机器学习
sysylar
这个作者很懒,什么都没留下…
展开
-
机器学习 和 深度学习各自的用武之地
转自这里~~~大概就是,小数据集的环境,传统的机器学习方法还是适用的,而且深度学习也未必能强过机器学习。深度学习是需要大数据集支撑的。其只在特定的领域是很好的解决方案,比如计算机视觉领域。目前还没发展到各个方向都非常有效的地步。例如,医疗领域和生物领域,一份数据的成本是非常高的。转载 2017-02-21 15:00:52 · 539 阅读 · 0 评论 -
机器学习开发者的现代化路径:不需要从统计学微积分开始
转自这里不采取行动:一切都安排好了,然而我却看到很多开发者都没有采取行动。看电视或阅读新闻比在一个迷人的领域里获得一个新而有价值的技能更容易。真是“牵马到河易,强马饮水难”啊。挑选的问题太大:通常,我发现开发者挑选的第一个或第二个数据集太难工作了。问题太大、太复杂或太嘈杂,他们没有准备好去挑战。可怕的是“失败”抹杀了开发者的动机并且放弃这个过程。所以,要挑选那些你能在1小时转载 2017-02-21 15:56:04 · 639 阅读 · 0 评论 -
【odds and ends】均方差和均方误差
均方差:评价一组数据的波动情况。均方误差:评价预测模型与实际样本的吻合程度。原创 2017-12-02 18:12:12 · 632 阅读 · 0 评论 -
【caffe】loss function、cost function和error
在机器学习(暂时限定有监督学习)中,常见的算法大都可以划分为两个部分来理解它一个是它的Hypothesis function,也就是你用一个函数f,来拟合任意一个输入x,让预测值t(t=f(x))来拟合真实值y另一个是它的cost function,也就是你用一个函数E,来表示样本总体的误差。而有时候还会出现loss function,感觉会和cost function转载 2017-12-17 22:14:09 · 816 阅读 · 0 评论 -
机器学习-训练模型的保存与恢复(sklearn)
在做模型训练的时候,尤其是在训练集上做交叉验证,通常想要将模型保存下来,然后放到独立的测试集上测试,下面介绍的是Python中训练模型的保存和再使用。scikit-learn已经有了模型持久化的操作,导入joblib即可from sklearn.externals import joblib1模型保存>>> os.chdir("workspace/model_save")>...转载 2018-05-08 17:22:54 · 719 阅读 · 0 评论