PaddlePaddle
PaddlePaddle
黑虎含珠
这个作者很懒,什么都没留下…
展开
-
XGBoost入门
CNN和RNN更多的是用来处理图像识别和语音识别,日常工作中我们可能更多的是基于结构化数据来解决分类或回归问题。下面用XGBoost来开发一个简单的二分类问题。数据集用来判断患者是否会在5年内患糖尿病,有9列数据, 前8列是变量数据,最后一列是标签数据。数据集地址https://archive.ics.uci.edu/ml/machine-learning-databases/pima原创 2017-06-09 13:58:20 · 1059 阅读 · 0 评论 -
人工智能之机器学习算法体系汇总
监督学习 Supervised learning人工神经网络 Artificial neural network自动编码器 Autoencoder反向传播 Backpropagation玻尔兹曼机 Boltzmann machine卷积神经网络 Convolutional neural networkHopfi原创 2017-08-23 15:07:57 · 729 阅读 · 1 评论 -
初学者如何选择合适的机器学习算法(附算法速查表)
来源:机器之心参与:黄小天、蒋思源、吴攀校对:谭佳瑶本文长度为4000字,建议阅读6分钟本文针对算法的选择为你提供一些参考意见。本文主要的目标读者是机器学习爱好者或数据科学的初学者,以及对学习和应用机器学习算法解决实际问题抱有浓厚兴趣的读者。面对大量的机器学习算法,初学者通常会问自己一个典型的问题:「我该使用哪一种算法?」有很多因素会影响这一问题转载 2017-06-03 15:06:15 · 3364 阅读 · 0 评论 -
windows安装XGBoost
本文介绍两种安装方式1.pip方式从网站下载安装包http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpypip install numpy-1.12.1+mkl-cp35-cp35m-win_amd64.whlhttp://www.lfd.uci.edu/~gohlke/pythonlibs/#xgboostpip原创 2017-06-01 16:13:48 · 1040 阅读 · 0 评论 -
Windows安装梯度提升开发库LightGBM
编译LightGBMgit clone https://github.com/Microsoft/LightGBMcd LightGBMmkdir buildcd buildcmake -DCMAKE_GENERATOR_PLATFORM=x64 ..cmake --build . --target ALL_BUILD --config release安装Pyt原创 2017-06-02 14:35:12 · 831 阅读 · 0 评论 -
机器学习之线性回归 (Python SKLearn)
import numpy as npimport pandas as pdimport matplotlib.pyplot as pltfrom matplotlib.font_manager import FontPropertiesfont = FontProperties(fname=r"c:\windows\fonts\msyh.ttc", size=10) #解决中文乱码问题d原创 2017-05-04 15:14:46 · 2755 阅读 · 0 评论 -
机器学习生态全景图3.0
机器学习生态全景图 3.0原文链接http://www.shivonzilis.com/原创 2017-02-27 14:11:44 · 872 阅读 · 0 评论 -
什么是SVM? 写得挺有意思
---什么是SVM?关于什么是SVM这个事情,就要必须要说一说刘强西救爱人的故事:在很久以前的情人节,魔鬼抢走了刘强西的爱人,旅馆老板刘强西便发誓要救他的爱人。来到魔鬼的城堡前,魔鬼和他玩了一个游戏,只要他通过了就放走他的爱人。魔鬼在桌子上似乎有规律放了两种颜色的球,说:“你用一根棍分开它们?要求:即便再放更多球之后,转载 2017-06-24 21:52:24 · 12078 阅读 · 5 评论 -
Python机器学习Numpy, Scipy, Pandas, Scikit-learn, Matplotlib, Keras, NN速查手册
NumpySciPyScikit-LearnPandasKerasMatplotlibNeural Network Zoo图片来源http://www.asimovinstitute.org/neural-network-zoo/http://blog.csdn.net/baihuaxiu123/a原创 2017-06-02 10:57:40 · 3366 阅读 · 0 评论 -
关于机器学习的训练数据、验证数据和测试数据的形象比喻
机器学习最明显的一个特点是需要大量的数据。特别对监督学习来说,就是需要大量的带标签数据(labeled data)。很多入门的朋友很快就会遇见模型训练和测试这两个阶段,进而也就了解到带标签数据是要被划分成两个部分的:训练集 (training set) 与测试集 (test set)。这两个概念也很直观,大部分朋友非常快就能接受。可是到后面,在我们需要为机器学习模型调参的时候,半路转载 2017-06-24 12:49:03 · 8278 阅读 · 2 评论 -
Hinton开源CapsuleNet
当前的深度学习理论是由Geoffrey Hinton大神在2007年确立起来的,但是如今他却认为,“CNN的特征提取层与次抽样层交叉存取,将相同类型的相邻特征检测器的输出汇集到一起”是大有问题的。去年9月,在多伦多接受媒体采访时,Hinton大神断然宣称要放弃反向传播,让整个人工智能从头再造。10月,人们关注已久的Hinton大神那篇Capsule论文"Dynamic Ro原创 2018-02-05 10:06:00 · 1402 阅读 · 0 评论