《机器学习(周志华)》学习笔记

社交媒体文本中的情感分析，运用了情感字典和机器学习的方法.zip

ML机器学习入门 神经网络基础 BP神经网络详解 BP神经网络模型与学习算法 清晰易懂

在对发票原始图像进行了预处理的基础上，通过利用BP神经网络来进行机器学习以后，对发票进行自动识别读取，利用MATLAB进行仿真，并且对发票识别后的结果进行了统计分析，对文中所建立的模型成果进行了充分的论证。 描述了基于深度学习的发票图像信息识别算法的研究背景意义、深度学习、计算机视觉和文本检测识别国内外现状。然后提出了一种基于BP神经网络的发票图像信息识别算法，可以正确提取和识别自然场景中的增值税发票图像中的信息，单区域的信息识别精度达到99.10%，平均信息识别精度达到96.20%。实现信息的自动识别、输入和记忆，节约清算人员和财务人员的时间，大幅提高办公效率，解决清算困难、时间紧张等问题

机器学习主要利用已知数据学习和推理其中未知的、潜在的概率分布的重要特性，揭示数据样本中变量（或特征）之间的关系。影响机器学习性能的最重要因素之一是向系统提供的数据的质量。随着计算机技术的高速发展和广泛应用，高维度的大规模数据不断涌现和积累，这些高维数据中存在着大量的冗余、无关特征，给现有的机器学习算法提出了更高的要求，带来了巨大挑战。特征选择是机器学习、模式识别和统计学等领域的重要研究课题之一，是数据预处理的一种重要而常用的手段。特征选择根据样本的分布特性，基于某种评估标准，从原始特征空间中选取一个最优的特征子集代替原始特征空间，所选择的特征子集具有与原始特征空间相近甚至更好的分类性能。特征选择算法可以有效地剔除冗余特征和无关特征，提高机器学习算法的泛化性能和运行效率，在实际应用中得到了广泛的推广。特征选择算法主要分为 Filter、Wrapper 和 Embedded 模式三大类，其中 Filter 模式由于其速度快和通用性强等特点备受青睐。然而，现有的 Filter特征选择算法存在这样的问题：要么选择出最具区分能力的若干特征作为最优特征子集，要么选择出区分能力较高且相互之间不冗余的

【机器学习学习资料】深度学习笔记（代码+数据）.zip

【机器学习学习资料】机器学习：公式推导与代码实现（附代码+数据）.zip

深度学习的概念介绍入们门学习的PPT。内含深度学习视频教程的网盘地址

如何处理数据缺失值？INRIA研究员Gael 《机器学习缺失值处理》54页ppt教程，为你讲解一个关于机器学习的教程，以建立缺失值的预测模型。这教程涵盖了理论结果(统计学习)和实践建议，重点介绍了使用scikit-learn在Python中的实现

大二上学期初步学习机器学习和深度学习的心得和感想。