机器学习
文章平均质量分 81
RoQuant
一个量化投资爱好者
展开
-
In-depth introduction to machine learning in 15 hours of expert videos
In January 2014, Stanford University professors Trevor Hastie and Rob Tibshirani (authors of the legendary Elements of Statistical Learning textbook) taught an online course based on their newest转载 2014-12-24 22:40:59 · 5295 阅读 · 0 评论 -
特征选择, 经典三刀
特约作者:史春奇数据应用学院特征选择(Feature Selection,FS)和特征抽取(Feature Extraction, FE)是特征工程(Feature Engineering)的两个重要的方面。 ?他们之间最大的区别就是是否生成新的属性。 ?FS仅仅对特征进行排序(Ranking)和选择, FE更为复杂,需要重新认识事物, 挖掘新的角度, 创新性的创立新的属性, 而目转载 2016-12-02 10:25:21 · 3426 阅读 · 0 评论 -
人工智能在深度学习领域的前世今生
http://www.leiphone.com/news/201608/Rlq2Vq5v8peap07S.html这两年人工智能热闹非凡,不仅科技巨头发力AI取得技术与产品的突破,还有众多初创企业获得风险资本的青睐,几乎每周都可以看到相关领域初创公司获得投资的报道,而最近的一次春雷毫无疑问是Google旗下Deepmind开发的人工智能AlphaGo与南韩李世石的围棋之战,Ai转载 2017-01-09 10:50:31 · 1194 阅读 · 0 评论 -
Random Forest Classification of Mushrooms
There is a plethora of classification algorithms available to people who have a bit of coding experience and a set of data. A common machine learning method is the random forest, which is a good place转载 2017-01-15 15:21:32 · 669 阅读 · 0 评论 -
A Brief Tour of the Trees and Forests
Tree methods such as CART (classification and regression trees) can be used as alternatives to logistic regression. It is a way that can be used to show the probability of being in any hierarchical gr转载 2017-01-15 17:11:55 · 512 阅读 · 0 评论 -
A Complete Tutorial on Tree Based Modeling from Scratch (in R & Python)
IntroductionTree based learning algorithms are considered to be one of the best and mostly used supervised learning methods. Tree based methods empower predictive models with high accuracy, stabil转载 2017-01-15 17:24:13 · 907 阅读 · 0 评论 -
关于机器学习的领悟与反思——北大张志华
选文摘自:北京大数据研究院BIBDR / 北京大学北京北张志华——北京大学数学学院教授,北京大数据研究院高级研究员。曾在浙江大学和上海交通大学计算机系任教。主要从事机器学习与应用统计等领域的教学与科研工作。 近年来,人工智能的强势崛起,特别是去年AlphaGo和韩国九段棋手李世石的人机大战,让我们深刻地领略到了人工智能技术的巨大潜力。数据是载体,智能是目标,而机器学习是从数据通往智转载 2017-01-12 16:19:51 · 2156 阅读 · 0 评论 -
最值得看的十大机器学习公开课
在当下的机器学习热潮,人才匮乏十分显著。截至目前,国内开设人工智能(AI)专业的高校不多,相当多的开发者是跨界入门,需要自学大量知识并摸索。因而优质的学习资源至关重要。因此,雷锋网搜集了全世界范围内最受欢迎的机器学习课程,整理成这份“机器学习十大入门公开课”盘点,集中呈现给各位。这份推荐榜颇费心血,综合考虑了难易、侧重点、时效性等诸多因素,希望能帮助大家找到最适合自己的学习资源。 这些课转载 2017-05-20 15:22:34 · 3203 阅读 · 0 评论 -
对话机器学习大神Michael Jordan:简介
Michael I. Jordan 是加州大学伯克利分校电子工程系、计算机科学和统计系的陈丕宏杰出教授。他在亚利桑那州立大学获得了数学硕士学位,并且在1985年从加利福尼亚大学圣地亚哥分校获得了认知学博士学位。自1988年到1998年,乔丹在麻省理工学院任教授,他的研究方向包括了计算学、统计学、认知科学以及生物科学,最近几年集中在贝叶斯非参数分析,概率图模型,谱方法,核方法和在分布式计算系统、自然转载 2017-08-08 22:22:59 · 757 阅读 · 0 评论 -
机器学习&深度学习资料(一)
原文地址:https://github.com/ty4z2008/Qix/blob/master/dl.md《Brief History of Machine Learning》介绍:这是一篇介绍机器学习历史的文章,介绍很全面,从感知机、神经网络、决策树、SVM、Adaboost到随机森林、Deep Learning.《Deep Lear转载 2016-08-28 22:36:35 · 869 阅读 · 0 评论 -
The real prerequisite for machine learning isn’t math, it’s data analysis
When beginners get started with machine learning, the inevitable question is “what are the prerequisites? What do I need to know to get started?”And once they start researching, beginners freque转载 2016-05-17 10:51:13 · 839 阅读 · 0 评论 -
整理:深度学习 vs 机器学习 vs 模式识别
本文来自CMU的博士,MIT的博士后,vision.ai的联合创始人Tomasz Malisiewicz的个人博客文章,阅读本文,你可以更好的理解计算机视觉是怎么一回事,同时对机器学习是如何随着时间缓慢发展的也有个直观的认识。以下为正文:本文我们来关注下三个非常相关的概念(深度学习、机器学习和模式识别),以及他们与2015年最热门的科技主题(机器人和人工智能)的联系。图1 人工智能转载 2015-04-01 10:44:38 · 856 阅读 · 0 评论 -
25个Java机器学习工具&库
本列表总结了25个Java机器学习工具&库:1. Weka集成了数据挖掘工作的机器学习算法。这些算法可以直接应用于一个数据集上或者你可以自己编写代码来调用。Weka包括一系列的工具,如数据预处理、分类、回归、聚类、关联规则以及可视化。2.Massive Online Analysis(MOA)是一个面向数据流挖掘的流行开源框架,有着非常活跃的成长社区。它包括一系列的机器学习转载 2015-12-29 17:40:42 · 524 阅读 · 0 评论 -
R: 学习Gradient Boosting算法,提高预测模型准确率
引言预测模型的准确率可以用2种方法来提高:要么进行特征设计,要么直接使用boosting算法。参加过许多数据科学大赛后,我发现许多人喜欢用boosting算法,因为它只需更少的时间就能产生相似的结果。目前有许多boosting算法,如Gradient Boosting、 XGBoost,、AdaBoost和Gentle Boost等等。每个算法都有自己基本的数学原理并且在使用它们时转载 2015-12-29 17:47:40 · 4244 阅读 · 0 评论 -
推荐!国外程序员整理的机器学习资源大全
英文原文:awesome-machine-learning 本文汇编了一些机器学习领域的框架、库以及软件(按编程语言排序)。 C++ 计算机视觉CCV —基于C语言/提供缓存/核心的机器视觉库,新颖的机器视觉库OpenCV—它提供C++, C, Python, Java 以及 MATLAB 接口,并支持 Windows, Linux, Android an转载 2015-12-23 09:26:57 · 683 阅读 · 0 评论 -
机器学习中的范数规则化
机器学习中的范数规则化之(一)L0、L1与L2范数http://blog.csdn.net/zouxy09/article/details/24971995/机器学习中的范数规则化之(二)核范数与规则项参数选择http://blog.csdn.net/zouxy09/article/details/24972869转载 2016-03-30 11:03:15 · 399 阅读 · 0 评论 -
李航博士:浅谈我对机器学习的理解
原文 http://www.36dsj.com/archives/21024李航博士,华为技术有限公司 诺亚方舟实验室 首席科学家算算时间,从开始到现在,做机器学习算法也将近八个月了。虽然还没有达到融会贯通的地步,但至少在熟悉了算法的流程后,我在算法的选择和创造能力上有了不 小的提升。实话说,机器学习很难,非常难,要做到完全了解算法的流程、特点、实现方法,并在转载 2016-02-25 14:40:28 · 1001 阅读 · 0 评论 -
The one machine learning concept you need to know
Machine learning is hard.Some people spend weeks, months, even years trying to learn machine learning without any success. They play around with datasets, buy books, compete on Kaggle, but ultimat转载 2016-04-27 10:07:44 · 1506 阅读 · 0 评论 -
What’s the difference between machine learning, statistics, and data mining?
Over the last few blog posts, I’ve discussed some of the basics of what machine learning is and why it’s important:– Why machine learning will reshape software engineering– What is the core task转载 2016-05-10 15:07:48 · 1392 阅读 · 0 评论