Ritter Liu的专栏

转自https://www.sohu.com/a/166050533_278472分类问题是我们在各个行业的商业业务中遇到的主要问题之一。在本文中，我们将从众多技术中挑选出三种主要技术展开讨论，逻辑回归（Logistic Regression）、决策树（Decision Trees）和支持向量机（Support Vector Machine，SVM）。上面列出的算法都是用来解决分类问题（SVM和DT也被用于回归，但这不在我们的讨论范围之内）。我多次看到有人提问，对于他的问题应该选择哪一种方法。经典的

转载自https://www.cnblogs.com/hhh5460/p/5186226.html#commentform结合Scikit-learn介绍几种常用的特征选择方法作者：Edwin Jarvis特征选择(排序)对于数据科学家、机器学习从业者来说非常重要。好的特征选择能够提升模型的性能，更能帮助我们理解数据的特点、底层结构，这对进一步改善模型、算法都有着重要作用。特征选择主要有两个功能：减少特征数量、降维，使模型泛化能力更强，减少过拟合 增强对特征和特征值之间的.

解决from sklearn.linear_model import RandomizedLassoImportError: cannot import name 'RandomizedLasso'一开始参考https://blog.csdn.net/michaelguangg/article/details/100037543这个blog，装了github上的RandomizedLasso，并在import改用from stability_selection import Randomi.

转自：https://my.oschina.net/u/1779843/blog/889694卡方检验（chi square test）能够是一种假设性检验的方法，它能够检验两个分类变量之间是否是独立无关的。它通过观察实际值和理论值的偏差来确定原假设是否成立，它按照以下步骤来检验两个分类变量是否是独立的。无关性假设 假如，有了一些新闻文章，这些新闻的文章已经标好了类别，所以可以得...

From:http://m.elecfans.com/article/669524.html在机器视觉和其他很多问题上，卷积神经网络取得了当前最好的效果，它的成功促使我们思考一个问题，卷积神经网络为什么会这么有效？在本文中，SIGAI将为大家分析卷积神经网络背后的奥秘。思想起源在各种深度神经网络结构中，卷积神经网络是应用最广泛的一种，它由LeCun在1989年提出[1]。卷积神经网络在...

From https://blog.csdn.net/juronghui/article/details/78612653一般来说，在合理的范围之内，越大的 batch size 使下降方向越准确，震荡越小；batch size 如果过大，则可能会出现局部最优的情况。小的 bath size 引入的随机性更大，难以达到收敛，极少数情况下可能会效果变好。谈谈深度学习中的 Batch_SizeB...

from Here好久没有静下心来写点东西了，最近好像又回到了高中时候的状态，休息不好，无法全心学习，恶性循环，现在终于调整的好一点了，听着纯音乐突然非常伤感，那些曾经快乐的大学时光啊，突然又慢慢的一下子出现在了眼前，不知道我大学的那些小伙伴们现在都怎么样了，考研的刚刚希望他考上，实习的菜头希望他早日脱离苦海，小瑞哥希望他早日出成果，范爷熊健研究生一定要过的开心啊！天哥也哥早日结婚领证！那些回...

转自here在看机器学习的论文时，经常会看到有作者提到“curse of dimensionality”，中文译为“维数灾难”，这到底是一个什么样的“灾难”？本文将通过一个例子来介绍这令人讨厌的“curse of dimensionality”以及它在分类问题中的重要性。　　假设现在有一组照片，每一张照片里有一只猫或者一条狗。我们希望设计一个分类器可以自动地将照片中的动物辨别开来。为了实现...

From here分类任务loss:二分类交叉熵损失sigmoid_cross_entropy：TensorFlow 接口：tf.losses.sigmoid_cross_entropy( multi_class_labels, logits, weights=1.0, label_smoothing=0, scope=None,...

from here 在特征工程之特征选择中，我们讲到了特征选择的一些要点。本篇我们继续讨论特征工程，不过会重点关注于特征表达部分，即如果对某一个特征的具体表现形式做处理。主要包括缺失值处理，特殊的特征处理比如时间和地理位置处理，离散特征的连续化和离散化处理，连续特征的离散化处理几个方面。1. 缺失值处理 特征有缺失值是非常常见的，大部分机器学习模型在...

转自https://blog.csdn.net/cxmscb/article/details/71023576一、CNN的引入在人工的全连接神经网络中，每相邻两层之间的每个神经元之间都是有边相连的。当输入层的特征维度变得很高时，这时全连接网络需要训练的参数就会增大很多，计算速度就会变得很慢，例如一张黑白的的手写数字图片，输入层的神经元就有784个，如下图所示： 若在中间只使用一...

一直想在手机端训练模型，一是能够实现个性化的模型，二是可以避免隐私问题，tensorflow lite和tensorflow mobile只能run model，不能train model.之前尝试使用Deeplearning4J, 但是依赖的lib过多，就没有在手机上使用。前几天发现，tensorflow.js居然支持在浏览器里训练模型了。今天尝试在手机浏览器里run了一下tenso...

转自https://blog.csdn.net/AdamShan/article/details/80493350无人驾驶汽车系统入门（十七）——无人驾驶系统基本框架前面的文章基本上是想写什么写什么，缺乏条理，本节我们完整的梳理一遍无人驾驶系统的基本框架，帮助读者建立对整个系统的完整认识无人驾驶系统的核心可以概述为三个部分：感知（Perception），规划（Planning）和控制（C...

From here机器学习无疑是当前数据分析领域的一个热点内容。很多人在平时的工作中都或多或少会用到机器学习的算法。这里IT经理网为您总结一下常见的机器学习算法，以供您在工作和学习中参考。机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。学习方式

ERROR spark.SparkContext: Error initializing SparkContext.java.net.BindException: Cannot assign requested address: Service 'sparkDriver' failed after 16 retries!spark单机部署问题1.端口不能绑定

http://geek.csdn.net/news/detail/199280本文是无人驾驶技术系列的第12篇，也是最后一篇（文末汇总了无人驾驶系列文章）。本文梳理总结了前面11篇涉及到的技术点，尝试呈现一个宏观的无人驾驶系统架构。另外，简单分析了无人驾驶的产业链现状以及根据笔者自己的经验提出了一些给开发者、创业者，以及投资者的建议。无人驾驶技术总结无人驾驶是一个复杂的

我们这里使用了环境状态作为输入。使用Deep Q-learning做为学习算法学习。环境奖励定义为在单位时刻车辆沿跑道的前进距离。另外，如果车出了跑道或者和其他的车辆相撞，会得到额外惩罚。环境状态包括车辆的速度、加速度、离跑道的左右边缘的距离，以及跑道的切线夹角，在各个方向上最近的车的距离等等。车的行为包括向上换挡、向下换挡、加速、减速、向左打方向盘、向右打方向盘等等。与普通的Deep Q

机器学习、深度学习、计算机视觉、自然语言处理及应用案例——干货分享（持续更新……）author@jason_ql http://blog.csdn.net/lql07161、机器学习/深度学习1.1 对抗生成网络GAN【2017.04.21】对抗生成网络GAN变种大集合 【链接】资源 | 生成对抗网络及其变体的论文汇总 【链接】生成对抗网络(GAN)

详细解释CNN卷积神经网络各层的参数和链接个数的计算卷积神经网络是一个多层的神经网络，每层由多个二维平面组成，而每个平面由多个独立神经元组成。       图：卷积神经网络的概念示范：输入图像通过和三个可训练的滤波器和可加偏置进行卷积，滤波过程如图一，卷积后在C1层产生三个特征映射图，然后特征映射图中每组的四个像素再进行求和，加权值，加偏置，通过一个Sigmoid函

From Here谈谈深度学习中的 Batch_SizeBatch_Size（批尺寸）是机器学习中一个重要参数，涉及诸多矛盾，下面逐一展开。首先，为什么需要有 Batch_Size 这个参数？Batch 的选择，首先决定的是下降的方向。如果数据集比较小，完全可以采用全数据集 （ Full Batch Learning ）的形式，这样做至少有 2 个好处：其一，由全数据集确定

准确率和召回率数据集中 ：          正例 反例你的预测 正例 ：   A       B你的预测 反例 ：   C       D准确率就是A/(A+B) 大白话就是“你的预测有多少是对的”召回率就是A/(A+C) 大白话就是“正例里你的预测覆盖了多少”

将tensorflow训练好的模型移植到android上说明本文将描述如何将一个训练好的模型植入到android设备上，并且在android设备上输入待处理数据，通过模型，获取输出数据。 通过一个例子，讲述整个移植的过程。（demo的源码访问github上了https://github.com/CrystalChen1017/TSFOnAndroid）整体的思路如下： 1.

转自机器之心https://www.jiqizhixin.com/articles/2017-11-16-7本文通过一种简单的 Catch 游戏介绍了深度强化学习的基本原理，并给出了完整的以 Keras 为前端的 TensorFlow 代码实现，是入门深度强化学习的不错选择。GitHub 链接：https://github.com/JannesKlaas/sometimes

1.全连接层的作用是什么？https://www.zhihu.com/question/41037974 作者：胡孟链接：https://www.zhihu.com/question/41037974/answer/150585634来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。在卷积神经网络尚未火热的年代，人们使用haar/lbp + ada...

之前一直是在使用的是tensorflow mobile，来作为模型的运行环境。但是，tensoflow mobile的libtensorflow_inference.so有19MB，load到内存里以后，会占用较多的内存。。。测试看下来，大概占用20M，加上模型占用内存，导致我们的模块，内存占用变大了30MB。内存占用偏高，因此想优化一下。 首先想到的手段是模型裁剪。但是，只有裁剪模型...

转自 飞鸟各投林史上最强----机器学习经典总结---入门必读----心血总结-----回味无穷让我们从机器学习谈起导读：在本篇文章中，将对机器学习做个概要的介绍。本文的目的是能让即便完全不了解机器学习的人也能了解机器学习，并且上手相关的实践。当然，本文也面对一般读者，不会对阅读有相关的前提要求。 在进入正题前，我想读者心中可能会有一个疑惑：机器