机器学习的感悟

最新推荐文章于 2022-04-01 18:07:44 发布
最新推荐文章于 2022-04-01 18:07:44 发布
阅读量385 收藏
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_40990732/article/details/82726211
版权

公司项目要用机器学习算法，很好的学习机器学习的机会。。。——20180911

到目前为止，机器学习项目已经结束，项目效果还可以，实验局发现了一些用户行为的异常，也得到了 ，但公司不主推该产品了，说是要聚焦主航道，搞什么isoc，毛线，搞了一年的东西说扔就扔了，真是有点扯。
搞机器学习的 一年多时间真的 学习到了很多东西，从解 bug到算法调优，到带领团队发布 版本，好多个第一次，过程中成长了很多，学到了很多。感谢我 的同事对我工作的 支持 ，以此文纪念一下吧 。
——20190711

代码人的自白
关注
学习机器学习总体感受
小晖的博客
11-27 7364
      时间过得很快，转眼间就要到了准备毕业论文的时候了。研究生的毕业论文不能像本科一样简单的发现规律，将规律表达出来便可。研究生的论文更像是一种通过发现现实问题，进行深入研究后，再将现象提炼出来进行规律总结最后对问题提出更为科学的解决方案。重点在这个提炼与应用的过程，也是很痛苦的一个过程。需要查看大量的文献，了解国际最新研究动态。运用很多较为先进的方法进行操作。特别是瞻仰过几篇师兄的毕业论文...
机器学习的一些感悟（一）
meihao5的博客
03-10 7911
          自己研究方向的社交网络，会用到一些机器学习的方法，本身自己也很感兴趣，从去年开始就开始了学习，学习经历和相关资料，代码见GitHub主页：https://github.com/lovesoft5/ml         学习机器学习大半年了，下面是自己整理的一些心得笔记         机器学习广泛应用于计算机视觉，自然语言处理，信息检索，推荐等领域，因为涉及面太广，现在并没有一...
机器学习感悟1
提拉米苏的博客
05-16 807
机器学习是什么？这对于刚开始进行机器学习的我来说还是一个巨大的挑战。    机器学习是将是关于学习算法的设计分析和每个学科领域的应用，即算法+数据。提高生活中各方面的工作效率，甚至可以降低工作的失误，可以看出在未来的应用前景还是比较宽阔的。互联网搜索、生物特征识别、汽车自动驾驶、火星机器人等等。    机器学习经过了三个阶段，分别是推理期，知识期和学习期。推理期主要是说的逻辑推理，让机器有
关于机器学习的一些感想
微电子学与固体电子学-俞驰
01-01 770
1.各种竞赛啥问题? 首先各种竞赛是公司里面没有合理方案下的一个产物, 用尽可能少的成本来获取最优方案. 但是冠军方案一定是最优方案吗? 显然不是, 因为各种比赛切断了"人与人沟通"的因素, 显然对业务的理解程度更有利于你的建模, 而所谓的数据比赛禁止了这种可能性. 另外,特征应该是数据建模人员来决定,而不是比赛举办方来决定给多少,这个也削弱了合理建模的可能性. 2.决策树类的算法有啥问题? 诸如...
对机器学习的初步感悟 1
略略略的博客
05-16 885
在这里首先感谢昨天晚上刘老师发给我们几篇关于机器学习的文章，对于我们这种菜鸟退役型选手刘老师还时刻关心着我们， 心里很暖有木有！！！于是今天也是趁着没课的时间读了一读，趁热打铁把自己的感想记录一下，以便纪念机器学习的生活正式开始吧~~~ 嘿嘿        首先理清对机器学习的概念吧，其实机器学习的形态就是 “算法+数据”，从广义上来说，机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无
我的机器学习的一些感悟(一)
woxuxueyang的博客
08-31 656
近来，刚开始接触机器学习，目前主要是看从"麦子学院"上彭亮的视频 进行入门的学习。 机器学习是一个名副其实的交叉学科，设计到初高中乃至我大学学到的数学知识，幸亏我大学学的是数学(数学系)，所以对其中所提及的一些概念多少还是有些印象的，不过也差不多都还给老师了。 学习机器学习最重要的一点是坚持，不要放弃；对于一些数学原理如果听不太懂就要重复多听并且结合我大百度去学习，最好能和其他人一起学习，一起
python机器学习感悟
最新发布
06-03
在学习Python机器学习的过程中，我有以下几点感悟： 首先，Python机器学习非常实用。Python是一门非常流行的编程语言，因此Python机器学习工具包也非常丰富，例如Scikit-learn、Tensorflow和PyTorch等等。这些工具...
吴恩达机器学习个人笔记
07-05
【吴恩达机器学习个人笔记】是一份详细记录了吴恩达教授在机器学习课程中的讲解内容、PPT展示及公式的整理笔记。吴恩达，这位世界知名的计算机科学家和人工智能专家，以其深入浅出的教学风格深受全球学子喜爱。这份...
Coursera机器学习笔记
12-31
转载网络上的资源，匿名网友翻译的外国网友整理出来的Coursera公开课上Stanford University斯坦福大学教授Andrew Ng开设的Machine Learning机器学习这门课的学习笔记，非常详细和具有参考价值！
机器学习感悟2
提拉米苏的博客
05-17 499
在读了“从机器学习谈起”之后，对机器学习的认识又进了一步，之前对机器学习的认识是算法加数据，而现在对机器学习的认识是更广泛的，机器学习是通过算法对数据进行分析和处理得出重要的经验，在之后的一些应用中机器给出相对正确或合适的答案。    机器学习离不开大数据，数据对于机器来说相当于什么呢？举个例子，给朋友买礼物，问题来了，买什么好呢？这个时候我们还是发动自己的大脑，比如想起朋友之前一直唠叨的一件饰
个人关于吴恩达机器学习的总结
08-20
暑假自学了吴恩达的机器学习，里面包含吴恩达的监督学习的分类问题和回归问题，之后还会继续更新
机器学习感悟
lzhuai的博客
06-10 3582
一个完整的机器学习项目大体有如下步骤（kaggle比赛流程也大体如下）： 首先、将所要解决的问题抽象成机器学习的问题（类似数学建模），目标问题到底是一个什么问题，分类，回归还是聚类问题，要达到的目标是什么，对准确率的要求等。 其次、明确该项目可以获取哪些数据，大概有多少样本，多少个特征，训练的时候内存占用量，需不需要用分布式， 接着、考虑对特征数据...
机器学习心得
TH_NUM的博客
04-17 394
神经网络为什么具有对非线性关系进行建模的能力？ 1.每个神经元会先应用一个非线性激活函数。正是由于这个激活函数，神经网络具有对非线性关系进行建模的能力 持续更新中….. ...
机器学习感悟1--机器学习简要概括
jmbigsea的博客
03-28 672
机器学习的分类以及每种分类处理的问题： 1监督学习的定义与其处理的问题 输入数据要求有自变量和因变量，加入模型训练需要用到数据中的因变量（结果），那么可以说这个是监督学习，这可能是个比较粗浅的定义，但是还是合适的。那么监督学习能处理哪些问题呢？例如回归问题、分类问题 2非监督学习的定义与其处理的问题 输入数据并不存在因变量（结果），只有特征，需要从数据中依据数据的某些特征的相似性来
关于机器学习的一些感悟
ltt19900822的专栏
11-26 624
1）通过机器的学习、大规模数据库、复杂的传感器和巧妙的算法，来完成分散的任务”是人工智能的最新定义
机器学习开发框架总结
lxlong的博客
10-28 282
总结目前主流的机器学习开发框架 M:Mac W:window L:Linux 名称 面向语言 支持平台 Tensorflow python,C++ M/W/L Scikit-lean python M/W/L Caffe C++,python,Matlab M/W/L MXNet python,R,Julia M/W/L Keras python M/W/L Theano python M/W/L torch C,lua W/L CNTK C++,C#,pyth
台大《机器学习基石》课程感受和总结---Part 1(转)
weixin_30772261的博客
07-16 86
期末终于过去了，看看别人的总结：http://blog.sina.com.cn/s/blog_641289eb0101dynu.html 接触机器学习也有几年了，不过仍然只是个菜鸟，当初接触的时候英文不好，听不懂课，什么东西都一知半解。断断续续的自学了一些公开课和书以后，开始逐渐理解一些概念。据说，心得要写下来才记得住。据说，心得要与人分享。这里是自己一点非常粗浅的感想或者遇到的问题，不一定对，...
机器学习心得（一）
qq_43583123的博客
04-01 4075
提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档 文章目录前言一、线性回归的概念二、线性回归中常用的符号三、线性回归的算法流程四、线性回归的最小二乘法(LSM)总结 前言 深度学习的小总结（一） 一、线性回归的概念 线性回归（Linear Regression）：是一种通过属性的线性组合来进行预测的线性模型，其目的是找到一条直线或者一个平面或者更高维的超平面，使得预测值与真实值之间的误差最小化。如下图所示，在一堆看似毫无规则的数据中去找到一条直线来拟合（表示）这些数据的规律。 二、.
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值