![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
ML机器学习
文章平均质量分 58
liugallup
学生
展开
-
机器学习-k近邻算法
1、优点:精度高、对异常值不敏感、无数据输入假定 缺点:计算复杂度高、空间复杂度高 适用范围:数值型和标称型 工作原理:存在一个样本数据集合,也称为训练样本集,并且样本集中每个数据都有标签,即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后,将新数据的每个特征与样本集中数据对应的特征进行选择,然后算法提取样本集中特征最相似数据(最近邻)原创 2015-09-24 23:57:49 · 487 阅读 · 0 评论 -
Stanford机器学习---第三讲. 逻辑回归和过拟合问题的解决
第三讲-------Logistic Regression & Regularization本讲内容:Logistic Regression=========================(一)、Classification(二)、Hypothesis Representation(三)、Decision Boundary(四)原创 2016-03-08 21:30:44 · 985 阅读 · 0 评论 -
Stanford机器学习---第四讲. 神经网络的表示
见http://blog.csdn.net/abcjennifer/article/details/7749309第四讲——Neural Networks 神经网络的表示===============================(一)、为什么引入神经网络?——Nonlinear hypothesis(二)、神经元与大脑(Neurons and Brain)(原创 2016-03-11 14:51:23 · 634 阅读 · 0 评论 -
美团推荐算法实践
前言推荐系统并不是新鲜的事物,在很久之前就存在,但是推荐系统真正进入人们的视野,并且作为一个重要的模块存在于各个互联网公司,还是近几年的事情。随着互联网的深入发展,越来越多的信息在互联网上传播,产生了严重的信息过载。如果不采用一定的手段,用户很难从如此多的信息流中找到对自己有价值的信息。解决信息过载有几种手段:一种是搜索,当用户有了明确的信息需求意图后,将意图转换为几个简短转载 2016-04-06 22:34:19 · 2144 阅读 · 0 评论 -
深入FFM原理与实践
原文见http://tech.meituan.com/deep-understanding-of-ffm-principles-and-practices.htmlFM和FFM模型是最近几年提出的模型,凭借其在数据量比较大并且特征稀疏的情况下,仍然能够得到优秀的性能和效果的特性,屡次在各大公司举办的CTR预估比赛中获得不错的战绩。美团点评技术团队在搭建DSP的过程中,探索并使用了F转载 2016-04-07 08:49:35 · 1169 阅读 · 0 评论 -
Logistic Regression 模型简介
http://tech.meituan.com/intro_to_logistic_regression.html逻辑回归(Logistic Regression)是机器学习中的一种分类模型,由于算法的简单和高效,在实际中应用非常广泛。本文作为美团机器学习InAction系列中的一篇,主要关注逻辑回归算法的数学模型和参数求解方法,最后也会简单讨论下逻辑回归和贝叶斯分类的关系,以及在多分转载 2016-04-07 08:51:54 · 1033 阅读 · 0 评论 -
机器学习中的数据清洗与特征处理综述
http://tech.meituan.com/machinelearning-data-feature-process.html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转载 2016-04-07 09:03:18 · 447 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 2016-04-07 09:05:45 · 2511 阅读 · 0 评论 -
实例详解机器学习如何解决问题
原文http://tech.meituan.com/mt-mlinaction-how-to-ml.html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转载 2016-04-06 22:33:28 · 442 阅读 · 0 评论 -
Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning
原文见http://blog.csdn.net/abcjennifer/article/details/7758797,添加了一些自己的理解本栏目(Machine learning)包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM(Support Vector M原创 2016-03-26 10:25:09 · 1359 阅读 · 0 评论 -
Stanford机器学习---第六讲. 怎样选择机器学习方法、系统
原文见http://blog.csdn.net/abcjennifer/article/details/7797502 添加了一些自己的注释和笔记本栏目(Machine learning)包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM(Support Vect原创 2016-03-26 15:24:33 · 1341 阅读 · 0 评论 -
Stanford机器学习---第七讲. 机器学习系统设计
本文原始版本见http://blog.csdn.net/abcjennifer/article/details/7834256本栏目(Machine learning)包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM(Support Vector Machines原创 2016-03-27 20:36:18 · 1056 阅读 · 0 评论 -
Stanford机器学习---第九讲. 聚类
本栏目(Machine learning)包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM(Support Vector Machines 支持向量机)、聚类、降维、异常检测、大规模机器学习等章节。内容大多来自Standford公开课machine learning中原创 2016-03-27 20:42:41 · 1144 阅读 · 0 评论 -
Stanford机器学习---第十讲. 数据降维
本文原始地址见http://blog.csdn.net/abcjennifer/article/details/8002329,在此添加了一些自己的注释方便理解本栏目(Machine learning)包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM(Suppor原创 2016-03-27 20:44:08 · 1729 阅读 · 0 评论 -
Stanford机器学习---第八讲. 支持向量机SVM
本文原始文章见http://blog.csdn.net/abcjennifer/article/details/7849812,本文添加了一些自己的理解本栏目(Machine learning)包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM(Support Ve原创 2016-03-27 20:41:41 · 1710 阅读 · 0 评论 -
Classification-对评价分类
1、加载数据原创 2016-04-13 17:08:17 · 1043 阅读 · 0 评论 -
Regression的 应用-预测房价
概要:一、Jupyter的使用二、一、使用jupyter1、启动ipython notebook导入graphlabimport graphlab as gl加载数据sf=gl.SFrame('home_data.gl')显示sf.show()sf.show(view="Scatter Plot",x="sqft_living",y="price")原创 2016-04-04 10:48:00 · 1043 阅读 · 0 评论 -
九、机器学习系统设计笔记之分类III:音乐体裁分类
1、路线图概述2、获取音乐数据3、观察音乐4、用FFT构建第一个分类器5、用梅尔倒谱系数提升分类效果原创 2015-10-11 11:11:24 · 1605 阅读 · 0 评论 -
二、机器学习系统设计笔记之对真实样本分类
1、Iris数据集2、构建更复杂的分类器3、更复杂的数据集和更复杂的分类器4、二分类和多分类原创 2015-10-11 10:51:32 · 600 阅读 · 0 评论 -
十、机器学习系统设计笔记之计算机视觉
1、路线图2、选择特征3、其他特征选择方法4、特征抽取5、多维标度法原创 2015-10-11 11:13:06 · 508 阅读 · 0 评论 -
十一、机器学习系统设计笔记之对分类
1、路线图2、选择特征3、其他特征选择方法4、特征抽取5、多维标度法原创 2015-10-11 11:15:58 · 407 阅读 · 0 评论 -
十二、机器学习系统设计笔记之大数据
1、了解大数据2、用Jug程序包把你的处理流程分解成几个任务3、使用亚马逊AWS原创 2015-10-11 11:18:19 · 644 阅读 · 0 评论 -
五、机器学习系统设计笔记之分类:劣质答案检测
1、路线图概述2、学习如何区分优秀答案3、获取数据4、创建第一个分类器5、决定怎样提升效果6、采用逻辑回归7、观察正确率的背后8、为分类器瘦身9、出货原创 2015-10-11 11:00:33 · 667 阅读 · 0 评论 -
四、机器学习系统设计笔记之主体模型
1、潜在狄利克雷分配(LDA)2、在主题空间比较相似度3、选择主题个数原创 2015-10-11 10:55:58 · 424 阅读 · 0 评论 -
一、机器学习系统设计笔记之python机器学习入门
一,学习Numpy 因为numpy.array会遮挡python自带的数组模块,应该使用以下方式: >>> numpy.version.full_version'1.9.3'>>> import numpy as np>>> a = np.array([0,1,2,3,4,5])>>> aarray([0, 1, 2, 3, 4, 5])>>> a.ndi原创 2015-10-10 11:24:25 · 1423 阅读 · 0 评论 -
ubuntu 14.04 安装opencv3 过程以及遇到的问题
1st step: Install the DependenciesTo install the dependencies required from OpenCV, just run the following commands:sudo apt-get -y install libopencv-dev build-essential cmake git libgtk2.0-dev pkg-co原创 2015-12-16 12:11:35 · 6034 阅读 · 0 评论 -
人脸情感识别相关的资料
http://cs229.stanford.edu/proj2014/Jithin%20Thomas,%20Bhrugurajsinh%20Chudasama,%20Chinmay%20Duvedi,%20Learning%20Facial%20Expressions%20From%20an%20Image.pdf原创 2016-01-22 16:34:05 · 1720 阅读 · 0 评论 -
三、机器学习系统设计笔记之聚类
1、评估帖子的关联性2、预处理:用相近的公共词语个数来衡量相似性3、聚类4、解决最初的难题5、调整参数原创 2015-10-11 10:54:18 · 702 阅读 · 0 评论 -
六、机器学习系统设计笔记之分类II情感分析
1、路线图概述2、获取推特数据3、朴素贝叶斯分类器介绍4、创建第一个分类器并调优5、清洗推文6、将词语类型考虑进去原创 2015-10-11 11:05:57 · 1201 阅读 · 0 评论 -
七、机器学习系统设计笔记之对回归推荐
1、用回归预测房价2、惩罚式回归3、P大于N的情形原创 2015-10-11 11:07:40 · 623 阅读 · 0 评论 -
八、机器学习系统设计笔记之对回归:改进的推荐
1、改进的推荐2、购物篮分析原创 2015-10-11 11:08:53 · 449 阅读 · 0 评论 -
HMM原理介绍 示例 python代码实现
下面使用李航博士书上的例子说明:原创 2016-05-27 18:51:12 · 4922 阅读 · 1 评论