9.1. 推荐资源 9.1.1. 书单推荐 9.1.1.1. 前端 9.1.1.2. 网络 9.1.1.3. SEO 9.1.1.4. 无线攻防 9.1.1.5. Hacking Programming 9.1.1.6. 社会工程学 9.1.1.7. 数据安全 9.1.1.8. 机器学习与网络安全 9.1.1.9. 综合 9.1.2. B...

关于本书 Gitbook (更好的阅读体验) 练习题 目录 第 1 部分 第 2 部分 未来计划 This is the Simplified Chinese translation of mostly-adequate-guide , thank Professor Franklin Risby for his great work! ...

基于实例 vs 基于模型学习 另一种分类机器学习的方法是判断它们是如何进行归纳推广的。大多机器学习任务是关于预测的。这意味着给定一定数量的训练样本，系统需要能推广到之前没见到过的样本。对训练数据集有很好的性能还不够，真正的目标是对新实例预测的性能。 有两种主要的归纳方法：基于实例学习和基于模型学习。 基于实例学习 也许最简单的学习形式就是用记忆学...

Deeplearning Algorithms tutorial 反向传播(Backpropagation) 反向传播算法（BP算法）主要由两个阶段:激励传播与权重更新. 求误差的导数 应用示例 Deeplearning Algorithms tutorial 谷歌的人工智能位于全球前列，在图像识别、语音识别、无人驾驶等技术上都已经落地。而百...

序 序 你学的最后一个新东西是什么？ 也许是一门外语，比如意大利语或德语。或者可能是一种图像编辑器，比如 Photoshop。或者是一种烹饪技术，木工活，日常锻炼。我想让你回忆一下你最终学会它时的感觉：醍醐灌顶的时刻。当事情从模糊不清变得豁然开朗，正如你掌握了如何使用台锯，或者理解了法语中雄性名词和雌性名词的区别。那种感觉怎么样？非常美妙，对吧？ ...

五、稀疏表示和字典学习 5.1 原理 5.2 算法 五、稀疏表示和字典学习 对于 。构 建矩阵 ，其内容为： 其中每一行对应一个样本，每一列对应一个特征。 特征选择所考虑的问题是：矩阵 中的许多列与当前学习任务无关。 通过特征选择去除这些列，则学习器训练过程仅需要在较小的矩阵上进行。这样学习任务的难度可能有所降低，涉及的计算...

四、特征选择 4.1 特征选择原理 4.1.1 子集搜索 4.1.2 子集评价 4.2 过滤式选择 4.3 包裹式选择 4.4 嵌入式选择 四、特征选择 对于一个学习任务，给定了属性集，其中某些属性可能对于学习来说是很关键的，但是有些属性可能就意义不大。 对当前学习任务有用的属性称作相关特征relevant feature 。 对...

教程：实现继承 - ASP.NET MVC 和 EF CoreTutorial: Implement inheritance - ASP.NET MVC with EF Core 本文内容 先决条件Prerequisites 会将继承映射到数据库Map inheritance to database 创建 Person 类Create the Per...

接下来的任务 接下来的任务 从哲学上讲，没有一本编程书是完美的，这本也不例外！我有没谈及到的 Go 主题吗？当然有！为什么呢？因为一本书中总有更多的主题要涉及，所以如果我试图涵盖所有的主题，那么这本书就永远不会出版！这种情况在某种程度上类似于一个程序的规范——你可以随时添加新的、令人兴奋的特性，但是如果你不冻结它的具体特性，这个程序将永远处于开发...