- Python 递归函数的认识 Python 递归函数的认识
- 机器学习中往往会遇到样本特征非常多的情况，往往成千过万，这对于机器学习是非常不利的，被称为维数灾难。降维的主要方法有多维缩放（MDS）、主成分分析（PCA）、线性判别分析（LDA）。 机器学习中往往会遇到样本特征非常多的情况，往往成千过万，这对于机器学习是非常不利的，被称为维数灾难。降维的主要方法有多维缩放（MDS）、主成分分析（PCA）、线性判别分析（LDA）。
- KNN是一种常见的监督学习算法，工作机制很好理解：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻居”的信息来进行预测。总结一句话就是“近朱者赤，近墨者黑”。 KNN是一种常见的监督学习算法，工作机制很好理解：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个“邻居”的信息来进行预测。总结一句话就是“近朱者赤，近墨者黑”。
- 神经网络也是机器学习的一种方法，是深度学习的基础。这是一种模拟生物神经系统实现人工智能的一种技术。要学习神经网络，就要从最经典的“M-P神经元模型”开始，这是神经网络乃至深度学习的基础，也是这个算法为什么被称为“神经网络”的原因。 神经网络也是机器学习的一种方法，是深度学习的基础。这是一种模拟生物神经系统实现人工智能的一种技术。要学习神经网络，就要从最经典的“M-P神经元模型”开始，这是神经网络乃至深度学习的基础，也是这个算法为什么被称为“神经网络”的原因。
- 贝叶斯算法是一个典型的统计概率学算法，里面涉及到较多的统计学概念，贝叶斯分类器和贝叶斯网络也是以这个算法作为理论基础。先来看看几个绕不过去的统计学概念： 贝叶斯算法是一个典型的统计概率学算法，里面涉及到较多的统计学概念，贝叶斯分类器和贝叶斯网络也是以这个算法作为理论基础。先来看看几个绕不过去的统计学概念：
- 支持向量机（SVM）可以说是一个完全由数学理论和公式进行应用的一种机器学习算法，在小批量数据分类上准确度高、性能好，在二分类问题上有广泛的应用。同样是二分类算法，支持向量机和逻辑回归有很多相似性，都是二分类问题的判决模型，主要的差异在于损失函数的不同，支持向量机相比于逻辑回归，更倾向于找到样本空间中最优的划分超平面。 支持向量机（SVM）可以说是一个完全由数学理论和公式进行应用的一种机器学习算法，在小批量数据分类上准确度高、性能好，在二分类问题上有广泛的应用。同样是二分类算法，支持向量机和逻辑回归有很多相似性，都是二分类问题的判决模型，主要的差异在于损失函数的不同，支持向量机相比于逻辑回归，更倾向于找到样本空间中最优的划分超平面。
- 决策树是一种非常常见的机器学习算法，采用的是自顶向下的递归方法，利用信息熵为基本度量构造一颗熵值下降最快的树，理想情况下到叶子节点的熵值为零，对应每个叶子节点的实例都属于同一类。叶子节点对应于决策结果，节点则对应一个属性测试。相比于线性模型，树形模型更接近于人的思维方式，可以产生可视化的分类规则，产生的模型具有比较强的可解释性。 本文作者周捷 决策树是一种非常常见的机器学习算法，采用的是自顶向下的递归方法，利用信息熵为基本度量构造一颗熵值下降最快的树，理想情况下到叶子节点的熵值为零，对应每个叶子节点的实例都属于同一类。叶子节点对应于决策结果，节点则对应一个属性测试。相比于线性模型，树形模型更接近于人的思维方式，可以产生可视化的分类规则，产生的模型具有比较强的可解释性。 本文作者周捷
- 一般情况下，我们都认为逻辑回归（LR）用来解决二分类问题，模型输出是y=1的概率值。那逻辑回归能否用来做多分类任务呢，答案是肯定的。这里有两种方法使得逻辑回归能进行多分类任务： 一、将多分类任务拆解成多个二分类任务，利用逻辑回归分类器进行投票求解；二、对传统的逻辑回归模型进行改造，使之变为softmax回归模型进行多分类任务求解。 本文作者周捷。 一般情况下，我们都认为逻辑回归（LR）用来解决二分类问题，模型输出是y=1的概率值。那逻辑回归能否用来做多分类任务呢，答案是肯定的。这里有两种方法使得逻辑回归能进行多分类任务： 一、将多分类任务拆解成多个二分类任务，利用逻辑回归分类器进行投票求解；二、对传统的逻辑回归模型进行改造，使之变为softmax回归模型进行多分类任务求解。 本文作者周捷。
- 菜鸟入坑记，简要介绍深度学习过程中一些教训和体悟... 菜鸟入坑记，简要介绍深度学习过程中一些教训和体悟...
- 2019年8月17日，参加了AICUG的AI智能专场的分享，主要的主题包括《PAI机器学习和OCR实践》、《关于FAQ-QA算法中台的思考和实践》、《认识概念图谱构建与应用》、《搜索场景下的智能推荐演变之路》主要是算法方面 2019年8月17日，参加了AICUG的AI智能专场的分享，主要的主题包括《PAI机器学习和OCR实践》、《关于FAQ-QA算法中台的思考和实践》、《认识概念图谱构建与应用》、《搜索场景下的智能推荐演变之路》主要是算法方面
- 逻辑回归基本概念：前面提到过线性模型也可以用来做分类任务，但线性模型的预测输出 y = wx + b 可能是（-∞，+∞）范围内的任意实数，而二分类任务的输出y={0,1}，如何在这之间做转换呢？ 逻辑回归基本概念：前面提到过线性模型也可以用来做分类任务，但线性模型的预测输出 y = wx + b 可能是（-∞，+∞）范围内的任意实数，而二分类任务的输出y={0,1}，如何在这之间做转换呢？
- 本文从基于统计量和基于模型两个角度，笼统地介绍了特征选择的各种方法和思路。基于统计量的特征选择，因为没有模型的参与，计算起来相对简单，可以作为一个特征预处理的过程。基于模型的方法，要对模型参数进行学习，因此计算量相对较大；但也更接近于最终目标，即训练出一个泛化能力很好的模型。因此，这两种方法可以结合起来使用。 本文从基于统计量和基于模型两个角度，笼统地介绍了特征选择的各种方法和思路。基于统计量的特征选择，因为没有模型的参与，计算起来相对简单，可以作为一个特征预处理的过程。基于模型的方法，要对模型参数进行学习，因此计算量相对较大；但也更接近于最终目标，即训练出一个泛化能力很好的模型。因此，这两种方法可以结合起来使用。
- 从2012年开始，卷积神经网络（Convolutional Neural Networks, CNN）极速发展，不断涌现出诸如AlexNet、VGGNet等优秀的神经网络。到了2015年，一个新型的网络更是颠覆了计算机视觉领域和深度学习领域，这就是ResNet。 从2012年开始，卷积神经网络（Convolutional Neural Networks, CNN）极速发展，不断涌现出诸如AlexNet、VGGNet等优秀的神经网络。到了2015年，一个新型的网络更是颠覆了计算机视觉领域和深度学习领域，这就是ResNet。
- 本书摘自《Spark机器学习进阶实战》——书中的第3章，第3.1节，作者是马海平、于俊、吕昕、向海。 本书摘自《Spark机器学习进阶实战》——书中的第3章，第3.1节，作者是马海平、于俊、吕昕、向海。
- 本书摘自《Spark机器学习进阶实战》——书中的第1章，第1.2.1节，作者是马海平、于俊、吕昕、向海。 本书摘自《Spark机器学习进阶实战》——书中的第1章，第1.2.1节，作者是马海平、于俊、吕昕、向海。
上滑加载中
推荐直播
-
GaussDB管理平台TPOPS，DBA高效运维的一站式解决方案2024/12/24 周二 16:30-18:00
Leo 华为云数据库DTSE技术布道师
数据库的复杂运维，是否让你感到头疼不已？今天，华为云GaussDB管理平台将彻底来改观！本期直播，我们将深入探索GaussDB管理平台的TPOPS功能，带你感受一键式部署安装的便捷，和智能化运维管理的高效，让复杂的运维、管理变得简单，让简单变得可靠。
回顾中 -
DTT年度收官盛典：华为开发者空间大咖汇，共探云端开发创新2025/01/08 周三 16:30-18:00
Yawei 华为云开发工具和效率首席专家 Edwin 华为开发者空间产品总监
数字化转型进程持续加速，驱动着技术革新发展，华为开发者空间如何巧妙整合鸿蒙、昇腾、鲲鹏等核心资源，打破平台间的壁垒，实现跨平台协同？在科技迅猛发展的今天，开发者们如何迅速把握机遇，实现高效、创新的技术突破？DTT 年度收官盛典，将与大家共同探索华为开发者空间的创新奥秘。
回顾中
热门标签