sherri_du的博客

谷歌已经使用Deep Learning技术开发了许多新方法来解析语言，目前，谷歌开源了一款基于Deep Learning的学习工具——word2vec，这是首款面向大众的Deep Learning学习工具。word2vec（word to vector）顾名思义，这是一个将单词转换成向量形式的工具。通过转换，可以把对文本内容的处理简化为向量空间中的向量运算，计算出向量空间上的相似度，来表示

版权声明：本文为博主原创文章，未经博主允许不得转载，同时非常感谢提供本文中所引用资料的研究者，谢谢 ^_^ https://blog.csdn.net/u011414200/article/details/50664266通常情况下，在不均衡学习应用中使用抽样方法的目的就是为了通过一些机制改善不均衡数据集，以期获得一个均衡的数据分布。研究表明，对于一些基分类器来说，与不均衡的数据集相比一个...

http://blog.csdn.net/kevin7658/article/details/507803911.IV的用途IV的全称是Information Value，中文意思是信息价值，或者信息量。我们在用逻辑回归、决策树等模型方法构建分类模型时，经常需要对自变量进行筛选。比如我们有200个候选自变量，通常情况下，不会直接把200个变量直接放到模型中去进行拟合训练，而

机器学习系列(12)_XGBoost参数调优完全指南（附Python代码）原文链接：http://blog.csdn.net/han_xiaoyang/article/details/52665396原创 2016年09月25日 23:35:50标签：xgboost/GBDT/参数调整/机器学习/分类问题原文地址：Co

机器学习系列(11)_Python中Gradient Boosting Machine(GBM）调参方法详解原文链接：http://blog.csdn.net/han_xiaoyang/article/details/52663170原创 2016年09月25日 17:33:34标签：python/增强树/GBM/机器学习/调参

『应用机器学习的建议』的学习笔记原文链接http://blog.jobbole.com/85680/2015/04/12 · IT技术 · 机器学习 分享到：45本文由 伯乐在线 - mathshelly 翻译，toolate 校稿。未经许可，禁止转载！英文出处：jmetzen.github.io。欢迎加入翻译组。这篇文章是以Bremen

Logistic Regression分类器http://www.cnblogs.com/guyj/p/3800519.html1. 两类Logistic回归Logistic回归是一种非常高效的分类器。它不仅可以预测样本的类别，还可以计算出分类的概率信息。不妨设有n个训练样本{x1,...,xn}，xi是d维向量，其类别标签是{y1,...,yn}。对于一个c类问题

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/buracag_mc/article/details/74905483 前言 ################################################################### 本文是我在实习期间老大要求出的，故整理发布到博客上，欢迎大家拍砖 ！...