- 博客(6)
- 资源 (7)
- 收藏
- 关注
原创 Titanic Kaggle 竞赛系列
Titanic: Machine Learning from DisasterKaggle 竞赛中的练习题 Accuracy: 0.77990 0-1 分类:根据乘客类型,姓名,性别,年龄,兄弟个数,父子个数,船票,票价,船舱,港口判定乘客是船难中存活下来。 数据处理可采用 pandas 工具包,分类器可采用 scikit-learn 工具包。
2016-03-09 17:23:28 1578 1
原创 Digit Recognizer Kaggle 竞赛系列
手写数字识别 1. KNN 准确率 0.83886,KNN 算法预测花费时间很长 2. IPCA + KNN 准确率 0.84614,IPCA 降维可能会超内存 3. IPCA + RandomForest 准确率 0.84614,RandomForest 随机森林的效率比 KNN 高 4. RandomForest,准确率 0.96443,深度学习中的卷积神经网络能达到 0.99+ 准确率的效果
2016-03-05 11:02:08 1366
原创 机器学习之初生牛犊
多元线性回归 + 逻辑回归 + 神经网络的表达式 + 神经网络的学习 + 机器学习系统设计与应用机器学习的建议 + 支持向量机 SVM + 无监督学习与维度约减 + 异常检测与推荐系统 + 大规模机器学习 + 应用实例:照片识别
2016-03-04 22:04:50 831
原创 应用实例:照片识别 机器学习基础(10)
应用实例 本文主要讲了有关图像识别项目相关的介绍,仅仅设计简单的机器学习系统设计,包含系统流水线、上限分析、人工数据合成。 当然,文字识别与人脸识别的简单系统由详细的介绍,可以用以初步的了解。 Python, Java, MATLAB 都有机器学习的工具箱。
2016-03-04 21:42:49 1954
原创 大规模机器学习 机器学习基础(9)
大规模机器学习 大规模机器学习面上海量数据的要求,其方法是类似映射化简(SOM)的思路。 目前已有的平台有 Hodoop。 本文介绍了一些大规模机器学习中会遇到的随机梯度下降法、映射化简的概念,同时在线学习也是一种在海量数据中应运而生的学习模式。
2016-03-04 20:41:37 730
原创 异常检测与推荐系统 机器学习基础(8)
异常检测 异常检测被广泛应用于欺诈检测(例如信用卡被偷事件)。给定大量数据,指出与均值有巨大差异的点。例如,在制造业中检测缺陷与异常。高斯分布对数据建模往往会很有用。 本模块涉及“推荐系统”(Amazon, Netflix, Apple 等公司用它来向用户推荐产品)。推荐系统(Recommender systems)寻找用户与产品间的交互模式从而生成推荐建议。该课程介绍了推荐算法,例如
2016-03-01 14:51:35 2259
section89.zip
2020-05-11
Eclipse中windowbuilder开发的记事本文件jre8
2014-07-03
SimpleCalculator
2014-02-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人