![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
传统机器学习
文章平均质量分 76
Nelocage
这个作者很懒,什么都没留下…
展开
-
一些学习资料的总结
、> 机器学习(Machine Learning)&深度学习(Deep Learning)资料機器學習、深度學習方面不錯的資料,轉載。原作:https://github.com/ty4z2008/Qix/blob/master/dl.md原作作者會不斷更新,本文更新至2014-12-21《Brief History of Machine Learning》介绍:这是一篇介绍机器学习历史的文章,介转载 2017-07-06 10:08:04 · 771 阅读 · 0 评论 -
福利
搬运知乎上一些好的学习资源,除了看博客,还必须要看教材和论文哦,推荐DL,PRML和NIPS的论文,本小白也在一点点看,加油!arxiv.org. (订阅号,主要推送论文)https://simons.berkeley.edu/workshops(Berkeley Simons Institute上的讲座)http://www.gitxiv.com/(paper+code的网站,以订阅,每天推送原创 2017-07-15 23:50:19 · 1079 阅读 · 0 评论 -
机器学习资源
本文来源:AI科技大本营(rgznai100) 参考 - https://zhuanlan.zhihu.com/p/23080129 从全局到枝干、从经典到前沿、从理论到应用、还有最新的研究…,所有你不需要的需要的,现在不需要的未来需要的,你不需要的周边小伙伴需要的…反正全都在这了。对于大多数想上手深度学习的小伙伴来说,“我应当从那篇论文开始读起?”这是一个亘古不变的话题。而对那些已经入门的转载 2017-07-08 10:09:17 · 554 阅读 · 0 评论 -
特征工程(转自拾毅者 的专栏)
关于特征工程(Feature Engineering),已经是很古老很常见的话题了,坊间常说:“数据和特征决定了机器学习的上限,而模型和算法只是逼近这个上限而已”。由此可见,特征工程在机器学习中占有相当重要的地位。在实际应用当中,可以说特征工程是机器学习成功的关键。纵观Kaggle、KDD等国内外大大小小的比赛,每个竞赛的冠军其实并没有用到很高深的算法,大多数都是在特征工程这个环节做出了出色的工作,转载 2017-08-25 06:57:36 · 448 阅读 · 0 评论