点对应一个属性测试，从根结点到每个叶结点的路径对应了一个判定测试序列。 决策树学习的目的是为了产生一
一、侧边栏练习题 1. 练习1 解答： 由于是白噪声，所以 最后一项推导如下： 根据上面的推导，很容易看出第四个等号
第4章 决策树 4.1 基本流程 #**输入：**训练集D={${(x_1,y_1),(x_2,y_2),...,(x_m,y_m)}$}; 属性集A=${{a_1,a_2,...,a_d}}$. #**过程：**函数TreeGeneratw(D,A) 1: 2: 3: 4: 5: 6: 7: 8: 9: 10: 11: 12: 13: 14: 15: 16: **输出：**
import numpy as np #决策树模型 def MSE(y): return ((y - y.mean())**2).sum() / y.shape[0] class Node: def __init__(self, depth, idx): self.depth = depth self.idx = idx self.left = None self.right = None
结论速递 本文索引 结论速递 0 决策树概述0.1 决策树0.2 决策树的学习 1 信息论基础1.1 信息熵、条件熵、信息增益1.2 思考题 0 决策树概述 0.1 决策树 决策树实际上就是一种if-then规则的集合。同时，李航在《统计机器学习》中指出，决策树还表示给定特征条件下类的条件概
Datawhale组队学习开源内容汇总 一、组队学习简介 组队学习就是一群志同道合的小伙伴，一起学习讨论，一起克服拖延症，一起组队打boss。没有老师，没有教学，有的是一群热爱学习和渴望改变的人，交流学习，互促共进。 如果您对哪门开源内容感兴趣，请在下方留言区写上课程的名称。我们就邀请
这次知识点太多，做个思维导图更加清楚一些
Datawhale九月组队学习：情感分析 往期指路： Task01情感分析BaseLine Task02情感分析Upgrade 文章目录 Datawhale九月组队学习：情感分析前言笔记要点：1. 模型搭建流程：2. 数据预处理要点记录：3. 模型搭建要点记录：4. 模型训练要点记录： 总结 前言 在这一小节中，
数据清洗及特征处理 通常原数据都是不干净的，可能存在异常值，缺失值以及其他问题。所以一般进行数据分析之前都需要先对数据进行清洗。 读个文件先 #加载所需的库 import numpy as np import pandas as pd #加载数据train.csv df = pd.read_csv('train.csv') 缺失值观察与处
Datawhale开源学习SQL: 1.基础查询和排序 TASK02 基础查询和排序SELECT运算符练习1聚合函数GROUP BYHAVINGORDER BY练习2 开源连接：https://github.com/datawhalechina/wonderful-sql TASK02 基础查询和排序 基本语法太多地方可以查阅了，下面记录个人觉得要注意的点~ SELE
Datawhale 组队学习之 手撕SQL Task00 环境搭建安装MySQL终端配置连接MySQL数据库 项目开源地址: https://github.com/datawhalechina/wonderful-sql Task00 环境搭建 安装MySQL 安装就很简单，去MySQL官网看着自己的操作系统下就行。 操作系统下载项WindowsMySQL Install
复习：数据分析的第一步，加载数据我们已经学习完毕了。当数据展现在我们面前的时候，我们所要做的第一步就是认识他，今天我们要学习的就是了解字段含义以及初步观察数据。 1 第一章：数据载入及初步观察 1.4 知道你的数据叫什么 我们学习pandas的基础操作，那么上一节通过pandas加载之
吃瓜教程|Datawhale-9月（1） 绪论 引言 条件→结果 机器学习研究的主要内容是关于计算机上从数据中产生模型（model）的算法，即学习算法（learning algorithm） 基本术语 *只解释我自己不明白的 数据集data set 示例instance/样本sample 属性attribute/特征feature 属性值attribute va
一元函数积分学是微分学的反函数。 【积分的意义】 积分是微分的反向，比如： 加速度（积分）=速度（积分）=距离 曲线下方跟X轴所成的面积，是曲线的积分或定积分。 【积分与定积分】 积分是一个函数，无上下界。定积分是有上下界的函数，定积分是一个值。 积分是微分的逆运算，要熟记微分公式以
机器学习数学基础Datawhale-8月（5） 事先声明：本文中未作说明的图片均出自《2022考研数学张宇基础30讲》 中值定理 涉及函数的中值定理 前提：f(x)在[a,b]上连续，则 有界与最值定理 m≤f(x)≤M，其中，m,M分别为f(x)在[a,b]上的最小值和最大值 必须是闭区间 介值定理 m≤μ≤M时，存在ξ∈[a,b
一、 为什么使用CNN处理图片 在图片中有一些比整张图片要小的pattern（比如鸟的图片中鸟的喙就是一个小的pattern），识别这些pattern并不需要看整张图片。 这些小的pattern会出现在图片的不同位置，例如鸟图片中鸟的喙可能出现在左上角也可能出现在中间。 对图片进行降采样（池化）不会改变
机器学习数学基础|Datawhale-8月（2） 事先声明：本文中未作说明的图片均出自《2022考研数学张宇基础30讲》 数列极限 极限：无限接近的过程 数列极限 （数列极限只有趋于+∞） 子列 从原数列取无穷多项，按原数列的先后顺序排列。 原数列是收敛的，子列也收敛。 子列收敛，并不能说原数列收敛
第一章 绪论 基本术语 机器学习定义： 假设用P来评估计算机程序在某一个任务类T上的性能，若一个程序通过利用经验E在T中任务上获得了性能改善，则我们就说关于T和P，该程序对E进行了学习。属性： 反映事件或对象在某方向的表现或性质，也称为特征。如西瓜的“色泽”、“敲声”等。属性值：
此文章为Datawhale八月组队学习打卡——李宏毅机器学习：1-介绍 & 2-为什么要学习机器学习
