搜索 - 腾讯云开发者社区-腾讯云

文章/答案/技术大牛

发布

来自专栏机器学习算法与Python学习
Machine Learning -- Boosting
书中（machine learning in action）假设的是5个训练样本，每个训练样本的维度为2，在训练第一个分类器时5个样本的权重各为0.2. 通过一个弱分类器，得到这5个样本（请对应书中的例子来看，依旧是machine learning in action）的分类预测标签。与给出的样本真实标签对比，就可能出现误差(即错误)。
1.1K60发布于 2018-04-04
来自专栏自学笔记
Optimization of Machine Learning
机器学习就是需要找到模型的鞍点，也就是最优点。因为模型很多时候并不是完全的凸函数，所以如果没有好的优化方法可能会跑不到极值点，或者是局部极值，甚至是偏离。所以选择一个良好的优化方法是至关重要的。首先是比较常规的优化方法：梯度下降。以下介绍的这些算法都不是用于当个算法，可以试用于能可微的所有算法。
64120发布于 2018-10-10
来自专栏吉吉的机器学习乐园
Machine Learning初探
Machine Learning definition： "Field of study that gives computers the ability to learn without being Machine Learning algorithms： Supervised learning（监督学习） Unsupervised learning（无监督学习） Others：Reinforcement ---- 我是一条华丽的分割线 ---- Supervised learning（监督学习）：举个栗子~ 吉吉呢收集了一些房价的数据，把这些数据用二维图表画出来就是这样的横坐标代表房子的面积 ---- 我是一条华丽的分割线 ---- Supervised learning（监督学习）：相比于监督学习中的“正确答案”数据，无监督学习可谓是放飞自我了，在无监督学习的数据中，每个数据“生而平等，至此Machine Learning 的初探环节就结束啦。学习是个循序渐进的过程，我希望我能用最简单的话语描述这些问题，对我来说也是一种宝贵的学习经验。
41530编辑于 2022-07-13
来自专栏自学笔记
Optimization of Machine Learning
机器学习就是需要找到模型的鞍点，也就是最优点。因为模型很多时候并不是完全的凸函数，所以如果没有好的优化方法可能会跑不到极值点，或者是局部极值，甚至是偏离。所以选择一个良好的优化方法是至关重要的。首先是比较常规的优化方法：梯度下降。以下介绍的这些算法都不是用于当个算法，可以试用于能可微的所有算法。
66120发布于 2019-01-23
来自专栏赵化冰的技术博客
Machine Learning Introduction
What is machine learning? Two definitions of machine learning are offered. Machine learning algorithms In general, any machine learning problem can be assigned to one of two broad learning, Recommender system Supervised learning Supervised learning is the machine learning task of [](/img/2018-12-24-machine-learningp-introduction/classification-problem-breast-cancer-two-features.png by Stanford: https://www.coursera.org/learn/machine-learning ----
53440编辑于 2022-08-01
来自专栏机器学习算法与Python学习
Machine learning -- CART
1.算法介绍分类回归树算法：CART(Classification And Regression Tree)算法采用一种二分递归分割的技术，将当前的样本集分为两个子样本集，使得生成的的每个非叶子节点都有两个分支。因此，CART算法生成的决策树是结构简洁的二叉树。分类树两个基本思想：第一个是将训练样本进行递归地划分自变量空间进行建树的想法，第二个想法是用验证数据进行剪枝。建树:在分类回归树中，我们把类别集Result表示因变量，选取的属性集attributelist表示自变量，通
83980发布于 2018-04-04
来自专栏深度学习|机器学习|歌声合成|语音合成
python machine learning package
如果您目前正在使用Python进行机器学习项目，那么您可能已经听说过这个流行的开源库，称为Tensorflow。该库是由谷歌与Brain Team合作开发的。Tensorflow几乎用于所有Google应用程序，用于机器学习。您正在使用Tensorflow间接应用程序，如Google语音搜索或Google照片是使用此库开发的模型。
55210发布于 2021-01-14
来自专栏机器学习算法与Python学习
Machine Learning -- Bayesian network
链接地址：http://www.dataguru.cn/thread-508373-1-1.html 0 引言事实上，介绍贝叶斯定理、贝叶斯方法、贝叶斯推断的资料、书籍不少，比如《数理统计学简史》，以及《统计决策论及贝叶斯分析 James O.Berger著》等等，然介绍贝叶斯网络的中文资料则非常少，中文书籍总共也没几本，有的多是英文资料，但初学者一上来就扔给他一堆英文论文，因无基础和语言的障碍而读得异常吃力导致无法继续读下去则是非常可惜的（当然，有了一定的基础后，便可阅读更多的英文资料）。提炼了贝叶斯
1.8K60发布于 2018-04-04
来自专栏数据处理
machine learning分类图
import numpy as np import matplotlib.pyplot as plt fig, axes = plt.subplots(1,2) ax0, ax1 = axes fig.set_figwidth = 10 fig.set_figheight = 10 ax0.plot([0, 1], [1, 1], color = 'black',linewidth = 3) ax0.plot([0, -1], [-1, -1], color = 'black',linewidth = 3)
46220发布于 2018-06-01
来自专栏亚灿网志
「Machine Learning」梯度下降
1.3 学习率 -\eta \frac{d J}{d \theta}中关于参数\eta的一些概念： \eta称为学习率（Learning Rate）； \eta的取值影响获得最优解的速度； \eta取值不合适 : theta = ini_theta i = 0 theta_history.append(ini_theta) t_0, t_1 = 5, 50 def learning_rate (t + t_1) while i < n_iters: gradient = get_der(theta, X_b, y) theta = theta - learning_rate
1K60编辑于 2023-05-23
来自专栏机器学习实践二三事
Machine Learning基础入门
发展历史这个已经有大牛写的很好了,参考这篇ML发展历史 ML的分类按照是否存在监督,可划分成两类: 有监督的(supervised learning) 无监督的(unsupervisied learning) 按照学习方式的不同可以分为: 有监督的(除强化学习外) 无监督的强化学习(reinforce learning) 按照具体的使用场景主要可以分为两类: 分类
83390发布于 2018-01-02
来自专栏鸿的学习笔记
Machine learning at Quora(下)
这是一个不同的learning-to-rank模型，针对不同的目标函数进行了优化。除了排名算法，我们还有其他个性化的建议，出现在产品的不同部分。
77120发布于 2018-08-06
来自专栏机器学习实践二三事
Some TipsTricks in Machine Learning
Learning rate 推荐使用mini-batch的方式进行训练,初始的lr典型为0.1 对于validation set来说,没什么作用的话,可以将lr/2或者lr/5来试试 Fine-tune penalty can be given to the network when it misclassifies the minority classes during training One-class learning
79660发布于 2018-01-02
来自专栏机器学习之旅
Auto Machine Learning初探
Learning Amazon: Amazon Machine Learning BaiDu：EasyE Alibaba Group：PAI others: BigML.com, Wise.io, SkyTree.com Learning： ? Learning User Modeling and Hierarchical Reinforcement Learning Practical Bayesian Optimization of Machine Learning Algorithms Initializing Bayesian Hyperparameter Optimization via Meta-Learning A Conceptual Explanation of Bayesian Hyperparameter Optimization for Machine Learning Automated Machine Learning
1K20发布于 2019-12-12
来自专栏机器学习算法与Python学习
Machine Learning -- GBDT(RF)
前言：决策树这种算法有着很多良好的特性，比如说训练时间复杂度较低，预测的过程比较快速，模型容易展示（容易将得到的决策树做成图片展示出来）等。但是同时，单决策树又有一些不好的地方，比如说容易over-fitting，虽然有一些方法，如剪枝可以减少这种情况，但是还是不够的。模型组合（比如说有Boosting，Bagging等）与决策树相关的算法比较多，这些算法最终的结果是生成N(可能会有几百棵以上）棵树，这样可以大大的减少单决策树带来的毛病，有点类似于三个臭皮匠等于一个诸葛亮的做法，虽然这几百棵决策树中
90250发布于 2018-04-04
来自专栏VoiceVista语音智能
CB Insight - Quantum Machine Learning
包括经典机器学习算法(classical machine learning algorithms）和Quantum AI的混合模式(hybrid model），将很快带来实际应用价值。量子计算机器学习(Quantum machine learning）同样基于传统机器学习的基本原则，但是其算法被设计在量子处理器执行，这比传统的神经网络处理要更加的高效，也克服了目前AI研究在处理海量数据集其当前目标(immediate goal），与Xanadu类似，是在短期内(near-term）为量子计算设备，开发一种quantum-classical混合模式的machine-learning。
76920发布于 2020-03-19
来自专栏CSDN小华
Machine-Learning 机器学习
机器学习是人工智能的一个重要分支，旨在通过算法使计算机能够从数据中自动学习并做出预测。它结合了统计学、概率论、近似理论和复杂算法等多学科知识，利用计算机作为工具来模拟人类的学习方式。
57910编辑于 2024-10-16
来自专栏亚灿网志
「Machine Learning」线性回归认识
线性回归问题——标准曲线的制作线性回归算法的优点：解决回归问题；思想简单，实现容易；许多强大的非线性模型的基础；结果具有很好的可解释性；蕴含Machine Learning中的很多重要思想。 i)} - \hat y^{(i)})^2 带入\hat y^{(i)} = a x^{(i)} + b，可得： \sum_{i=1}^{m}(y^{(i)} - a x^{(i)} - b)^2 在Machine Learning中，我们一般称上式为损失函数（loss function）或者效用函数（utility function），我们的目标就是要使得所求得的a和b可以使上式的结果尽可能的小。
63670编辑于 2023-05-22
来自专栏Echo is learning
machine learning 之 Recommender Systems
整理自Andrew Ng的machine learning 课程 week 9.
44810发布于 2018-07-09
来自专栏SAMshare
Machine Learning-经典模型之DT Learning
本篇文章整理一下decision tree learning的知识点。下面是维基百科的定义： Decision tree learning uses a decision tree (as a predictive model) to go from observations Decision tree learning is the construction of a decision tree from class-labeled training tuples. N2N2 4>> 对N1N1和N2N2分别继续执行2-3步，直到每个结点足够纯为止；参考文献： 1）维基百科 https://en.wikipedia.org/wiki/Decision_tree_learning
96230发布于 2019-08-22

第 2 页第 3 页第 4 页第 5 页第 6 页第 7 页第 8 页第 9 页第 10 页第 11 页

点击加载更多

Machine Learning -- Boosting

Optimization of Machine Learning

Machine Learning初探

Optimization of Machine Learning

Machine Learning Introduction

Machine learning -- CART

python machine learning package

Machine Learning -- Bayesian network

machine learning分类图

「Machine Learning」梯度下降

Machine Learning基础入门

Machine learning at Quora(下)

Some TipsTricks in Machine Learning

Auto Machine Learning初探

Machine Learning -- GBDT(RF)

CB Insight - Quantum Machine Learning

Machine-Learning 机器学习

「Machine Learning」线性回归认识

machine learning 之 Recommender Systems

Machine Learning-经典模型之DT Learning

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐