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
代码人生
01-01 08:00
代码人生
机器学习导论(第2版) PDF 完整超清版
机器学习导论(第2版) PDF 完整超清版,给大家带来的一篇关于机器学习相关的电子书资源,介绍了关于机器学习导论、机器学习方面的内容,本书是由机械工业出版社出版,格式为PDF,资源大小61.88MB,米罗斯拉夫.库巴特编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.9分资源详情相关推荐出版社:机械工业出版社作者:米罗斯拉夫.库巴特大小:61.88MB类别:机器学习热度:574美团机器学习
685
代码人生
01-01 08:00
代码人生
机器学习:损失函数(loss function)
机器学习:损失函数(loss function),转自https://blog.csdn.net/qq_24753293/article/details/78788844,感谢大佬分享L(Y,f(x))L代表lossfunctionY是真实值f(x)是模型预测出来的值复制代码前言说到机器学习,初学者听到最多的就是`损失函数`了吧我对这个词也是一头雾水好像今天一个定义明天又是一个定义,读了大量的文章
325
代码人生
01-01 08:00
代码人生
机器学习pytorch环境的搭建
机器学习pytorch环境的搭建,机器学习环境的搭建推荐安装acacondawww.anaconda.com/products/in…常用的命令##创建一个新的虚拟环境condacreate--namemy__testpython=3.7#创建一个名称为my__test##激活虚拟环境activatemy_test##查看已有的虚拟环境condaenvlist##切换到想要的虚拟环境,这里我切换到
296
后端
01-01 08:00
后端
机器学习sklearn(61):算法实例(十八)聚类(一)概述
机器学习sklearn(61):算法实例(十八)聚类(一)概述,机器学习sklearn(61):算法实例(十八)聚类(一)概述1无监督学习与聚类算法聚类vs分类2sklearn中的聚类算法聚类算法在sklearn中有两种表现形式,一种是类(和我们目前为止学过的分类算法以及数据预处理方法们都一样),需要实例化,训练并使用接口和属性来调用结果。另一种是函数(function),只需要输入特征矩阵和超参
296
代码人生
01-01 08:00
代码人生
机器学习及其应用2013 PDF 高质量版
机器学习及其应用2013 PDF 高质量版,给大家带来的一篇关于机器学习相关的电子书资源,介绍了关于机器学习、机器学习应用方面的内容,本书是由张长水,杨强出版,格式为PDF,资源大小45.27MB,张长水,杨强编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.3分资源详情相关推荐出版社:张长水,杨强作者:张长水,杨强大小:45.27MB类别:机器学习热度:477机器学习实践应用python
294
后端
01-01 08:00
后端
机器学习所需的工程量未来会大大减少
机器学习所需的工程量未来会大大减少,作者|DavidLiCause译者|平川编辑|陈思未来,构建ML产品将更加有趣,并且这些系统会工作得更好。随着ML自动化工具的不断改进,数据科学家和ML工程师将把更多的时间花在构建优秀的模型上,而花在与生产级ML系统相关的繁琐但必要的任务上的时间会更少。本文最初发布于KDnuggets,经原作者授权由InfoQ中文站翻译并分享。AI是一个系统工程问题。构建一个有
278
代码人生
01-01 08:00
代码人生
机器学习——决策树(ID3算法)
机器学习——决策树(ID3算法),决策树原理决策树是一种从训练数据中学习得出一个树状结构的模型。这种模型属于判别模型。决策树是一种树状结构,通过做出一系列决策来对数据进行划分,这类似针对一系列问题进行选择。决策树的决策过程就是从根结点开始,测试待分类项中对应的特征属性,并按照其值选择输出分支,直到叶子节点,最后将叶子节点的存放的类别作为决策结果。决策树算法是一种归纳分类算法,它通过对训练集的学习,
254
后端
01-01 08:00
后端
机器学习变得越来越容易,但软件工程仍然很困难
机器学习变得越来越容易,但软件工程仍然很困难,机器学习工具正变得越来越易用谷歌希望让所有人,无论技术背景如何,都能很容易掌握机器学习模型的训练方法。参见:技术民主化-https://en.wikipedia.org/wiki/Democratization_of_technology随着机器学习变得越来越容易使用,云服务的市场也在增长,而理解算法的意义也在下降。曾经,我们需要人工实现算法。现在Sk
220
后端
01-01 08:00
后端
机器学习一到三章笔记
机器学习一到三章笔记,机器学习一到三章笔记1.1什么是模式识别定义:模式识别是根据已有的知识表达,针对待识别模式,判别决策其所属的类别或者预测其对应的回归值。应用领域:计算机视觉,人机交互,医学,网络,金融,机器人,无人车。1.2模式识别数学表达1.数学解释:看成一种函数映射f(x),将待识别模式x从输入空间映射到输出空间,f(x)是关于已有知识的表达。2.模型:关于已有知识的一种表达方式,即函数
217
后端
01-01 08:00
后端
机器学习狗太苦逼了!自动化调参哪家强?
机器学习狗太苦逼了!自动化调参哪家强?,动机:机器学习狗太苦逼了在给定的数据集上实现最先进的结果是十分困难的。这往往需要小心翼翼地选择正确的数据预处理方式,精心挑选算法、模型及架构,并装配最合适的一套参数。这种端到端的过程通常被称为机器学习流水线/工作流。这套流程中的每一步怎么走并没有一个经验上的固定方向。而且,因为新的模型不断被开发出来,就连选择合适的模型都成为了一个巨大挑战。超参数的调试通常需
216
«
1
2
3
4
5
6
»