Machine learning
奔跑-起点
这个作者很懒,什么都没留下…
展开
-
A Deep Learning Tutorial: From Perceptrons to Deep Networks
https://www.toptal.com/machine-learning/an-introduction-to-deep-learning-from-perceptrons-to-deep-networks In recent years, there’s been a resurgence in the field of Artificial Intelligence. It’s s转载 2016-08-02 12:40:32 · 1180 阅读 · 0 评论 -
深度学习概述:从感知机到深度网络
(注:本文译自一篇博客,作者行文较随意,我尽量按原意翻译,但作者所介绍的知识还是非常好的,包括例子的选择、理论的介绍都很到位,由浅入深,源文地址) 近些年来,人工智能领域又活跃起来,除了传统了学术圈外,Google、Microsoft、facebook等工业界优秀企业也纷纷成立相关研究团队,并取得了很多令人瞩目的成果。这要归功于社交网络用户产生的大量数据,这些数据大都是原始数据,需要被进翻译 2016-08-02 12:41:57 · 2044 阅读 · 0 评论 -
机器学习中的特征工程总结
俗话说“磨刀不误砍材工”,在机器学习领域,进行特征工程相关的工作就相当于磨刀了。那么,什么是特征工程呢?通俗来讲,特征工程就是为了使模型在未知数据集上获得更好预测精度而对原始数据集进行转换的一系列过程。 特征工程的具体过程则由以下四点决定: 1、评估模型优劣的方法、指标是什么?(RMSE还是AUC等) 2、要解决的问题属于分类问题还是回归问题.. 3、具体使用的模型是什么?(决策树、svm原创 2017-02-28 15:22:31 · 463 阅读 · 0 评论 -
大数据竞赛平台——Kaggle 入门
原文链接:http://blog.csdn.net/u012162613/article/details/41929171 大数据竞赛平台——Kaggle 入门篇 这篇文章适合那些刚接触Kaggle、想尽快熟悉Kaggle并且独立完成一个竞赛项目的网友,对于已经在Kaggle上参赛过的网友来说,大可不必耗费时间阅读本文。本文分为两部分介绍Kaggle,第一部分简转载 2017-07-07 14:10:28 · 374 阅读 · 0 评论