自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

<p id="r78pc"></p>

<style id="r78pc"></style>

<sub id="r78pc"><p id="r78pc"></p></sub>

<blockquote id="r78pc"></blockquote>

<blockquote id="r78pc"></blockquote>

<blockquote id="r78pc"></blockquote>

<blockquote id="r78pc"></blockquote>

51CTO首頁(yè)

AI.x社區(qū)

軟考社區(qū)

免費(fèi)課

企業(yè)培訓(xùn)

鴻蒙開(kāi)發(fā)者社區(qū)

WOT技術(shù)大會(huì)

公眾號(hào)矩陣

移動(dòng)端

視頻課免費(fèi)課排行榜短視頻直播課軟考學(xué)堂

全部課程軟考華為認(rèn)證廠商認(rèn)證 IT技術(shù)PMP項(xiàng)目管理免費(fèi)題庫(kù)

在線學(xué)習(xí)

文章資源問(wèn)答課堂專(zhuān)欄直播

51CTO

鴻蒙開(kāi)發(fā)者社區(qū)

51CTO技術(shù)棧

51CTO官微

51CTO學(xué)堂

51CTO博客

CTO訓(xùn)練營(yíng)

鴻蒙開(kāi)發(fā)者社區(qū)訂閱號(hào)

51CTO軟考

51CTO學(xué)堂APP

51CTO學(xué)堂企業(yè)版APP

鴻蒙開(kāi)發(fā)者社區(qū)視頻號(hào)

51CTO軟考題庫(kù)

賬號(hào)設(shè)置退出

機(jī)器學(xué)習(xí)

2031內(nèi)容??

關(guān)注

涵蓋機(jī)器學(xué)習(xí)相關(guān)算法知識(shí)、開(kāi)發(fā)工具、解決方案與應(yīng)用場(chǎng)景。

共 2031 條

美麗聯(lián)合業(yè)務(wù)升級(jí)下的機(jī)器學(xué)習(xí)應(yīng)用

通常機(jī)器學(xué)習(xí)在電商領(lǐng)域有三大應(yīng)用，推薦、搜索、廣告，這次我們聊聊三個(gè)領(lǐng)域里都會(huì)涉及到的商品排序問(wèn)題。從業(yè)務(wù)角度，一般是在一個(gè)召回的商品集合里，通過(guò)對(duì)商品排序，追求GMV或者點(diǎn)擊量最大化。進(jìn)一步講，就是基于一個(gè)目標(biāo)，如何讓流量的利用效率最高。很自然的，如果我們可以準(zhǔn)確預(yù)估每個(gè)商品的GMV轉(zhuǎn)化率或者點(diǎn)擊率，就可以最大化利用流量，從而收益最大。

2017-08-14 17:00:21

機(jī)器學(xué)習(xí)電商應(yīng)用

薪酬那么高的機(jī)器學(xué)習(xí)崗位，究竟是怎么面試人的？

首先這個(gè)問(wèn)題問(wèn)的很廣。做機(jī)器學(xué)習(xí)方向很多，有些公司更偏重于數(shù)據(jù)挖掘，而有些更傾向于深度學(xué)習(xí)。同理，相對(duì)應(yīng)的崗位有些偏重理論也有些偏重實(shí)踐。這些因素疊加造成了機(jī)器學(xué)習(xí)相關(guān)的崗位分布廣，如數(shù)據(jù)分析師，算法工程師，機(jī)器學(xué)習(xí)科學(xué)家等，很難一概而論。

2017-08-11 19:35:48

機(jī)器學(xué)習(xí)崗位面試

機(jī)器學(xué)習(xí)填坑：你知道模型參數(shù)和超參數(shù)之間的區(qū)別嗎？

機(jī)器學(xué)習(xí)中的模型參數(shù)和模型超參數(shù)在作用、來(lái)源等方面都有所不同，而模型超參數(shù)常被稱(chēng)為模型參數(shù)，這樣，很容易對(duì)初學(xué)者造成混淆。本文給出了模型參數(shù)和模型超參數(shù)的定義，并進(jìn)行了對(duì)比，指出了二者本質(zhì)上的區(qū)別：模型參數(shù)是模型內(nèi)部的配置變量，可以用數(shù)據(jù)估計(jì)模型參數(shù)的值;模型超參數(shù)是模型外部的配置，必須手動(dòng)設(shè)置參數(shù)的值。

2017-08-08 14:54:54

機(jī)器學(xué)習(xí)模型參數(shù)超參數(shù)

關(guān)于機(jī)器學(xué)習(xí)的領(lǐng)悟與反思

近年來(lái)，人工智能的強(qiáng)勢(shì)崛起，特別是去年AlphaGo和韓國(guó)九段棋手李世石的人機(jī)大戰(zhàn)，讓我們深刻地領(lǐng)略到了人工智能技術(shù)的巨大潛力。數(shù)據(jù)是載體，智能是目標(biāo)，而機(jī)器學(xué)習(xí)是從數(shù)據(jù)通往智能的技術(shù)、方法途徑。因此，機(jī)器學(xué)習(xí)是數(shù)據(jù)科學(xué)的核心，是現(xiàn)代人工智能的本質(zhì)。

2017-08-07 18:35:52

機(jī)器學(xué)習(xí)統(tǒng)計(jì)與計(jì)算發(fā)展啟示

基于概率隱層模型的購(gòu)物搭配推送：阿里巴巴提出新型用戶偏好預(yù)測(cè)模型

推送控制是電商應(yīng)用中的關(guān)鍵組成部分，它與用戶的數(shù)量增長(zhǎng)與參與度顯著相關(guān)。推送通知的有效性通常以消息被打開(kāi)比例來(lái)衡量。推送消息可以包含推薦的產(chǎn)品、優(yōu)惠信息等，但由于顯示空間的限制，通常我們只能在推送消息中顯示一個(gè)或兩個(gè)項(xiàng)目。近日，阿里巴巴的研究者們提出了一種混合模型方法，用于預(yù)測(cè)用戶購(gòu)買(mǎi)后補(bǔ)充產(chǎn)品推薦任務(wù)中的推送消息打開(kāi)率。

2017-08-07 11:09:19

機(jī)器學(xué)習(xí)用戶推薦轉(zhuǎn)化率

圖解機(jī)器學(xué)習(xí)：神經(jīng)網(wǎng)絡(luò)和TensorFlow的文本分類(lèi)

在本文中，我們將創(chuàng)建一個(gè)機(jī)器學(xué)習(xí)模型來(lái)將文本分類(lèi)到類(lèi)別中。

2017-08-04 14:23:04

機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)TensorFlow

除了自然語(yǔ)言處理，你還可以用詞嵌入（Word2Vec）做這個(gè)

盡管詞嵌入（Word2Vec）技術(shù)目前主要用在自然語(yǔ)言處理的應(yīng)用中，例如機(jī)器翻譯；但本文指出，該技術(shù)還可以用于分類(lèi)特征處理，把文本數(shù)據(jù)轉(zhuǎn)換成便于機(jī)器學(xué)習(xí)算法直接使用的實(shí)值向量，從而提供了一種看待詞嵌入（Word2Vec）應(yīng)用的新視角。

2017-08-04 10:16:52

自然語(yǔ)言處理嵌入機(jī)器學(xué)習(xí)

人工智能之機(jī)器學(xué)習(xí)算法體系匯總

參加完2017CCAI，聽(tīng)完各位專(zhuān)家的演講后受益匪淺。立志寫(xiě)“人工智能之機(jī)器學(xué)習(xí)”系列，此為開(kāi)篇，主要梳理了機(jī)器學(xué)習(xí)算法體系，人工智能相關(guān)趨勢(shì)，Python與機(jī)器學(xué)習(xí)，以及結(jié)尾的一點(diǎn)感想。

2017-08-02 13:06:47

人工智能機(jī)器學(xué)習(xí)算法

機(jī)器學(xué)習(xí)在金融領(lǐng)域的四大優(yōu)勢(shì)和五大應(yīng)用

今天，從審批貸款到資產(chǎn)管理，再到風(fēng)險(xiǎn)評(píng)估，機(jī)器學(xué)習(xí)在金融生態(tài)系統(tǒng)的許多階段都起著不可或缺的作用。然而，只有少數(shù)懂技術(shù)的專(zhuān)業(yè)人士真正明白機(jī)器學(xué)習(xí)是如何在人們的日常財(cái)務(wù)生活中發(fā)揮作用的。

2017-07-31 10:31:13

機(jī)器學(xué)習(xí)優(yōu)勢(shì)應(yīng)用

數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)的工具和語(yǔ)言最新動(dòng)態(tài)

2014年分析、數(shù)據(jù)挖掘、數(shù)據(jù)科學(xué)的主要工具有四種：R、Python、SQL和SAS，而2017年達(dá)到了五種，分別是Python、R、SQL、Saprk和Tensorflow。RapidMiner以33%左右的使用率占據(jù)著數(shù)據(jù)挖掘/數(shù)據(jù)科學(xué)中最流行的通用平臺(tái)前列，這和2016年幾乎完全一樣。

2017-07-28 09:50:15

機(jī)器學(xué)習(xí)數(shù)據(jù)科學(xué)工具和語(yǔ)言

Uber 劉彥東：當(dāng)Uber開(kāi)拓送餐服務(wù)后，全世界的外賣(mài)都震驚了原創(chuàng)

Uber不僅能叫車(chē)，原來(lái)還能點(diǎn)餐。

2017-07-26 18:49:00

京東機(jī)器學(xué)習(xí)人工智能

如何選擇Spark機(jī)器學(xué)習(xí)API

本文將簡(jiǎn)要介紹Spark機(jī)器學(xué)習(xí)庫(kù)(Spark MLlib’s APIs)的各種機(jī)器學(xué)習(xí)算法，主要包括：統(tǒng)計(jì)算法、分類(lèi)算法、聚類(lèi)算法和協(xié)同過(guò)濾算法，以及各種算法的應(yīng)用。

2017-07-26 17:25:22

機(jī)器學(xué)習(xí)Spark API

亮出“安全智能”牌瀚思B輪融資再受關(guān)注原創(chuàng)

近日，瀚思科技宣布完成B輪融資，金額高達(dá)1億元人民幣，被稱(chēng)為2017年上半年中國(guó)安全領(lǐng)域企業(yè)公開(kāi)披露的最高融資金額。本輪融資由國(guó)科嘉和基金和IDG資本領(lǐng)投，南京高科等A輪投資方繼續(xù)跟投，凡卓資本擔(dān)任本次融資獨(dú)家財(cái)務(wù)顧問(wèn)。

2017-07-25 19:48:22

融資智能安全瀚思

如何快速全面建立自己的大數(shù)據(jù)知識(shí)體系？

作者經(jīng)過(guò)研發(fā)多個(gè)大數(shù)據(jù)產(chǎn)品，將自己形成關(guān)于大數(shù)據(jù)知識(shí)體系的干貨分享出來(lái)，希望給大家能夠快速建立起大數(shù)據(jù)產(chǎn)品的體系思路，讓大家系統(tǒng)性學(xué)習(xí)和了解有關(guān)大數(shù)據(jù)的設(shè)計(jì)架構(gòu)。

2017-07-25 17:34:54

大數(shù)據(jù)機(jī)器學(xué)習(xí)數(shù)據(jù)

ML之梯度下降算法機(jī)器學(xué)習(xí)初學(xué)者的梯度下降算法

梯度下降算法就是一個(gè)被廣泛使用的優(yōu)化算法, 它可以用于尋找最小化成本函數(shù)的參數(shù)值. 用中學(xué)數(shù)學(xué)的語(yǔ)言來(lái)描述梯度下降, 是這樣的: 當(dāng)函數(shù) _ 取得最小值時(shí), 求所對(duì)應(yīng)的自變量的過(guò)程_ 此處, 就是機(jī)器要學(xué)習(xí)的參數(shù), 就是用于參數(shù)估計(jì)的成本函數(shù), 是關(guān)于的函數(shù). 因此, 基本上具備中學(xué)數(shù)學(xué)知識(shí)的, 都能理解梯度下降算法.

2017-07-25 12:59:10

機(jī)器學(xué)習(xí)梯度下降算法

機(jī)器學(xué)習(xí)技術(shù)之預(yù)測(cè)性維護(hù)

本文探討了預(yù)測(cè)性維護(hù)的不同方法，使用了不同的回歸和分類(lèi)算法。而且，本文一步步地展示了調(diào)整這些模型的技術(shù)。我們的最終解決方案在預(yù)測(cè)剩余使用壽命上的RMSE值是18.77，在預(yù)測(cè)后N(30)步內(nèi)可能出現(xiàn)故障上的準(zhǔn)確率是94%。

2017-07-25 12:09:10

機(jī)器學(xué)習(xí)預(yù)測(cè)性維護(hù)模型

深度學(xué)習(xí)：簡(jiǎn)單而有局限性的求解方式

在人工智能，特別是深度學(xué)習(xí)破解了一個(gè)又一個(gè)難題，在很多任務(wù)上達(dá)到超過(guò)人類(lèi)認(rèn)知水平的今天，我們距離真正的人工智能仍很遙遠(yuǎn)。本文摘自作者出版的新書(shū)《Deep Learning with Python》第九章第二節(jié)，其中簡(jiǎn)要介紹了深度學(xué)習(xí)的原理、強(qiáng)大能力、以及無(wú)處不在的局限性。

2017-07-25 11:22:06

深度學(xué)習(xí)求解方式人工智能

如何把業(yè)務(wù)問(wèn)題變成機(jī)器學(xué)習(xí)的問(wèn)題？

基于第四范式在機(jī)器學(xué)習(xí)工業(yè)應(yīng)用方面的大量成功案例和經(jīng)驗(yàn)，我們今天就來(lái)分析一下，想用機(jī)器學(xué)習(xí)提升業(yè)務(wù)價(jià)值，在搭建平臺(tái)、處理數(shù)據(jù)、訓(xùn)練算法之前，真正要做的第一步應(yīng)該是什么? 我們今天不談技術(shù)，不談算法，不談平臺(tái)，但是今天聊的東西卻是機(jī)器學(xué)習(xí)產(chǎn)生價(jià)值過(guò)程中，最關(guān)鍵的步驟之一。

2017-07-21 13:45:48

機(jī)器學(xué)習(xí)分類(lèi)器 MVP模型

人工智能與機(jī)器學(xué)習(xí)有哪些不同

人工智能早已不是一個(gè)新名詞，它的發(fā)展歷史已經(jīng)有幾十年。從80年代早期開(kāi)始，當(dāng)時(shí)計(jì)算機(jī)科學(xué)家設(shè)計(jì)出可以學(xué)習(xí)和模仿人類(lèi)行為的算法。在學(xué)習(xí)方面，最重要的算法是神經(jīng)網(wǎng)絡(luò)，但由于模型過(guò)于強(qiáng)大，沒(méi)有足夠的數(shù)據(jù)支持，導(dǎo)致不是很成功。然而，在一些更具體的任務(wù)中，使用數(shù)據(jù)來(lái)適應(yīng)函數(shù)的想法獲得了巨大的成功，這也構(gòu)成了機(jī)器學(xué)習(xí)的基礎(chǔ)。

2017-07-21 12:52:32

人工智能機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

一文看懂自動(dòng)駕駛中應(yīng)用的機(jī)器學(xué)習(xí)算法

機(jī)器學(xué)習(xí)算法已經(jīng)被廣泛應(yīng)用于自動(dòng)駕駛各種解決方案，電控單元中的傳感器數(shù)據(jù)處理大大提高了機(jī)器學(xué)習(xí)的利用率，也有一些潛在的應(yīng)用，比如利用不同外部和內(nèi)部的傳感器的數(shù)據(jù)融合(如激光雷達(dá)、雷達(dá)、攝像頭或物聯(lián)網(wǎng))，評(píng)估駕駛員狀況或?yàn)轳{駛場(chǎng)景分類(lèi)等。

2017-07-21 10:42:27

自動(dòng)駕駛應(yīng)用機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)算法實(shí)踐：決策樹(shù) (Decision Tree)

最近打算系統(tǒng)學(xué)習(xí)下機(jī)器學(xué)習(xí)的基礎(chǔ)算法，避免眼高手低，決定把常用的機(jī)器學(xué)習(xí)基礎(chǔ)算法都實(shí)現(xiàn)一遍以便加深印象。本文為這系列博客的第一篇，關(guān)于決策樹(shù)(Decision Tree)的算法實(shí)現(xiàn)，文中我將對(duì)決策樹(shù)種涉及到的算法進(jìn)行總結(jié)并附上自己相關(guān)的實(shí)現(xiàn)代碼。

2017-07-18 16:25:31

機(jī)器學(xué)習(xí)算法決策樹(shù)

機(jī)器學(xué)習(xí)如何改變數(shù)字化企業(yè)的未來(lái)

簡(jiǎn)而言之，機(jī)器學(xué)習(xí)將實(shí)現(xiàn)人、業(yè)務(wù)、物三者的智能連接，孕育客戶與企業(yè)之間的全新互動(dòng)場(chǎng)景，最終催生出真正的智能公司。為了充分發(fā)揮機(jī)器學(xué)習(xí)的應(yīng)用潛力，我們需要營(yíng)造現(xiàn)代化的商業(yè)環(huán)境，但前提是企業(yè)必須了解人工智能和機(jī)器學(xué)習(xí)之間的區(qū)別。

2017-07-17 14:33:52

機(jī)器學(xué)習(xí)應(yīng)用商業(yè)利益

如何把業(yè)務(wù)問(wèn)題變成機(jī)器學(xué)習(xí)的問(wèn)題？

基于第四范式在機(jī)器學(xué)習(xí)工業(yè)應(yīng)用方面的大量成功案例和經(jīng)驗(yàn)，我們今天就來(lái)分析一下，想用機(jī)器學(xué)習(xí)提升業(yè)務(wù)價(jià)值，在搭建平臺(tái)、處理數(shù)據(jù)、訓(xùn)練算法之前，真正要做的第一步應(yīng)該是什么? 我們今天不談技術(shù)，不談算法，不談平臺(tái)，但是今天聊的東西卻是機(jī)器學(xué)習(xí)產(chǎn)生價(jià)值過(guò)程中，最關(guān)鍵的步驟之一。

2017-07-13 11:20:30

機(jī)器學(xué)習(xí)業(yè)務(wù)問(wèn)題 MVP

人工智能、機(jī)器學(xué)習(xí)和認(rèn)知計(jì)算入門(mén)指南

本文將探索 AI 的一些重要方面和它的子領(lǐng)域。我們首先會(huì)分析 AI 的時(shí)間線，然后深入介紹每種要素。

2017-07-13 10:50:22

人工智能機(jī)器學(xué)習(xí)認(rèn)知計(jì)算

從淺層模型到深度模型：概覽機(jī)器學(xué)習(xí)優(yōu)化算法

學(xué)習(xí)算法一直以來(lái)是機(jī)器學(xué)習(xí)能根據(jù)數(shù)據(jù)學(xué)到知識(shí)的核心技術(shù)。而好的優(yōu)化算法可以大大提高學(xué)習(xí)速度，加快算法的收斂速度和效果。該論文從淺層模型到深度模型縱覽監(jiān)督學(xué)習(xí)中常用的優(yōu)化算法，并指出了每一種優(yōu)化算法的優(yōu)點(diǎn)及局限性，同時(shí)其還包括了一階和二階等各種算法的形式化表達(dá)。

2017-07-11 10:19:24

淺層模型機(jī)器學(xué)習(xí)優(yōu)化算法

【W(wǎng)OTI】英語(yǔ)流利說(shuō)林暉：AI在教育領(lǐng)域尚處初級(jí)階段原創(chuàng)

由51CTO主辦的WOTI2017全球創(chuàng)新技術(shù)峰會(huì)將于2017年7月21日拉開(kāi)帷幕。峰會(huì)前期，筆者采訪了本次大會(huì)的演講嘉賓英語(yǔ)流利說(shuō)聯(lián)合創(chuàng)始人&首席科學(xué)家林暉先生，就人工智能在教育領(lǐng)域的應(yīng)用，深度學(xué)習(xí)在英語(yǔ)流利說(shuō)產(chǎn)品的中的實(shí)踐等話題進(jìn)行了深入的交流。

2017-07-11 10:16:48

人工智能 AI 深度學(xué)習(xí)

機(jī)器學(xué)習(xí)算法在自動(dòng)駕駛領(lǐng)域的應(yīng)用大盤(pán)點(diǎn)

將汽車(chē)內(nèi)外傳感器的數(shù)據(jù)進(jìn)行融合，借此評(píng)估駕駛員情況、進(jìn)行駕駛場(chǎng)景分類(lèi)，都要用到機(jī)器學(xué)習(xí)。本文中，我們講解了不同的自動(dòng)駕駛算法。

2017-07-10 09:28:19

人工智能機(jī)器學(xué)習(xí)自動(dòng)駕駛

機(jī)器學(xué)習(xí)算法在自動(dòng)駕駛領(lǐng)域的應(yīng)用大盤(pán)點(diǎn)

將汽車(chē)內(nèi)外傳感器的數(shù)據(jù)進(jìn)行融合，借此評(píng)估駕駛員情況、進(jìn)行駕駛場(chǎng)景分類(lèi)，都要用到機(jī)器學(xué)習(xí)。本文中，我們講解了不同的自動(dòng)駕駛算法。

2017-07-07 16:52:54

機(jī)器學(xué)習(xí)人工智能自動(dòng)駕駛

如何在時(shí)間緊迫情況下進(jìn)行機(jī)器學(xué)習(xí)：構(gòu)建標(biāo)記的新聞

本文介紹了作者和他的三位朋友參加了編程馬拉松，開(kāi)發(fā)出了一個(gè)根據(jù)Hacker News提交的文章進(jìn)行分類(lèi)的分類(lèi)器，緊接著作者分享了比賽過(guò)程中的一些經(jīng)驗(yàn)。

2017-07-05 18:25:00

機(jī)器學(xué)習(xí)構(gòu)建標(biāo)記經(jīng)驗(yàn)教訓(xùn)

利用 TensorFlow 實(shí)現(xiàn)上下文的 Chat-bots

本文將帶你學(xué)會(huì)了如何去構(gòu)建一個(gè)聊天機(jī)器人框架，一個(gè)使它能記住上下文信息的機(jī)器人，已經(jīng)如何分析文本。未來(lái)的聊天機(jī)器人也都是能分析上下文語(yǔ)境的，這是一個(gè)大趨勢(shì)。

2017-06-27 18:52:05

TensorFlow 深度學(xué)習(xí)

基于Spark的大規(guī)模機(jī)器學(xué)習(xí)在微博的應(yīng)用

一直以來(lái)，微博都嘗試通過(guò)機(jī)器學(xué)習(xí)來(lái)解決業(yè)務(wù)場(chǎng)景中遇到的各種挑戰(zhàn)。本文為新浪微博吳磊在CCTC 2017云計(jì)算大會(huì)Spark峰會(huì)所做分享《基于Spark的大規(guī)模機(jī)器學(xué)習(xí)在微博的應(yīng)用》主題的一部分，介紹微博在面對(duì)大規(guī)模機(jī)器學(xué)習(xí)的挑戰(zhàn)時(shí)，采取的最佳實(shí)踐和解決方案。

2017-06-27 15:35:02

機(jī)器學(xué)習(xí)Spark 微博應(yīng)用

機(jī)器學(xué)習(xí)入門(mén)階段易犯的5個(gè)錯(cuò)誤

怎樣進(jìn)入機(jī)器學(xué)習(xí)領(lǐng)域沒(méi)有定式。我們的學(xué)習(xí)方式都有些許不同，學(xué)習(xí)的目標(biāo)也因人而異。但一個(gè)共同的目標(biāo)就是要能盡快上手。如果這也是你的目標(biāo)，那么這篇文章為你列舉了程序員們?cè)谕ㄍ鶛C(jī)器學(xué)習(xí)高手道路上常見(jiàn)的五種錯(cuò)誤。

2017-06-27 10:39:20

機(jī)器學(xué)習(xí)易犯錯(cuò)誤

機(jī)器學(xué)習(xí)之用Python從零實(shí)現(xiàn)貝葉斯分類(lèi)器

通過(guò)本教程，你將學(xué)到樸素貝葉斯算法的原理和Python版本的逐步實(shí)現(xiàn)。

2017-06-22 09:53:01

機(jī)器學(xué)習(xí)Python 樸素貝葉斯

在合適的地方，機(jī)器學(xué)習(xí)帶來(lái)的將是一場(chǎng)革命

這篇文章只是一個(gè)關(guān)于機(jī)器學(xué)習(xí)的基本介紹，更多的學(xué)習(xí)資料正變的更加普遍，在很多語(yǔ)言和GUIs中(目前一些最好的機(jī)器學(xué)習(xí)的資料是用Python寫(xiě)就的)，已經(jīng)出現(xiàn)非常多即用型的機(jī)器學(xué)習(xí)算法和測(cè)試數(shù)據(jù)可以被用來(lái)做實(shí)驗(yàn)，其中包括Theano, Tensorflow, Weka甚至包括Octave和Matlab。

2017-06-20 12:00:03

機(jī)器學(xué)習(xí)人工智能

如何解決機(jī)器學(xué)習(xí)中的數(shù)據(jù)不平衡問(wèn)題？

數(shù)據(jù)不平衡問(wèn)題主要存在于有監(jiān)督機(jī)器學(xué)習(xí)任務(wù)中。當(dāng)遇到不平衡數(shù)據(jù)時(shí)，以總體分類(lèi)準(zhǔn)確率為學(xué)習(xí)目標(biāo)的傳統(tǒng)分類(lèi)算法會(huì)過(guò)多地關(guān)注多數(shù)類(lèi)，從而使得少數(shù)類(lèi)樣本的分類(lèi)性能下降。絕大多數(shù)常見(jiàn)的機(jī)器學(xué)習(xí)算法對(duì)于不平衡數(shù)據(jù)集都不能很好地工作。本文介紹幾種有效的解決數(shù)據(jù)不平衡情況下有效訓(xùn)練有監(jiān)督算法的思路。

2017-06-16 22:14:45

機(jī)器學(xué)習(xí)數(shù)據(jù)不平衡

2017年，機(jī)器學(xué)習(xí)在Quora的五大應(yīng)用場(chǎng)景

2015 年，Quora 的工程主席 Xavier Amatriain 非常精彩地回答了 Quora 上的一個(gè)問(wèn)題：“Quora 在 2015 年將如何應(yīng)用機(jī)器學(xué)習(xí)”。從那個(gè)時(shí)候開(kāi)始，機(jī)器學(xué)習(xí)在 Quora 的應(yīng)用得到了長(zhǎng)足的發(fā)展。他們不僅更加深入地為已有的機(jī)器學(xué)習(xí)應(yīng)用構(gòu)建更大更好的模型，而且將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用到更多領(lǐng)域。

2017-06-14 19:05:51

機(jī)器學(xué)習(xí)Quora 應(yīng)用場(chǎng)景

“回歸分析”真的算是“機(jī)器學(xué)習(xí)”嗎？

是什么將“統(tǒng)計(jì)”從“機(jī)器學(xué)習(xí)”中分離出來(lái)的?這是一個(gè)被討論過(guò)無(wú)數(shù)次的問(wèn)題。關(guān)于這個(gè)問(wèn)題的文章有很多，人們對(duì)其好壞莫衷一是。但是我發(fā)現(xiàn)，在“統(tǒng)計(jì)”和“機(jī)器學(xué)習(xí)”的爭(zhēng)論上，人們往往會(huì)“只見(jiàn)森林，不見(jiàn)樹(shù)木”。

2017-06-14 17:18:43

機(jī)器學(xué)習(xí)數(shù)據(jù)研究回歸

挨踢部落技術(shù)門(mén)診第六期

2017-06-08 14:43:00

開(kāi)發(fā)者

挨踢部落坐診第六期：機(jī)器學(xué)習(xí)如何判斷突發(fā)情況？原創(chuàng)

挨踢部落是為核心開(kāi)發(fā)者提供深度技術(shù)交流，解決開(kāi)發(fā)需求，資源共享的服務(wù)社群?；诖松缛?，我們邀請(qǐng)了業(yè)界技術(shù)大咖對(duì)開(kāi)發(fā)需求進(jìn)行一對(duì)一突破，解除開(kāi)發(fā)過(guò)程中的絆腳石。以最專(zhuān)業(yè)、最高效的答復(fù)為開(kāi)發(fā)者解決開(kāi)發(fā)難題。

2017-06-07 15:16:35

機(jī)器學(xué)習(xí)IDEA vSphere

JavaScript中的10個(gè)機(jī)器學(xué)習(xí)示例

最近一段時(shí)間，Web 生態(tài)系統(tǒng)發(fā)展迅速，雖然 JavaScript 和 Node.js 在性能上仍然不及 Python 和 Java，但它們也已經(jīng)強(qiáng)大到足以處理許多機(jī)器學(xué)習(xí)的問(wèn)題。Web 開(kāi)發(fā)語(yǔ)言非常易用，它們?cè)谶@一點(diǎn)上受益匪淺——你只需要在 Web 瀏覽器運(yùn)行一個(gè) JavaScript ML 項(xiàng)目即可。

2017-05-27 15:21:38

JavaScript 機(jī)器學(xué)習(xí)示例

大規(guī)模機(jī)器學(xué)習(xí)的編程技術(shù)、計(jì)算模型以及Xgboost和MXNet案例

現(xiàn)在，機(jī)器學(xué)習(xí)的趨勢(shì)從傳統(tǒng)方法中的簡(jiǎn)單模型 + 少量數(shù)據(jù)(人工標(biāo)注樣本)，到簡(jiǎn)單模型 + 海量數(shù)據(jù)(比如基于邏輯回歸的廣告點(diǎn)擊率預(yù)測(cè))，再發(fā)展到現(xiàn)在復(fù)雜模型 + 海量數(shù)據(jù)(比如深度學(xué)習(xí) ImageNet 圖像識(shí)別，基于 DNN 的廣告點(diǎn)擊率預(yù)測(cè))。

2017-05-23 14:00:26

機(jī)器學(xué)習(xí)編程技術(shù)計(jì)算模型

初學(xué)TensorFlow機(jī)器學(xué)習(xí)：如何實(shí)現(xiàn)線性回歸？

在本文中，你將學(xué)習(xí)如何用回歸來(lái)解決一個(gè)實(shí)際問(wèn)題。你將看到，如果你想擁有最強(qiáng)大的預(yù)測(cè)器，TensorFlow 工具將是正確的選擇。

2017-05-17 08:24:08

TensorFlow 機(jī)器學(xué)習(xí)線性回歸

使用 Node.js 對(duì)文本內(nèi)容分詞和關(guān)鍵詞抽取

一下內(nèi)容是分詞庫(kù) nodejieba 基本的使用方法，在將來(lái)我們可以利用它對(duì)眾成翻譯發(fā)布的譯文自動(dòng)分析添加相應(yīng)的 tag，以為各位譯者和讀者提供更好的用戶體驗(yàn)。

2017-05-16 14:28:05

Node.js 自然語(yǔ)言處理

機(jī)器學(xué)習(xí)決策樹(shù)算法學(xué)習(xí)筆記

利用香濃熵找到信息增益最大的特征，按照信息增益最大的特征劃分?jǐn)?shù)據(jù)，如此反復(fù)，讓無(wú)序的數(shù)據(jù)變的更加有序。使用ID3算法構(gòu)建樹(shù)結(jié)構(gòu)。當(dāng)傳入一個(gè)新數(shù)據(jù)時(shí)，按照數(shù)據(jù)找到對(duì)應(yīng)樹(shù)節(jié)點(diǎn)，直到最后沒(méi)有葉子節(jié)點(diǎn)時(shí)，完成分類(lèi)。

2017-05-10 15:41:29

機(jī)器學(xué)習(xí)算法數(shù)據(jù)

入門(mén)級(jí)攻略：機(jī)器學(xué)習(xí) VS. 深度學(xué)習(xí)

本文以淺顯易懂的語(yǔ)言介紹了機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的定義及應(yīng)用，以及在源數(shù)據(jù)要求，硬件支持，特征工程、問(wèn)題解決方式、執(zhí)行時(shí)間及可解釋性等方面的區(qū)別，對(duì)于新手入門(mén)有很大啟示意義。

2017-05-10 09:26:41

機(jī)器學(xué)習(xí)深度學(xué)習(xí)

如何用 TensorFlow 教機(jī)器人作曲？秘訣原來(lái)是這樣

計(jì)算機(jī)會(huì)首先把你的語(yǔ)音轉(zhuǎn)化成文字，并且提取出關(guān)鍵字，轉(zhuǎn)化成詞向量。然后會(huì)用一些打過(guò)標(biāo)簽的音樂(lè)的數(shù)據(jù)，這些標(biāo)簽就是人類(lèi)的各種情感。接著通過(guò)在這些數(shù)據(jù)上面訓(xùn)練一個(gè)模型，模型訓(xùn)練好后就可以生成符合要求關(guān)鍵詞的音樂(lè)。

2017-05-09 15:39:33

ensorFlow 機(jī)器人機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)從入門(mén)到精通

本部門(mén)主要對(duì)機(jī)器學(xué)習(xí)的基本概念以及相關(guān)的方法分類(lèi)進(jìn)行一個(gè)概要的介紹。進(jìn)行的拓展主要在于總結(jié)和科普，沒(méi)有進(jìn)行詳細(xì)詳細(xì)的展開(kāi)，后續(xù)會(huì)進(jìn)一步進(jìn)行展開(kāi)或總結(jié)。

2017-05-09 08:48:44

機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)中容易犯下的錯(cuò)

在處理少量的數(shù)據(jù)時(shí)，盡量多的去嘗試更多的算法是合理的，并且去選擇最好的算法建立在實(shí)驗(yàn)成本低的情況下。但是，當(dāng)我們碰到“大數(shù)據(jù)”時(shí)，就需要對(duì)數(shù)據(jù)進(jìn)行前期分析，然后相應(yīng)的設(shè)計(jì)建模流程。(例如預(yù)處理、建模、優(yōu)化算法、評(píng)價(jià)，產(chǎn)品化)

2017-05-09 08:18:11

機(jī)器學(xué)習(xí)損失函數(shù)正則化

一元線性回歸梯度下降算法的Octave仿真

在梯度下降算法理論篇中，曾經(jīng)感嘆推導(dǎo)過(guò)程如此蒼白，如此期待仿真來(lái)給我更加直觀的感覺(jué)。當(dāng)我昨晚Octave仿真后，那種成就感著實(shí)難以抑制。分享一下仿真的過(guò)程和結(jié)果，并且將上篇中未理解透澈的內(nèi)容補(bǔ)上。

2017-05-08 08:39:12

梯度算法 Octave 機(jī)器學(xué)習(xí)

干貨｜在機(jī)器學(xué)習(xí)中如何應(yīng)對(duì)不均衡分類(lèi)問(wèn)題？

在處理機(jī)器學(xué)習(xí)等數(shù)據(jù)科學(xué)問(wèn)題時(shí)，經(jīng)常會(huì)碰到不均衡種類(lèi)分布的情況，即在樣本數(shù)據(jù)中一個(gè)或多個(gè)種類(lèi)的觀察值明顯少于其他種類(lèi)的觀察值的現(xiàn)象。在我們更關(guān)心少數(shù)類(lèi)的問(wèn)題時(shí)這個(gè)現(xiàn)象會(huì)非常突出，例如竊電問(wèn)題、銀行詐騙性交易、罕見(jiàn)病鑒定等。在這種情況下，運(yùn)用常規(guī)的機(jī)器學(xué)習(xí)算法的預(yù)測(cè)模型可能會(huì)無(wú)法準(zhǔn)確預(yù)測(cè)。這是因?yàn)闄C(jī)器學(xué)習(xí)算法通常是通過(guò)減少錯(cuò)誤來(lái)增加準(zhǔn)確性，而不考慮種類(lèi)的平衡。這篇文章講了不同的方法來(lái)解決這個(gè)不均衡分類(lèi)問(wèn)題，同時(shí)說(shuō)明了這些方法的好處和壞處。

2017-05-05 09:30:28

機(jī)器學(xué)習(xí)不均衡分類(lèi)

上一頁(yè) 1 ··· 36 37 38 39 40 41 下一頁(yè)

點(diǎn)贊

51CTO技術(shù)棧公眾號(hào)

業(yè)務(wù)
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開(kāi)發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學(xué)堂精培企業(yè)培訓(xùn) CTO訓(xùn)練營(yíng)

<style id="nfxd1"></style>

<abbr id="nfxd1"></abbr>

^{<sub id="nfxd1"></sub>}<big id="nfxd1"></big>