热门好课推荐
猜你喜欢
相关培训 相关博客
  • 异策略与重要性采样因为异策略中的行动策略和目标策略不一样,也就是说行动策略产生的数据分布与目标策略的数据分布存在偏差,即即行动策略的轨迹概率分布和改善策略的轨迹概率分布不一样,因此在使用数据进行目标策略评估的时候需要考虑该影响,常用的方法是重要性采样。重要性采样...
    2018-06-08 14:55:18
    阅读量:1091
    评论:0
  • 在Hadoop生态系统中,Hadoop分布式文件系统(HDFS)是非常关键的一环,它为管理大数据资源池和支撑相关大数据分析应用提供了一个具有高可靠性的工具。在分布式存储领域,HDFS也扮演着重要角色,是作为系统架构师必须了解的分布式文件系统之一。  HDFS的工作原理  HDFS支持在计算节点之间快速传输数据。在开始阶段,它与MapReduce紧密耦合——MapReduce是一个用于大规模...
    2019-03-27 14:38:25
    阅读量:30
    评论:0
  • 大数据被炒得火热,“小数据”的重要性也不能忽视,“小数据”并不是说数据量小,而是指有针对性的、可用于支持决策的高质量数据,不需要复杂的算法、昂贵的硬件、高额的费用,任何组织、企业甚至个人都可以实现对“小数据”的分析和管理。学会简单的算法,利用好“小数据”,人人都可以成为“数据科学家”。全球著名咨询公司Booz&Company合伙人DavidMeer为我们解读“小数据”的妙用。...
    2019-05-10 22:00:02
    阅读量:64
    评论:0
  •    本文旨在解释一些深度学习中的基本概念,并通过一些实践中的例子帮助理解,可能个人解读有误,还望指正。本文提纲参照参考文献【2】进行,对其简练的内容加以了丰富和扩展,确保零基础的新手也可以有比较清晰的认识。表示学习(representationlearning)        表示学习是机器学习中的一项重要任务,又称学习表示。即用何种机器能够理解的表示方法来标表示数据。例如在NLP领...
    2018-03-21 21:51:20
    阅读量:4800
    评论:0
  • 在这个大数据的时代,人们的研究重心正在转向:从不确定的大量数据中寻找确定性。伴随大数据而来的是众多学问的出现:数据挖掘、机器视觉等,引发的是机器变革。下面,我简单说下我感受到的大数据带来的好处。1、让一切不确定的事物变为有迹可循    随着数据量的增大,事物之间的规律就会体现出来。众所周知:光的波动性的证明(光的衍射),少数粒子反应不出粒子衍射的规律性,而大量粒子衍射后,可以看到一
    2014-03-14 10:51:40
    阅读量:4236
    评论:0
  • LightGBM原理解读LightGBM是现在数据挖掘比赛中的大杀器,效果甚至优于一些深度网络模型,而且参数相比神经网络更方便调整。下面就根据LGB的文本来解释一下LighGBM的原理。在笔者看来,LightGBM的改进大部分是基于计算、运行效率上的改进,使GBDT类模型的性能更快,LGB主要针对数据并行和特征并行进行了优化,大大提升了模型的效率。下面就来意义解读。传统GBDT方法的缺点传...
    2019-03-14 11:16:57
    阅读量:379
    评论:0
  • 日前,由阿里巴巴研究型实习生张雪舟、蚂蚁金服高级算法专家娄寅撰写的论文《AxiomaticInterpretabilityforMulticlassAdditiveModels》入选全球数据挖掘顶级会议KDD2019,本文为该论文的详细解读。论文地址:https://www.kdd.org/kdd2019/a...前言模型可解释性是机器学习研究中的一个重要课题。这里我们研究的对...
    2019-08-28 10:00:07
    阅读量:153
    评论:0
  • 数据分析的意义数据分析是指用适当的统计分析方法对收集来的大量数据进行分析,提取有用信息和形成结论而对数据加以详细研究和概况总结的过程,是为了寻求问题的答案而实施的有计划、有步骤的行为。数据分析分类:描述性统计分析:应用统计特征、统计表、统计图等方法,对资料的数量特征及其分布规律进行测定和描述。验证性统计分析:侧重于对已有的假设或模型进行验证。探索性统计分析:主动在数据之中发现新的特征或...
    2019-02-28 10:19:52
    阅读量:2274
    评论:0
  • Caffe源码解读前言Caffe是一款优秀的深度学习框架,相信学习深度学习的同学也都多多少少接触过这个框架。虽然Caffe使用起来非常简单,似乎不需要读懂里面的代码也可以轻松对数据库进行训练,但是一款好的框架不仅仅是使用上的方便,更重要的在于他的扩展性,如果要对caffe进行自定义的扩展,则需要对caffe的代码非常熟悉。Caffe的代码整体上可读性很好,架构比较清晰,下面我们来看看caff
    2016-08-27 17:41:16
    阅读量:452
    评论:0
  • 笔者按:机器学习正在走向基于“语义”的可解释模型的新时代。迁移学习很有可能接过监督学习今天的辉煌,显著提升模型的可解释性和适应性:不仅在有着大数据的领域好用,还能迁移到只有小数据的新领域中好用。概要CCAI主办方提供了Slides的下载链接。报告分四个主要部分,而本文主要总结和评述前三部分。1.迁移学习的优势2.深度迁移学习解决方案3.三种迁移学习的范式4.迁移学习应用案例
    2017-07-28 23:01:43
    阅读量:2693
    评论:0