第11章
part1

第11章:智能拼写错误检查简介

什么是单词拼写检查,就是你写错了单词,系统推荐一个它认为最可能正确的单词给你。是不是想知道其中的算法呢?

第12章
part1

第12章:基于贝叶斯原理的拼写检查算法

拼写习惯是一个新概念,什么意思呢?就是比较真实的反应生活中大家写文章,哪些词用得多,哪些词用得少。也就是词语的使用频度。 要真实的反应写作或者生活中大家使用某一个词的频度,我们最好的办法是找几本英文巨著来统计,例如《莎士比亚全集》、《哈利波特》等。

第13章
part1

第13章:拼写检查模型原理分析

这节课老师要讲朴素贝叶斯分类法,我仿佛听到了一个同学在骂:“老师,能不能说人话,听不懂啊!!!”。 好吧,我来说人话,我知道不提点庸俗的事情,你们是不会记住朴素贝叶斯分类法的。 我们本课的优势是,你不需要看其他文献,你只要专心看完这篇课程,那么你就能够理解贝叶斯分类了。

第14章
part1

第14章:实现拼写检查的代码

编辑距离,你可能第一次听说这个词,像第一次听说“汁男”一样,一头迷惑,其实我也是。 这里我要告诉大家所谓“汁男”,哦,不对,所谓“编辑距离”,通俗一点讲就是将boy变为bot,需要改变1个字母,所以他们之间的编辑距离是1。又如gril何gttl,需要改变2个字母,才能将gril变为gttl,所以gr […]

第15章
part1

第15章:实现拼写检查的代码(二)

有了本节课编写的程序,以后写英文作文,再也不用担心拼写错误了。程序会自动为你纠错,并推荐正确的单词,是不是很棒呢?

第16章
part1

第16章:最邻近算法另类解析,只学一次即可记住

所谓聚类,就是将相似的事物聚集在一起,而将不相似的事物划分到不同的类别的过程, 例如男人和女人可以进行聚类,分为男类和女类。 又如古典生物学之中,人们通过物种的形貌特征将其分门别类,这样我们才能更好的认识各种生物。

第17章
part1

第17章:scikit-learn中最邻近算法教程及使用

想知道最邻近算法的原理吗?本课将带领大家来仔细学习一下KNN算法。

第18章
part1

第18章:自己实现最邻近算法及代码讲解

scikit learn已经提供了最邻近算法,但是我们仍然想自己实现一次该算法,最深入的理解KNN算法的方方面面。

第19章
part1

第19章:最邻近算法举例:高级的手写数字识别程序

手写数字识别是一个有一定挑战性的事情,要知道每一个人的笔画、笔触都是不一样的,这增加了算法的难度。机器学习算法怎么才能区分不同的数字呢?本课将告诉大家答案。

第20章
part1

第20章:最邻近算法举例:高级的手写数字识别程序(二)

手写数字识别是一个有一定挑战性的事情,要知道每一个人的笔画、笔触都是不一样的,这增加了算法的难度。机器学习算法怎么才能区分不同的数字呢?本课将告诉大家答案。

第21章
part1

第21章:超易理解的K均值聚类算法

K-means是基于最近邻法的聚类方法。算法描述如下: 输入:k, data[n]; (1) 选择k个初始中心点,例如c[0]=data[0],…c[k-1]=data[k-1]; (2) 对于data[0]….data[n], 分别与c[0]…c[k-1]比较,假定与c[i]差值最少,就标记为i; […]

第22章
part1

第22章:K均值聚类算法样本点生成算法

为了让大家理解实验,我们在二维空间中做实验。首先,我们生成一些测试数据。可以通过scikit中的make_blobs函数来实现。make_blobs主要用来生成聚类算法的测试数据。

第23章
part1

第23章:K均值聚类算法代码实现

Kmean算法是一个古老但是非常有用的算法,它的运算速度虽然比较慢,但是适合于大多数场景。例如预测世界杯冠军,分类质量好,质量不好的苹果,这些对于KMean算法都是很容易的。

第24章
part1

第24章:K均值聚类算法代码细节编写

本课,我们仔细讲解了KMean算法,相信你只要按照我们的思路重写一遍代码,一辈子估计也很难忘记K均值算法了。

第25章
part1

第25章:K均值聚类算法代码细节编写(二)

接上一课没讲完的继续讲。本课,我们仔细讲解了KMean算法,相信你只要按照我们的思路重写一遍代码,一辈子估计也很难忘记K均值算法了。

第26章
part1

第26章:无所不能的决策树算法分析,通过决策树找男朋友

给你100个男生的样本,每一个样本包含身高、体重、年龄、年薪、性格、职业,三围、健康程度等,教你怎么写一个算法来选中最好的一个男生。然后再决定要不要和这个男生相亲了啊。放心,计算机选出的,一定比你自己选的更靠谱哦。

第27章
part1

第27章:无所不能的决策树算法分析,通过决策树找男朋友(二)

一节课无法完全讲明白决策树,本节课接上一节课的知识点继续讲。

第28章
part1

第28章:智能可视化-命令绘图工具的使用(一)

怎么将AI的一些思维方式可视化,是一个很难的课题,我们这里先讲解一种简单的可视化方法,让大家更容易理解AI的思考过程。

第30章
part1

第30章:智能可视化-命令绘图工具的使用(二)

怎么将AI的一些思维方式可视化,是一个很难的课题,我们这里先讲解一种简单的可视化方法,让大家更容易理解AI的思考过程。

第31章
part1

第31章:人工智能中必须了解的信息论知识

我们知道,衡量信息多少的物理量称为信息量,那么信息量通过什么来确定呢?本课将给你答案。

第34章
part1

第34章:智能预测足球世界杯冠军方法(一)

本课程想通过机器学习人工智能的方法,来预测4年一度的世界杯,谁最可能是冠军吗?对于一个资深球迷来说,预测可能不难,但是对于一个非球迷来说,预测冠军却非常苦难。有了本文介绍的人工智能方法,对于一个伪球迷来说,预测冠军也将是一件容易的事情。

第35章
part1

第35章:智能预测足球世界杯冠军方法(二)

本章对第18届世界杯足球赛的32支球队64场比赛进行冠军预测。预测使用进球数、射进指数、助攻、射正球门次数、射门次数、角球、任意球、越位、反击次数、短传、长 传、传中次数等 12项进攻指标进行分析。

第36章
part1

第36章:提高智能准确率-集成学习算法实践

集成学习是使用一系列学习器进行学习,并使用某种规则把各个学习结果进行整合从而获得比单个学习器更好的学习效果的一种机器学习方法。本课将介绍这些结合方法。

第38章
part1

第38章:逐步包容的层次聚类算法(一)

层次聚类(Hierarchical Clustering)是一种合并聚类算法。每次合并都是合并最相近的类。例如在包裹筛选的过程中,层次聚类,可以把包裹从小到大进行分类。

第39章
part1

第39章:逐步包容的层次聚类算法(二)

层次聚类(Hierarchical Clustering)是一种合并聚类算法。每次合并都是合并最相近的类。例如在包裹筛选的过程中,层次聚类,可以把包裹从小到大进行分类。