一、说明

        栏目《AI基本原理和python实现》的设计目的是为了实现相关算法的python编程。因为用python实现AI需对相关的python库进行全方位了解，本栏目基本包含了【机器学习】相关的经典算法，除此之外还包括了数据分析、时间序列等一些概念和相关python代码。本篇主要介绍栏目的相关文章标题供大家参考。附带还说明栏目其他付费栏目的订阅方法。

二、博客建设理念

        本博客基地，将建成人工智能领域的参考资料库；这个资料库收集的是AI的关键技术、AI最新技术。博客文章来源有三：1 博主本人所作，2 另一些是学习中的笔记文档，3 追踪当前全球AI前缘技术论文，这些所谓的前缘性技术，就是尚没有编程印刷书籍的技术文章。对于这些他人文章，博主进行二次创作，如：多文合并、追加段落、重新组织。因而无版权之忧。

        另外，本博客基地文章必须保证有一定技术和理论高度，大致与硕士生水平相当。

三、收费栏目订阅方法

3.1 付费价格标准

本博客基地，原则上收费文章为每篇0.5-1元左右。以下表标示栏目的标价信息。

 3.2 人工智能综合栏目

        【人工智能综合】栏目文章最多，收费最高。而【人工智能综合】不是一个新栏目，是其他栏目的合编。它包含了七个AI题目的栏目，如下图：

3.3 栏目中有些文章与栏目不符合

        栏目出现与本栏目不符的题目，似乎栏目管理不专业。情况是这样的，付费栏目只能追加，系统不允许删除，一旦操作失误就无法调整和改正，因此也就无法严格管理了，请大家见谅。

四、 栏目《AI基本原理和python实现》

NumPy 专业人士应该掌握的 45 个技能_numpy 必备操作 掌握 
决策树算法：它们无处不在【01/2】_cart模型杂质测量 
DBSCAN聚类算法原理和Python实现_轨迹聚类 python 
AdaBoost：提升机器学习的力量 
数据无效：问题和解决方案的分析 
机器学习算法(7)-朴素贝叶斯算法和K最近邻算法 
AdaBoost 算法：理解、实现和掌握 AdaBoost 
机器学习算法（9）——集成技术（Bagging——随机森林分类器和回归） 
特征工程完整指南 - 第一部分 
混淆矩阵和数据不平衡 （2/3）_混淆矩阵成本 
探索泰勒级数在机器学习中的作用：从函数逼近到模型优化_泰勒级数神经网络 
如何使用 Scikit-learn Pipeline 和 ColumnTransformer 提高机器学习代码质量_pipeline countvectorizer拆开怎么写 
机器学习中的特征选择：方法和 Python 示例 
降维技术——PCA、LCA 和 SVD 
混淆矩阵和数据不平衡 （1/3）_混淆矩阵类别不平衡用概率还是数量 
机器学习系列5：距离空间（1）_距离空间中b(1,4)表示什么) 
机器学习库【03】：-NumPy-算术运算 
【基础概念02】讲讲关于ROC曲线的故事 
从根到叶：随机森林模型的深入探索 
机器学习算法(1)——简单线性回归 
机器学习算法(12) — 集成技术（Boosting — Xgboost 分类） 
适应变化：动态预测在机器学习中的作用 
机器学习：VC维的概念和用途 
机器学习算法(8)——决策树算法 
机器学习算法（11）——集成技术（Boosting——梯度提升） 
机器学习中基于树的模型 
机器学习中的独立和同分布 （IID）：假设和影响_机器学习iid 
使用 PyTorch 进行 K 折交叉验证_pytorch如何使用k折交叉验证 
机器学习：十大算法快速回顾 
混淆矩阵和数据不平衡 （3/3） 
支持向量机 (SVM)：初学者指南_支持向量机 参数 epsilon 
机器学习中的混沌工程：拥抱不可预测性以增强系统鲁棒性埃 
【机器学习】10 大算法及其用例_适合解决现实问题的机器算法 
计算机码ASCII、Unicode、GBK、UTF-8之间的关系_unicode gbk 
Tkinter 面向对象框架《一》 
Tkinter 面向对象框架《二》 
在 Streamlit 中使用自定义 CSS 创建加密仪表板_streamlit设置css 
【python知识】多进程专题（1）_os.getpid 
【python知识】多进程专题（2）_set_start_method 
【统计基础】贝叶斯理论和神经网络_贝叶斯神经网络库 
【深度学习】生成对抗网络理解和实现 
使用多元高斯分布进行异常检测_基于多元分布的异常检测 
【数据挖掘】时间序列教程【八】 
【图像处理】使用Python进行实时人脸检测和识别_python侧脸识别 
【图像处理】看OpenCV如何实现相机校准_opencv 摄像头校准 
【数据挖掘】时间序列教程【二】_时间数据分析数据挖掘 
【数据挖掘】时间序列教程【三】_文本挖掘中的时间序列 
【数据挖掘】时间序列教程【七】 
【深度学习】初学者必须知道的五个激活函数 
【数据挖掘】时间序列教程【四】 
【数据挖掘】时间序列教程【五】 
【数据挖掘】时间序列教程【六】 
【数据挖掘】时间序列模型处理指南（一）_时序数据处理大模型 
【python】在 Python 中定义空变量和数据结构_python 创建空变量 
python知识：openCV实现鼠标事件捕获_python-opencv 添加按钮 
【计算方法】关于Gauss-Seidel迭代法的Python实现_高斯赛德尔迭代python 
【机器学习】PCA案例的python实现_python pca标准化数据 
【机器学习】基于t-SNE数据可视化工程 
【Python知识】 可哈希和不可哈希对象_python可哈希 
【python知识】importlib包详解 
【python】九个数据结构问题python代码_数据结构哪些问题可以用python编程 
【图像处理】墨西哥小波和带通滤波_墨西哥帽小波 
【python资料】pandas的条件查询_pandas条件查询 
【机器学习】Kullback-Leibler散度实现数据监控_kullback-leibler r-squared 
【机器学习】对于算法效能评估的四种曲线_肘部曲线 
【python】如何在 Python 中创建相关矩阵_python 相关性矩阵实现 
【python】软件更新：用conda或Poetry_removeerror: 'pyopenssl' is a dependency of conda  
【图像处理】道格拉斯-普克算法（曲线的折线段逼近）_道格拉斯普克算法 
图像处理的OTSU算法_数字图像处理otus证明 
对灰度图像的三维函数显示【更新中-】_python 灰度三维分布图 
Python 知识：检查图中是否存在哈密顿循环 
图像处理：canny算子原理和python实现 
【深度学习】训练时现Interal Error：Blas GEMM launch failed._internal: blas gemm launch failed 
2021-04-17 安装Ubuntu18.0.4 的深度学习训练服务器_ubuntu如何放服务器训练