機器學習公眾號推薦(值得關注的公眾號)
【CV之城】
CV之城重點關注於前沿領域:帶你領略機器學習、深度學習、人工智慧中的演算法和思想,以及相關資訊
同時會邀請相關人員分享專案經歷和學習歷程
讓我們一起在計算機視覺領域進步!
【計算機視覺聯盟】
博士團隊打造的微信公眾號【計算機視覺聯盟】,主要分享深度學習、機器學習、影象解譯、人工智慧、無人駕駛等熱門領域,開源框架學習(如TensorFlow)、專案經歷及程式語言(C++、python)等諮訊
相關推薦
10大機器學習開源專案推薦(Github平均star為1385)
翻譯 | suisui出品 | 人工智慧頭條(AI_Thinker)本文推薦的10大機器學習開源專案是由Myb
機器學習:決策樹(基尼系數)
try matplot 代碼實現 sci bubuko div tro 兩種 () 一、基礎理解 1)公式 k:數據集中樣本類型數量; Pi:第 i 類樣本的數量占總樣本數量的比例 2)實例計算基尼系數 3 種情況計算基尼系數: 基尼系數的性質與信息熵
先驗概率、後驗概率、似然函數與機器學習中概率模型(如邏輯回歸)的關系理解
集中 並且 結果 概率論 但我 evidence logs 硬幣 之前 看了好多書籍和博客,講先驗後驗、貝葉斯公式、兩大學派、概率模型、或是邏輯回歸,講的一個比一個清楚 ,但是聯系起來卻理解不能 基本概念如下 先驗概率:一個事件發生的概率 \[P(y)\] 後驗概
自動機器學習超引數調整(貝葉斯優化)
【導讀】機器學習中,調參是一項繁瑣但至關重要的任務,因為它很大程度上影響了演算法的效能。手動調參十分耗時,網格和隨機搜尋不需要人力,但需要很長的執行時間。因此,誕生了許多自動調整超引數的方法。貝葉斯優化是一種用模型找到函式最小值方法,已經應用於機器學習問題中的超引數搜尋,這種方法效能好,同時比隨機搜尋省時。此
機器學習資料預處理(sklearn庫系列函式)
【1】 sklearn.preprocessing.PolynomialFeatures PolynomialFeatures有三個引數 degree:控制多項式的度 interaction_
機器學習系列1 PCA(主成分分析法)
1.PCA的應用 1.降維 2.去除資料相關性,對資料特徵進行抽取 2.主成分選擇原則 (1)主成分是原來變數的線性組合; (2)各主成分之間互不相關; (3)主成分分析的實質就是找到一個正交變換,即有正交陣U,使得一個?維向量
機器學習之模型評估(還是沒搞定...)
任務介紹 1.任務:預測貸款使用者是否會逾期 2.status是標籤:0表示未逾期,1表示逾期 【任務四:模型評估】記錄五個模型關於precision,rescore,f1,auc,roc的評分表格,畫出auc和roc曲線圖。 模型 Precesion
機器學習---線性回歸(Machine Learning Linear Regression)
包括 rest 梯度下降法 向量 鞍點 麻煩 貝葉斯 div rem 線性回歸是機器學習中最基礎的模型,掌握了線性回歸模型,有利於以後更容易地理解其它復雜的模型。 線性回歸看似簡單,但是其中包含了線性代數,微積分,概率等諸多方面的知識。讓我們先從最簡單的形式開始。
機器學習演算法之CART(分類和迴歸樹)
CART演算法介紹: 分類和迴歸樹(CART)是應用廣泛的決策樹學習方法。CART同樣由特徵選擇,樹的生成和減枝組成,既可以用於分類也可以用於迴歸。CART的生成就是遞迴的構建二叉決策樹的過程。對迴歸樹用平方誤差最小化(RMSE),對分類樹用基尼指數最小化準則
機器學習面試問題集(2018-3-13更新)
1 基礎概念 1.1 熵、聯合熵、條件熵、交叉熵與相對熵的意義? 1.2 歸一化方法? 1、線性函式歸一化(Min-Max scaling) 線性函式將原始資料線性化的方法轉換到[0 1]的範圍,歸一化公式如下: 2、0均值標準
機器學習之資訊增益(熵和條件熵)
要了解資訊增益,我們要先知道熵與條件熵的定義。 2.1 熵 熵是無序度的度量,在資訊理論和統計中,熵表示隨機變數不確定性的度量。假設XX是一個取有限值的離散型隨機變數,它的概率分佈如下: P(X=xi)=pi,i=1,2,…,nP(X=xi)=pi,i=1,2,…
斯坦福NG機器學習聽課筆記-推薦系統(recommender system)
推薦系統(recommender system) Problem Formulation: RecommenderSystems:為什麼講它有兩個原因:首先它是一個很重要的機器學習應用方向,在很多公司中佔據了重要作用,像亞馬遜之類網站都是很好的建立推薦系統促進商品銷售。其次推薦系
NLP大神推薦的機器學習入門書單(附大量百度網盤電子書)
繼NLP之後,我又開了ML這個大坑。這是因為NLP涉及到太多的ML模型,僅僅拿過來用的話,我實現的HanLP已經快到個人極限了。而模型背後的原理、如何優化、如何並行化等問題,都需要尋根求源才能解決。 所以我找了個書單自學,電子書為主,順便分享出來。 ML書單│李航.統
微信公眾號獲取OpenId(使用者授權)(無需關注公眾號)以及獲取使用者基本資訊
上一個部落格也寫了微信公眾號獲取OpenId,但是現在這個和上一個有什麼區別呢。 其實呢,是差不多的,只是這個是通過使用者授權。 但是,又會有人問了,明明可以未授權獲取到使用者的openId,那我為什麼要讓使用者進行授權呢,我偷偷的獲取不就好了嗎? 好像很有道理,但是呢,
微信公眾號開發__微信網頁授權並獲取使用者基本資訊(是否關注公眾號、頭像、暱稱等)
本人最近要做微信公眾號網頁開發的專案,其中有個需求是判斷使用者是否關注公眾號,由於之前沒有接觸過微信授權的東西,所以提前開始做調研。在度娘上看了好多部落格、百度知道、百度經驗、知乎問答等,還仔細閱讀了微信公眾平臺開發文件,大致瞭解到: 微信網頁授
【金山雲】機器學習演算法工程師2017年8月29號電話一面(內推)
Update1(2017-08-30): 同一個面試官面其他人問到的問題。 1、CNN 2、隨機森林 3、目標檢測演算法 4、CNN的各種架構和各個元件的作用 我只是很鬱悶,為什麼不問我這些?我很拿手
常用牛人主頁鏈接(計算機視覺、模式識別、機器學習相關方向,陸續更新。。。。)【轉】
short psu works charles 貝葉斯 learning 數學 ocr 相關 轉自:http://blog.csdn.net/goodshot/article/details/53214935 目錄(?)[-] The Kalman
機器學習基本概念總結(轉載)
9.png png log images es2017 enter 08-18 機器學習 style 機器學習基本概念總結(轉載)
機器學習--近鄰成分分析(NCA)算法 和 度量學習
學習 tar 本質 技術 結果 font ear art component 1、近鄰成分分析(NCA)算法 以上內容轉載自:http://blog.csdn.net/chlele0105/article/details/13006443 2、度量學習 在機器學習中,