首页
博客
源码
资源
博客
源码
写文章
发布博客
发布资源
登录
X
机器学习
相关资讯
热门
最新
后端
01-01 08:00
后端
机器学习基础(第二版)翻译 第17章强化学习
机器学习基础(第二版)翻译 第17章强化学习,引言本章介绍了强化学习,这是机器学习的一个丰富领域,与控制理论、优化和认知科学有关。强化学习是指在学习者积极与环境互动以实现特定目标的情况下进行规划和学习的研究。这种主动的交互作用证明了用来指代学习者的代理的术语。代理目标的实现通常是通过它从环境中获得的奖励并寻求最大化的奖励来衡量的。我们首先介绍了强化学习的一般场景,然后介绍了马尔可夫决策过程(MDP
110
后端
01-01 08:00
后端
机器学习开发与运维(MLOps)工具箱
机器学习开发与运维(MLOps)工具箱,与通用应用程序编程相比,机器学习(MachineLearning)是一个相对较新的工作领域。如今,硬件和软件均已支持大型机器学习项目,以使公司能够更好地进行决策,而机器学习的工具和解决方案已席卷了技术领域。这产生了一个称为MLOps的新领域。MLOps把来自DevOps的实践协作,版本控制,自动化测试,合规性,安全性和CI/CD应用于机器学习领域。本文将回顾
109
后端
01-01 08:00
后端
机器学习平台——资源优化之路
前言 人在做自己喜欢的事情时,时光总是过得很快。不知不觉到公司已经两年多了,在这两年的时间里,我做了很多“有趣又有用”的事情,其中最让我有成就感的有两件事: 第一,从0到1搭建了一套基于K8s的机器...
108
后端
01-01 08:00
后端
机器学习D2--Encoding:机器学习中类别变量的编码方法总结
这篇文章主要介绍一下encoding的几种类型。以下是一个最基础的分类: 什么是catergorical data 当一个数据的特征是有限的离散变量时,它分为Nominal, Ordinal and...
107
后端
01-01 08:00
后端
机器学习平台——资源优化之路
前言 人在做自己喜欢的事情时,时光总是过得很快。不知不觉到公司已经两年多了,在这两年的时间里,我做了很多“有趣又有用”的事情,其中最让我有成就感的有两件事: 第一,从0到1搭建了一套基于K8s的机器...
106
后端
01-01 08:00
后端
机器学习D2--Encoding:机器学习中类别变量的编码方法总结
这篇文章主要介绍一下encoding的几种类型。以下是一个最基础的分类: 什么是catergorical data 当一个数据的特征是有限的离散变量时,它分为Nominal, Ordinal and...
104
后端
01-01 08:00
后端
机器学习平台——资源优化之路
前言 人在做自己喜欢的事情时,时光总是过得很快。不知不觉到公司已经两年多了,在这两年的时间里,我做了很多“有趣又有用”的事情,其中最让我有成就感的有两件事: 第一,从0到1搭建了一套基于K8s的机器...
104
百科问答
01-01 08:00
百科问答
机器学习聚类算法的应用(常见的聚类算法有)
机器学习聚类算法的应用(常见的聚类算法有)在理解大数据方面,聚类是一种很常用的基本方法。近日,数据科学家兼程序员 Peter Gleeson 在 freeCodeCamp 发布了一篇深度讲解文章,对一些聚类算法进行了基础介绍,并通过简单而详细的例证对其工作过程进行了解释说明。看看下面这张图,有各种各样的虫子和蜗牛,你试试将它们分成不同的组别?不是很难吧,先从找出其中的蜘蛛开始吧! 完成了吗?尽管这里并不一定有所谓的「正确答案」,但一般来
103
后端
01-01 08:00
后端
机器学习基础知识—KL 散度
机器学习基础知识—KL 散度,今天将探讨一种比较两个概率分布的方法,称为Kullback-Leibler散度(通常简称为KL散度)。我们先给出公式DKL(P∣∣Q)=∑iP(i)logP(i)Q(i)DKL(P∣∣Q)=∫P(x)logP(x)Q(x)dxD_{KL}(P||Q)=\sum_iP(i)\log\frac{P(i)}{Q(i)}\\D_{KL}(P||Q)=\intP(x)\lo
101
后端
01-01 08:00
后端
机器学习:数据预处理之将类别数据数字化的方法 —— LabelEncoder VS OneHotEncoder
机器学习:数据预处理之将类别数据数字化的方法 —— LabelEncoder VS OneHotEncoder,LabelEncoder和OneHotEncoder是什么-在数据处理过程中,我们有时需要对不连续的数字或者文本进行数字化处理。-在使用Python进行数据处理时,用encoder来转化dummyvariable(虚拟数据)非常简便,encoder可以将数据集中的文本转化成0或1的数值。
101
«
1
2
3
4
5
6
»