机器学习

机器学习（Machine Learning，简称ML）是一种人工智能（AI）的分支，致力于研究让计算机系统能够从数据中学习并自动改进性能的算法和技术。机器学习使计算机系统能够从经验中学习，而不需要明确地进行编程。

机器学习理论基础--常用算法思想要点

demi 在 周四, 07/02/2020 - 17:14 提交

机器学习是通过算法使得机器从大量历史数据中学习规律，从而对新样本做分类或者预测。一个机器学习过程主要分为三个阶段：（1）训练阶段，训练阶段的主要工作是根据训练数据建立模型。（2）测试阶段，测试阶段的主要工作是利用验证集对模型评估与选择。（3）工作阶段，工作阶段的主要工作是利用建立好的模型对新的数据进行预测与分类。

详解准确率、精确率、召回率、F1值等评价指标的含义

demi 在 周四, 07/02/2020 - 12:27 提交

机器学习问题之中，通常需要建立模型来解决具体问题，但对于模型的好坏，也就是模型的泛化能力，如何进行评估呢？很简单，我们可以定一些评价指标，来度量模型的优劣。比如准确率、精确率、召回率、F1值、ROC、AUC等指标，但是你清楚这些指标的具体含义吗？一起来看看吧。

机器学习中安全与隐私问题（对抗性攻击）

demi 在 周二, 06/30/2020 - 11:39 提交

近几年，机器学习异常火爆，可以用来解决各种各样的问题，但却很少有人意识到机器学习本身也容易受到攻击，终于Ian Goodfellow和Papernot首次将机器学习的攻击提出，并且做了很多非常重要的研究，这里给出这二位大牛的博客的翻译，有兴趣的朋友可以关注一下，觉得还是很有意思的研究。本文也是安全方面的学习，有兴趣的希望可以一起讨论学习~~

机器学习--K近邻 （KNN）算法的原理及优缺点

demi 在 周五, 06/19/2020 - 09:27 提交

K近邻法(k-nearst neighbors,KNN)是一种很基本的机器学习方法。它的基本思想是： 在训练集中数据和标签已知的情况下，输入测试数据，将测试数据的特征与训练集中对应的特征进行相互比较，找到训练集中与之最为相似的前K个数据，则该测试数据对应的类别就是K个数据中出现次数最多的那个分类。