- 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
-
昇腾云服务ModelArts深度解析：理论基础与实践应用指南2024/12/03 周二 14:30-16:30
Alex 华为云学堂技术讲师
如何快速创建和部署模型，管理全周期AI工作流呢？本期直播聚焦华为昇腾云服务ModelArts一站式AI开发平台功能介绍，同时结合基于ModelArts 的实践性实验，帮助开发者从理论到实验更好地理解和使用ModelArts。
回顾中 -
深度解析鸿蒙应用入门级开发者认证2024/12/04 周三 16:00-18:00
Edi 华为云学堂技术讲师
本期直播将为开发者带来HCCDA-HarmonyOS&Cloud Apps认证课程系统介绍、详细阐述HarmonyOS 技术架构、理解HarmonyOS 技术理念，通过实例带领开发者应用快速上手。
去报名 -
鸿蒙应用入门：轻松掌握ArkTS开发语言2024/12/05 周四 16:00-18:00
Edi 华为云学堂技术讲师
本期直播课旨在让开发者了解ArkTS语法、轻松掌握ArkUI组件开发，带你零门槛入门鸿蒙开发，掌握状态管理实验和渲染控制实验。
即将直播
热门标签