机器学习
文章平均质量分 73
squeue2019
邮箱:sunkun201309 at 163.com
展开
-
梯度下降法
梯度下降1、概念 梯度下降法是一个最优化算法,通常也称为最速下降法。最速下降法是求解无约束优化问题最简单和最古老的方法之一,虽然现在已经不具有实用性,但是许多有效算法都是以它为基础进行改进和修正而得到的。最速下降法是用负梯度方向为搜索方向的,最速下降法越接近目标值,步长越小,前进越慢。它通过最小化误差的平方和寻找数据的最佳函数匹配,可以简便地求得未知的数据,并使得这些求得的数据与实际原创 2015-11-11 17:14:47 · 1162 阅读 · 0 评论 -
多项式拟合——用Matlab实现并分析
多项式拟合——用Matlab是实现并分析1、问题 编程实现多项式拟合例子,体会overfitting。2、方法 可以使用matlab中的方法实现多项式拟合。polyfit(x,y,n),其中n表示预测的多项式为n次。[p,S] = polyfit(x,y,n),p返回的是多项式的系数,S返回的有R,df以及normr,分别代表triangula3、具体实现Matlab代码:原创 2015-11-10 16:44:41 · 30819 阅读 · 0 评论 -
拟牛顿法及其相关解法
使用导数的最优化算法中,拟牛顿法是目前为止最为行之有效的一种算法,具有收敛速度快、算法稳定性强、编写程序容易等优点。在现今的大型计算程序中有着广泛的应用。本文试图介绍拟牛顿法的基础理论和若干进展。牛顿法 (Newton Method)牛顿法的基本思想是在极小点附近通过对目标函数做二阶Taylor展开,进而找到的极小点的估计值[1]。一维情况下,也即令函数为转载 2016-04-09 21:22:24 · 4203 阅读 · 0 评论 -
有用的机器学习链接(持续更新)
2016.05.051、28款GitHub最流行的开源机器学习项目(1)https://yq.aliyun.com/articles/30794?spm=5176.blog30796.yqblogcon1.7.T3BNbb(2)https://yq.aliyun.com/articles/30796?spm=5176.blog30794.yqblogcon1.34.mVMCE7自评原创 2016-05-05 20:51:08 · 631 阅读 · 0 评论 -
数据科学速查表大全(机器学习和深度学习工程师用)
1、KerasSource — https://www.datacamp.com/community/blog/keras-cheat-sheet#gs.DRKeNMs2. NumpySource — https://www.datacamp.com/community/blog/python-numpy-cheat-shee原创 2017-06-14 18:02:46 · 2057 阅读 · 0 评论 -
【特征工程】1 关于推荐系统中的特征工程
在多数数据和机器学习的blog里,特征工程 Feature Engineering 都很少被提到。做模型的或者搞Kaggle比赛的人认为这些搞feature工作繁琐又不重要不如多堆几个模型,想入手实际问题的小朋友又不知道怎么提取feature来建模型。我就用个性化推荐系统做个例子,简单说说特征工程在实际的问题里是怎么做。定义特征工程 Feature Engineering 在一篇K转载 2017-06-26 14:12:41 · 873 阅读 · 0 评论 -
实例详解机器学习如何解决问题
前言随着大数据时代的到来,机器学习成为解决问题的一种重要且关键的工具。不管是工业界还是学术界,机器学习都是一个炙手可热的方向,但是学术界和工业界对机器学习的研究各有侧重,学术界侧重于对机器学习理论的研究,工业界侧重于如何用机器学习来解决实际问题。我们结合美团在机器学习上的实践,进行一个实战(InAction)系列的介绍(带“机器学习InAction系列”标签的文章),介绍机器学习在解决工业转载 2017-06-26 15:59:39 · 1374 阅读 · 1 评论 -
【特征工程】2 机器学习中的数据清洗与特征处理综述
背景随着美团交易规模的逐步增大,积累下来的业务数据和交易数据越来越多,这些数据是美团做为一个团购平台最宝贵的财富。通过对这些数据的分析和挖掘,不仅能给美团业务发展方向提供决策支持,也为业务的迭代指明了方向。目前在美团的团购系统中大量地应用到了机器学习和数据挖掘技术,例如个性化推荐、筛选排序、搜索排序、用户建模等等,为公司创造了巨大的价值。本文主要介绍在美团的推荐与个性化团队实践中的数据转载 2017-06-26 16:03:16 · 1718 阅读 · 0 评论 -
【特征工程】3 特征工程技术与方法
引言在之前学习机器学习技术中,很少关注特征工程(Feature Engineering),然而,单纯学习机器学习的算法流程,可能仍然不会使用这些算法,尤其是应用到实际问题的时候,常常不知道怎么提取特征来建模。 特征是机器学习系统的原材料,对最终模型的影响是毋庸置疑的。特征工程的重要意义数据特征会直接影响你使用的预测模型和实现的预测结果。准备和选择的特征越好,则实现的结果转载 2017-06-26 16:14:53 · 841 阅读 · 0 评论