2017年10月_android_ruben

原创 [web]Node.js入门

一直想搭建一个独立的blog，但是都没有找到合适的开源方案，曾经试过基于java、wordpress、还有node.js的静态网站，都不满意。暂且不谈，这里先记录下Node.js的体验过程吧。安装安装比较简单，直接两行命令就解决。官方文档linkcurl -sL https://deb.nodesource.com/setup_8.x | sudo -E bash -sudo apt-get

2017-10-22 22:11:16 408

原创 [DL]机器学习算法之支持向量机(Support Vector Machine)

SVM(Support Vector Machine)指的是支持向量机，是常见的一种判别方法。在机器学习领域，是一个有监督的学习模型，通常用来进行模式识别、分类以及回归分析。SVM的主要思想可以概括为两点：它是针对线性可分情况进行分析，对于线性不可分的情况，通过使用非线性映射算法将低维输入空间线性不可分的样本转化为高维特征空间使其线性可分，从而使得高维特征空间采用线性算法对样本的非线性特征进行线性

2017-10-22 11:24:53 677

原创 [DL]机器学习算法之逻辑回归

逻辑回归(Logistic Regression, LR)又称为逻辑回归分析，是分类和预测算法中的一种。通过历史数据的表现对未来结果发生的概率进行预测。例如，我们可以将购买的概率设置为因变量，将用户的特征属性，例如性别，年龄，注册时间等设置为自变量。根据特征属性预测购买的概率。逻辑回归的预测模型：逻辑回归不是回归问题，而是二分类问题，因变量不是0就是1，那么我们很自然的认为概率函数服从伯努利

2017-10-20 08:09:20 493

原创 [DL]机器学习算法之岭回归

上篇文章介绍了线性回归，但是一般线性回归模型在处理复杂的数据的回归问题时会遇到一些问题，主要表现在：1.预测精度：要处理好样本的数量n和特征的数量p之间的关系。当n>>p时，最小二乘回归会有较小的方差；当n≈p n\approx p时，容易产生过拟合；当n< p时，最小二乘回归得不到有意义的结果。2.模型的解释能力：如果模型中的特征之间有相互关系，这样会增加模

2017-10-19 08:00:35 468

原创 [DL]机器学习算法之之线性回归(Linear Regression)

线性模型的一般表达式为：模型参数的求解即是使用最小二乘法求的最小值。如果将线性模型用图像表示出来为：附上代码(模型的实现步骤写在代码中)：import matplotlib.pyplot as pltimport numpy as npfrom sklearn import datasets, linear_modelfrom sklearn.metrics import mean_squ

2017-10-19 07:53:28 584

翻译 [翻译]词袋模型入门

写在前面的话词袋模型在机器学习算法中通常用于表征文本数据。词袋模型非常容易理解并在语言模型和文本分类上取得了很大的成功。本文我们将探索词袋模型在自然语言处理特征提取任务中的应用。通过本文，可以了解到如下内容：什么是词袋模型以及为什么需要文本表示如何实现词袋模型如何使用不同的技术建立词汇表和给词赋予权重正文在开始介绍之前，首先介绍本文的行文组织结构：1.文本处理面临的问题2.什么是词袋模型

2017-10-15 05:26:59 2132

原创 [NLP]如何打造一个Chatbot

聊天机器人的应用非常广泛，无人驾驶、智能音箱、问答系统、客服机器人、对话机器人、个性化推荐、搜索引擎等等产品都有所应用。说起聊天机器人想必大家都已经很熟悉了，比如亚马逊的Alex，谷歌的谷歌助手，苹果的Siri，百度的度秘以及众多大厂小厂都投身于聊天机器人相关技术的研发。聊天机器人的火热程度勿用多说，从各大厂商对聊天机器人的投入也可以看出聊天机器人在商业上的价值巨大。作为机器人行业的从业者，

2017-10-14 12:33:54 10610 11

翻译 [翻译]机器学习如何个性化推荐音乐

本文翻译自链接，感兴趣的朋友可以去查看原文。Spotify[1]的每周推荐：机器学习如何为你推荐新音乐-个性化推荐后面的科学本周三，确切的说是每周三，超过1亿的Spotify用户都可以看到一个新的播放列表。这个播放列表包含了30首个性化混音曲目，这些曲目是用户从来没有听过的但很可能会喜欢。上述推荐叫做：每周推荐（Discover Weekly）。我是Spltify的铁杆粉丝，尤其是每周推荐（Disc

2017-10-13 07:14:48 2702

原创 [NLP]如何进行情感分析

本文介绍的是如何进行情感识别。在自然语言中(尤其社交媒体和购物网站中)，每一句话都隐含了具体的情感倾向，比如中性、正面、负面。比如：今天天气不错；今天心情不太好；苹果手机不错；地球是圆的。对于人来说，可以很轻易的就分辨出上述句子是正面的、中性的、负面的。但是在自然语言处理中是如何进行判断的呢？下面就对基本的情感分析方法进行介绍。1.准备1.1 种子词库在真正开始前，首先想想人看到一句话是如何思考

2017-10-08 12:18:46 11610 1

Forgive Me