你好,游客 登录
机器学习 的搜索结果
作者:雪飞鸿
原文地址:10 Machine Learning Examples in JavaScript
在过去的每一年,用于机器学习(Machine Learning)的库在变得越来越快和易用。一直以来Python都是机器学习的首选语言,但现在几乎可将所有语言用于神经网络(neural networks),这里当然也包括JavaScript!
近几年,Web生态系统取得了很大进步,虽然JavaScript和Node.js的性能比Python和Jav...
http://www.dlworld.cn/XueXiSuanFa/5939.html日期:2017/12/8 11:59:01
作为一个生活在移动互联网时代的技术宅,饱受骚扰短信之苦,但没有一个简单的又不用上传自己短信的过滤应用。于是我从自己收到的两万多条短信以及测试期间用户提交的短信样本中训练出了熊猫。
http://www.dlworld.cn/YeJieDongTai/5923.html日期:2017/12/7 8:52:13
作者:camel
“小弟,看你的骨骼精奇,是万中无一的练武奇才,维护世界和平就靠你了。我这儿有本秘笈,我看与你有缘,就十块钱卖给你了。”
雷锋网AI科技评论按:上周,我看到一些非常好的机器学习备忘单,我想这对刚接触机器学习的工程师来说应该是极有帮助的。但是图片超不清晰,花费很多精力也没有找到高清原图。于是我就花了一些时间,根据这些图片...
http://www.dlworld.cn/YeJieDongTai/5907.html日期:2017/12/6 10:21:50

本质上,深度学习提供了一套技术和算法,这些技术和算法可以帮助我们对深层神经网络结构进行参数化——人工神经网络中有很多隐含层数和参数。深度学习背后的一个关键思想是从给定的数据集中提取高层次的特征。因此,深度学习的目标是克服单调乏味的特征工程任务的挑战,并帮助将传统的神经网络进行参数化。
现在,为了引入深度学习,让我...
http://www.dlworld.cn/YeJieDongTai/5895.html日期:2017/12/5 10:16:44

在过去的几年里,机器学习和人工智能在准确性方面取得了巨大的进步。 然而,受监管的行业(如银行)仍然犹豫不决,往往优先考虑法规遵从性和算法解释的准确性和效率。 有些企业甚至认为这项技术不可信,或者说是危险的。
在2008年金融危机期间,银行业认识到,他们的机器学习算法是基于有缺陷的假设。 因此,金融体系监管机构决定需要额外的控制...
http://www.dlworld.cn/YeJieDongTai/5879.html日期:2017/11/30 12:56:13
前面谈了逻辑回归的基本原理及梯度下降推导过程,编码实现了逻辑回归的梯度下降算法,这是分类算法。今天,我们继续开启分类算法之旅,它是一种高效简介的分类算法,后面有一个集成算法正是基于它之上,它是一个可视化效果很好的算法,这个算法就是决策树。 1 一个例子
http://www.dlworld.cn/YeJieDongTai/5844.html日期:2017/11/21 12:52:11
作者:Dr. Jason Brownlee
哈佛商业评论称数据科学家是21世纪最性感的工作。所以,对于那些ML刚刚开始的人来说,这篇博客机器学习算法工程师需要知道的十大算法是非常有用的。
ML算法是可以从数据中学习并从中改进的算法,无需人工干预。学习任务可能包括将输入映射到输出,在未标记的数据中学习隐藏的结构,或者“基于实例的学习”,其中通过将新实例...
http://www.dlworld.cn/XueXiSuanFa/5826.html日期:2017/11/18 11:32:43
作者:chen_h
Photo courtesy Unsplash
上个星期,我花了一些时间参加了 Numerai 的机器学习金融比赛。这篇文章就是我对于比赛的一些笔记:我尝试过得一些方法,我做了什么工作以及什么工作我直接放弃不做。首先,让我们来介绍一下这个比赛和平台:
Numerai 是一家对冲基金,它利用比赛的形式来收集用户的策略,然后在内部对这些策略进行组合集成来交易。这...
http://www.dlworld.cn/ShenDuXueXiYingYong/5744.html日期:2017/11/2 16:43:36
  作为一名软件工程师,我们应该活到老学到老,时刻与不断发展的框架、标准和范式保持同步。同时,还要能活学活用,在工作中使用最合适的工具,以提高工作效率。
http://www.dlworld.cn/YeJieDongTai/5741.html日期:2017/11/2 10:39:36
作者:张相於
接上篇:机器学习43条军规:解密谷歌机器学习工程最佳实践(上) Human Analysis of the System
在更进一步之前,我们需要了解一些机器学习课程上不会教你的内容:如何观察分析模型,并改进它。用作者的话说,这更像是一门艺术 ,但仍然有一些规律可循。 Rule #23: You are not a typical end user.
规则23:你不是一个典型的终端用户。
http://www.dlworld.cn/YeJieDongTai/5719.html日期:2017/10/24 17:55:56

本文是对<Rules of Machine Learning: Best Practices for ML Engineering>一文的翻译+解读。看过我翻译文章的同学知道我翻译文章一般都不太老实,没有那么“忠于原著”,本篇也不例外,本篇对于原文的解读大概有三种形式:
原文翻译。对于作者本身阐述的比较好,而我也没什么可补充的部分,基本会原文翻译。
半翻译半解读...
http://www.dlworld.cn/YeJieDongTai/5712.html日期:2017/10/24 8:35:48
即使是瑟曦.兰尼斯特的阴谋诡计或者乔拉.莫尔蒙爵士父亲般的保护(译注:两者都是HBO剧集《权力的游戏》中的人物)也无法阻止攻击者攻破HBO的网络并窃取了1.5TB的数据(包括未播出的《权力的游戏》剧集)。然而,机器学习可能已经为HBO的虚拟要塞提供了更好的防护。
http://www.dlworld.cn/YeJieDongTai/5704.html日期:2017/10/20 20:06:03
分子机器学习快速发展,但是缺少用于对比不同方法性能的标准基准,算法进步因此受到限制。斯坦福的研究者提出一种适合分子机器学习的大型基准 MoleculeNet,并在 arXiv 上发布论文。机器之心对该论文进行了编译。
http://www.dlworld.cn/YeJieDongTai/5692.html日期:2017/10/19 15:13:32

假设有一些跟数据相关的难题需要你去解决。之前你已经听过机器学习算法的厉害之处了,因此你自己也想借此机会尝试一番——但是你在这个领域并没有经验或知识。于是你开始用谷歌搜索一些术语,比如“机器学习模型”和“机器学习方法”,但一段时间后,你发现自己在不同算法之间已经完全迷失了,所以便开始放弃了。
http://www.dlworld.cn/YeJieDongTai/5688.html日期:2017/10/19 15:07:06
作者:李亚洲 理所当然地使用默认损失函数
在刚入门的时候,均方误差作为损失函数是很好的默认选择。但是当需要处理现实问题的时候,这种未经专门设计的损失函数很少能给出最优解。
拿欺诈检测为例。为了与你真正的商业目标一致,需要按照欺诈造成的损失美元金额的比例惩罚假负类。使用均方误差能给你一个还不错的结果,但不会是当前最佳的结果。
要点:每一...
http://www.dlworld.cn/YeJieDongTai/5686.html日期:2017/10/17 20:33:59
  • 1/13
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • ...
  • 13
  • »