ScorpC的博客

via learning Coursera : machine learning to learn use the octave 用什么学什么 octave学习： 1.基本数值计算 基本的数学运算同正常元算操作一样； 注释：% 2.基本逻辑运算： == 等于 ~= 不等于 && 逻辑与 || 逻辑或 xor(,) 异或 3.简化octave命令： PS1 4.o

任何参与过机器学习比赛的人，都能深深体会特征工程在构建机器学习模型中的重要性，它决定了你在比赛排行榜中的位置。 特征工程具有强大的潜力，但是手动操作是个缓慢且艰巨的过程。Prateek Joshi，是一名数据科学家，花了不少时间研究多种特征，并从不同角度分析其可行性。 现在，整个特征工程过程可实现自动化，他将通过这篇文章进行详细介绍。 下面会使用Python特征工程库Featuretoo...

【模型压缩】概念：  模型压缩是在计算资源有限、能耗预算紧张的移动设备上有效部署神经网络模型的关键技术。 在许多机器学习应用，例如机器人、自动驾驶和广告排名等，深度神经网络经常受到延迟、电力和模型大小预算的限制。已经有许多研究提出通过压缩模型来提高神经网络的硬件效率。 模型压缩是在计算资源有限、能耗预算紧张的移动设备上有效部署神经网络模型的关键技术。 在许多机器学习应用，例如机器人、自动驾驶...

参考：简书-刘敬：https://www.jianshu.com/p/0837b7c6ce10，感谢 一. 功能不同 Scikit-learn(sklearn)的定位是通用机器学习库 TensorFlow(tf)的定位主要是深度学习库。 一个显而易见的不同：tf并未提供sklearn那种强大的特征工程，如维度压缩、特征选择等。究其根本，我认为是因为机器学习模型的两种不同的处理数据的方式： ...

信息学中认为，一个事件所包含的信息量可以用熵来描述，熵在形式上与每个取值的概率有关，等于该概率对2取对数，再乘以该概率，再对所有取值求和，最后加一个符号。熵在数值上等于描述这一事件所需要的比特位，也就是我们想要用它来描述的信息量。我们都知道，对于一个有两个相等概率结果的事件，如抛硬币，熵是1，描述这一事件需要一个比特位，trueorfalse。 同时，根据公式表明，各个取值的概率越平均，熵就越...