這一系列的瓜都是因為翟天臨作為一名北京電影學院畢業的博士，卻在網路直播中對“知網”是什麼所引發的。知網作為中國最大的文獻資料庫和最有信譽度的論文查重軟體，是每個大學學子在論文寫作是必備的工具，作為博士生卻不知

新時代的產品經理“上的了廳堂，下的了廚房，懂的了程式碼，分析的了資料” ，哭笑臉，調侃一下。在實際的產品設計開發中，產品經理的需求的分析離不開使用者使用場景及使用行為資料分析等，但是自己目標使用者群體到底是什麼

摘要： ——試試PPA，一個關於探索性資料分析的替代方案！ 目前，大多數的資料科學家都比較熟悉主成分分析 (Principal Components Analysis，PCA)，它是一個探

Trias聯合“北大軟微-八分量協同創新實驗室”定期舉辦技術沙龍。該實驗室成立於去年9月份，以可信計算、區塊鏈等作為主要研究方向，致力於推動智慧互聯新時代下的人機互信問題的解決。 針對沙龍具體細節問題，我們

隨著智慧裝置的普及，傳統的家庭門鎖也迎來了新的變革。如今智慧門鎖已經不是什麼新鮮玩意，甚至有不少網友已經開始嘗試。小米也此前也聯合旗下生態鏈企業，推出了綠米Aqara智慧門鎖和鹿客智慧門鎖。現在小米自有的家居品

在《貝葉斯之樸素理解》比較詳細地總結了一個樸素貝葉斯。這裡再對非樸素貝葉斯做一個小結，以了結貝葉斯分類。 1、非樸素貝葉斯公式 1.1 高維高斯分佈 在此之前，我們同樣先需準備一些數學知識，

作者丨薛寒生 學校丨澳大利亞國立大學博士生 研究方向丨人工智慧與計算生物學 本期推薦的論文筆記來自 PaperWeekly 社群使用者 @xuehansheng ， 本

資料是機器學習模型的生命燃料。對於特定的問題，總有很多機器學習技術可供選擇，但如果沒有很多好的資料，問題將不能很好的解決。資料通常是大部分機器學習應用程式中效能提升背後的驅動因素。 有時，資料可能

聚類 之前的課程中我們學習的都是監督學習相關的演算法，現在來開始看非監督學習。非監督學習相對於監督非學習來看，其使用的是未標記的訓練集而監督學習的是標記的訓練集。換句話說，我們不知道向量y的預期結果，僅僅只

(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 盲源分離是指在訊號的理論模型和源訊號無法精確獲

(本文所使用的Python庫和版本號: Python 3.6, Numpy 1.14, scikit-learn 0.19, matplotlib 2.2 ) 主成分分析（Principal Compone

資料預處理一方面是為了提高資料的質量，另一方面也是為了適應所做資料分析的軟體或者方法。 在做資料分析時，我想許多資料分析師會像《R語言實戰第二版》的作者卡巴科弗那樣發出感嘆：“資料分析師在資料預處

在“學習OpenCV3"的QQ群眾，網友且行且珍惜針對前期部落格（https://www.cnblogs.com/jsxyhelu/p/9345590.html）中的內容提出了以下問題：

來源：FK Films 自動編碼器（Autoencoder）通過將資料對映到低維空間，提取資料的顯著特徵。該過程會對資料進行壓縮編碼，即“encoder”， “auto” 則體現在其能決定如何重組資料

降維 機器學習領域中所謂的降維就是指採用某種對映方法，將原高維空間中的資料點對映到低維度的空間中。降維的本質是學習一個對映函式 f : x->y，其中x是原始資料點的表達，目前最多使用向量表達形式。