机器学习
yinghe_one
旨在发现全球技术深度好文,拒绝热点浮躁浅文,对于外文,受限于鄙人英语水平和效率,都采用AI机器翻译,如果觉得翻译不好,可以直接看原文。
展开
-
深入浅出学习决策树(一)
文章大纲介绍 决策树如何构建决策树 树木构建算法 分类问题中裂缝的其他质量标准 决策树如何与数字特征一起工作 关键树参数 类DecisionTreeClassifier在Scikit学习 回归问题中的决策树3.最近邻法真实应用中最近邻方法 类KNeighborsClassifier在Scikit学习4.选择模型参数和交叉验证5.应用实例和复杂案例客户流失预测任...翻译 2019-03-14 23:40:45 · 1373 阅读 · 0 评论 -
使用Gensim实现Word2Vec和FastText词嵌入
在自然语言处理(NLP)中,我们经常将词映射到包含数值的向量中,以便机器可以理解它。词嵌入是一种映射,允许具有相似含义的单词具有相似的表示。本文将介绍两种最先进的词嵌入方法,Word2Vec和FastText以及它们在Gensim中的实现。传统方法表示单词的传统方式是单热(one-hot)向量,其本质上是仅具有一个元素为1且其他为0的向量。向量的长度等于语料库中的总唯一词汇(去重后)的大小。通...翻译 2019-03-20 19:33:16 · 3541 阅读 · 1 评论 -
深入浅出学习决策树(二)
接着上篇文章深入浅出学习决策树(一)继续介绍决策树相关内容。回归问题中的决策树在预测数值变量时,构造树的想法保持不变,但质量标准会发生变化。其中n是叶子中的样本数,Yi是目标变量的值。简单地说,通过最小化均值周围的方差,我们寻找以这样的方式划分训练集的特征,即每个叶子中的目标特征的值大致相等。例让我们生成一些由函数分配并带有一些噪音的数据。然后我们将在其上训练一...翻译 2019-03-18 22:58:35 · 1212 阅读 · 0 评论 -
你究竟能用Python做什么?
中英文模式阅读中文模式阅读英文模式阅读What exactly can you do with Python? Here are Python's 3 main applications.你究竟能用Python做什么?这是Python的3个主要应用。If you're thinking of learning Python --- or if you recently s...翻译 2019-04-04 18:17:37 · 2039 阅读 · 1 评论 -
关于自学机器学习的思考?提醒自己这6件事
我们在澳大利亚举办了一个机器人会议,现在是提问时间。有人问了一个问题。“我如何从不同的背景进入人工智能和机器学习?”尼克转身叫了我的名字。“丹·伯克在哪里?”我在后台与Alex交谈。我走了过来。“他在这里,”尼克继续道,“丹是保健科学背景,他研究营养学,然后驾驶Uber,在网上学习机器学习,现在已经是Max Kelsen一年的机器学习工程师。”尼克是Brisbane科技公司Max Ke...翻译 2019-03-27 20:28:05 · 913 阅读 · 0 评论 -
使用Gensim进行主题建模(一)
主题建模是一种从大量文本中提取隐藏主题的技术。LatentDirichletAllocation(LDA)是一种流行的主题建模算法,在Python的Gensim包中具有出色的实现。然而,挑战在于如何提取清晰,隔离和有意义的高质量主题。这在很大程度上取决于文本预处理的质量以及找到最佳主题数量的策略。本教程试图解决这两个问题。内容1.简介2.先决条件 - 下载nltk停用词和spacy模...翻译 2019-04-11 23:55:18 · 3480 阅读 · 2 评论 -
使用Gensim进行主题建模(二)
使用Gensim进行主题建模(二)在上一篇文章中,我们将使用Mallet版本的LDA算法对此模型进行改进,然后我们将重点介绍如何在给定任何大型文本语料库的情况下获得最佳主题数。16.构建LDA Mallet模型到目前为止,您已经看到了Gensim内置的LDA算法版本。然而,Mallet的版本通常会提供更高质量的主题。Gensim提供了一个包装器,用于在Gensim内部实现Malle...翻译 2019-04-14 23:06:44 · 4935 阅读 · 6 评论