- 博客(8)
- 资源 (12)
- 收藏
- 关注
翻译 摘录机器学习的基本知识以及学习路线
每当提到机器学习,大家总是被其中的各种各样的算法和方法搞晕,觉得无从下手。确实,机器学习的各种套路确实不少,但是如果掌握了正确的路径和方法,其实还是有迹可循的,这里我推荐SAS的Li Hui的这篇博客,讲述了如何选择机器学习的各种方法。另外,Scikit-learn 也提供了一幅清晰的路线图给大家选择:其实机器学习的基本算法都很简单,下面我们就利用二
2017-11-24 09:35:20 402
翻译 机器学习面试系列七
151.在下面哪种情况下,一阶梯度下降不一定正确工作(可能会卡住)? 答案:(B) 这是鞍点(Saddle Point)的梯度下降的经典例子。另,本题来源于:https://www.analyticsvidhya.com/blog/2017/01/must-know-questions-deep-learning/。152.下图显示了训练过的3层卷积
2017-11-20 14:16:10 2428
翻译 机器学习面试系列六
101.深度学习(CNN RNN Attention)解决大规模文本分类问题 https://zhuanlan.zhihu.com/p/25928551102.如何解决RNN梯度爆炸和弥散的问题的? 本题解析来源:http://blog.csdn.net/han_xiaoyang/article/details/51932536 为了解决梯
2017-11-20 14:12:32 782
翻译 机器学习面试系列五
81.Nave Bayes是一种特殊的Bayes分类器,特征变量是X,类别标签是C,它的一个假定是:(C) A.各类别的先验概率P(C)是相等的 B.以0为均值,sqr(2)/2为标准差的正态分布 C.特征变量X的各个维度是类别条件独立随机变量 D.P(X|C)是高斯分布 @BlackEyes_SGC:朴素贝叶斯的条件就是每个变量相互独立。82.
2017-11-20 14:09:32 1283
翻译 机器学习面试系列四
61.说说梯度下降法 @LeftNotEasy,本题解析来源:http://www.cnblogs.com/LeftNotEasy/archive/2010/12/05/mathmatic_in_machine_learning_1_regression_and_gradient_descent.html 下面是一个典型的机器学习的过程,首先给出一个输入数据,我们的算法会通过一
2017-11-20 14:07:20 1987
翻译 机器学习面试系列三
41.线性分类器与非线性分类器的区别以及优劣 如果模型是参数的线性函数,并且存在线性分类面,那么就是线性分类器,否则不是。 常见的线性分类器有:LR,贝叶斯分类,单层感知机、线性回归 常见的非线性分类器:决策树、RF、GBDT、多层感知机 SVM两种都有(看线性核还是高斯核) 线性分类器速度快、编程方便,但是可能拟合效果不会很好 非线性分类器编程复杂,但是效果拟
2017-11-20 13:52:40 747
翻译 机器学习面试系列二
21.请大致对比下plsa和LDA的区别 pLSA中,主题分布和词分布确定后,以一定的概率(、)分别选取具体的主题和词项,生成好文档。而后根据生成好的文档反推其主题分布、词分布时,最终用EM算法(极大似然估计思想)求解出了两个未知但固定的参数的值:(由转换而来)和(由转换而来)。 文档d产生主题z的概率,主题z产生单词w的概率都是两个固定的值。 举个文档d产生主题z的
2017-11-20 13:51:05 1074
翻译 机器学习面试系列一
1.请简要介绍下SVM SVM,全称是support vector machine,中文名叫支持向量机。SVM是一个面向数据的分类算法,它的目标是为确定一个分类超平面,从而将不同的数据分隔开。 扩展:这里有篇文章详尽介绍了SVM的原理、推导,http://blog.csdn.net/v_july_v/article/details/7624837。 此外,这里有个视频
2017-11-20 13:48:48 603
win下的查找替换神器
2018-05-10
spark-2.0.2-bin-hadoop2.6
2018-05-10
poi方式导出excel(分多个sheet导出)
2016-12-21
基于java和jsp的省市联动的源码(ProCityAreas+mysql)
2016-12-14
基于php和Ajax省市县三级联动代码(jquery+php+mysql)
2016-12-14
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人