热门好课推荐
猜你喜欢
相关培训 相关博客
  • 如今,人工智能技术已经成为国家战略,无人超市、人脸识别、自动驾驶、智能家居等“黑科技”正逐渐成为现实。像云计算、大数据、深度学习、算法、语音识别、技术机器人技术等作为人工智能的技术储备,都离不开Python、Java、C++等编程语言的支撑。而当下热门的Python被认为是现阶段人工智能技术的首选编程语言。因此想入门人工智能领域,需要从Python入手(下图来自拉勾网2019年8月8日数据)...
    2019-08-19 17:56:03
    阅读量:299
    评论:0
  • 机器学习0006训练需要多少标注数据之前我也不清楚究竟需要多少训练数据,觉得是越多越好。最近看过一篇文章,并不是自己试验出来的结论,我觉得这个结论比较靠谱。1.一般情况下,每类给定5000标注样本,可以训练出可接受性能的模型。2.至少有1000万标注数据的情况下,可以训练出与人类水平接近或超越人类水平的模型。
    2018-01-31 11:35:05
    阅读量:856
    评论:0
  • 本文记录了一些机器学习的经典模型以及其Python代码,主要使用到了sklearn这个库。主要内容来源于范淼和李超编著的《Python机器学习及实践》所有的数据集都可以从sklearn.datasets中获得在评估时,一般使用F1指标,即使用了调和平均数,除了具备平均功能,还会对那些召回率和精血率更加接近的模型给予更高的分数。分类学习线性分类器(LinearClassifiers)线性分类器通过累
    2017-07-17 10:20:30
    阅读量:933
    评论:0
  • 一什么是特征工程特征是指数据中抽取出来的对结果预测有用的信息特征工程是使用专业背景和技巧处理数据,使得特征能在机器学习算法上发挥更好的作用的过程。特征工程的意义:1.更好的特征意味着更强的灵活性2更好的特征意味着只需要简单模型3更好的特征意味着更好的结果应用机器学习的主要工作就是特征工程数据和特征决定了算法能达到的上限,算法和模型的选择只是无限接近这个上限
    2017-02-11 18:27:57
    阅读量:2435
    评论:0
  • 然后用不同的方法来优化这个问题,得到尽量好的结果,给人的感觉就像是一个黑盒,实际使用中需要不断地调参实验,但倘若你能理解好算法,至少能让这个盒子透明一点,这也是机器学习算法确实需要使用者去理解算法的原因,举个例子:传统算法比如一些高效的数据结构,我只需要知道一些接口就可以使用,不需要进行太多的理解,了解传统算法更多的是理解算法的思想,开阔思路,增强能力;而机器学习算法,你即使知道接口,也至少要调一些参数来达到实际使用的目的。
    2014-05-10 18:08:34
    阅读量:21564
    评论:7
  • 类别:服务器种类:小型服务器适用对象:1-5个人用途:跑深度学习,或者机器学习代码,训练数据前言:    一台性能好一点的服务器可以缩短训练时间,提高工作效率,之前我用的那个电脑虽然有一张TITANXGPU,但是CPU性能不行,数据量稍微大一点,就提示(coredumped),要不就直接卡退了,心累啊,所以说,一台服务器,对CPU,GPU,内存,硬盘,电源,都有要...
    2018-11-14 17:35:36
    阅读量:505
    评论:0
  • Isitbecausewehavemanyfeaturesinourdatasheet?因为我们的数据表中有很多特征吗?Orisitbecausethefeaturelistdoesnotonlycontainnumericaldatabutcategoricaldataaswell?因为我们的特征里不仅包含数值数据还包含累呗数据吗?Oris
    2016-10-11 15:50:03
    阅读量:1488
    评论:0
  • 看新闻很累?看技术新闻更累?试试下载InfoQ手机客户端,每天上下班路上听新闻,有趣还有料!QCon2018伦敦大会于3月5日举行,RobHarrop做了“面向软件工程师的AI和ML”的主题演讲。按照Harrop的说法,机器学习知识经常躲在开发团队和数据科学团队之间的高墙背后。这种分割导致开发出的模型脱离了对数据的理解及其底层领域。而且,由于这种分割的存在以及ML被神秘的光环环绕,所以软件团队...
    2018-03-15 19:00:00
    阅读量:2
    评论:0
  • 机器学习模型评价指标–混淆矩阵在机器学习领域中,混淆矩阵(confusionmatrix)是一种评价分类模型好坏的形象化展示工具。其中,矩阵的每一列表示的是模型预测的样本情况;矩阵的每一行表示的样本的真实情况。1.混淆矩阵的举例例如用一个分类模型来判别一个水果是苹果还是梨,混淆矩阵将会模型的预测结果总结成如下表所示的表格。模型预测结果苹果真实结
    2016-11-04 17:50:40
    阅读量:13367
    评论:2
  • 本文代码推荐使用Jupyternotebook跑,这样得到的结果更为直观。线性判别分析(LinearDiscriminantAnalysis,LDA)是一种可作为特征抽取的技术LDA可以提高数据分析过程中的计算效率,对于未能正则化的模型,可以降低维度灾难带来的过拟合。 LDA与PCA相似: PCA试图寻找到方差最大的正交的主成分分量轴, LDA发现可以最优化分类的
    2018-02-03 13:33:39
    阅读量:2507
    评论:4
  • 前言我记得刚学习机器学习不久的时候,去看吴恩达老师的机器学习视频,他的第二讲就是关于监督学习梯度下降相关的内容,梯度下降正是和今天讲的Logistic回归有关的,当时看那视频真心累,数学公式见一个不认识一个,看一讲视频要半个月。但是功夫不负有心人,经过一年多的打基础,现在终于可以比较容易的看懂相关知识点了,现把《机器学习实践》第五章Logistic回归做一个学习笔记。Logistic...
    2018-04-04 21:52:25
    阅读量:210
    评论:1