機器學習之樸素貝葉斯應用教程

今天介紹機器學習中一種基于概率的常見的分類方法，樸素貝葉斯，之前介紹的KNN, decision tree 等方法是一種 hard decision，因...

2017-11-25 標簽：機器學習 1.5k 0

初學者必看！深度學習入門指南

機器學習技術為現(xiàn)代社會的許多領域提供了強大的技術支持：從網(wǎng)絡搜索到社交網(wǎng)絡的內(nèi)容過濾，再到電子商務網(wǎng)站的產(chǎn)品推薦。機器學習技術正越來越多的出現(xiàn)在消費級產(chǎn)...

2017-11-18 標簽：人工智能機器學習 3.9k 0

大規(guī)模機器學習框架的四重境界

本篇主要針對volume大的數(shù)據(jù)時，使用機器學習來進行數(shù)據(jù)處理過程中遇到的架構方面的問題做一個系統(tǒng)的梳理。 有了GFS我們有能力積累海量的數(shù)據(jù)樣本，比如...

2017-11-16 標簽：機器學習 1.9k 0

教你如何利用二位交互圖理解機器學習

其實機器學習的基本算法都很簡單，下面我們就利用二維數(shù)據(jù)和交互圖形來看看機器學習中的一些基本算法以及它們的原理。

2017-11-11 標簽：機器學習 5.8k 0

機器學習和深度學習的區(qū)別在哪？看完就知道了

如果你經(jīng)常想讓自己弄清楚機器學習和深度學習的區(qū)別，閱讀該文章，我將用通俗易懂的語言為你介紹他們之間的差別。

2017-11-09 標簽：機器學習深度學習 2.5萬 0

機器學習如何調(diào)優(yōu)數(shù)據(jù)庫

在延遲方面，相比 Postgres 默認配置，OtterTune、調(diào)優(yōu)工具、DBA 和 RDS 的配置獲得了近似的提升。我們大概可以把這歸于 OLTP-...

2017-11-07 標簽：數(shù)據(jù)庫mysql機器學習 1.3k 0

深度學習與機器學習有什么差異你知道嗎？

如果你經(jīng)常想讓自己弄清楚機器學習和深度學習的區(qū)別，閱讀該文章，我將用通俗易懂的語言為你介紹他們之間的差別。

2017-10-31 標簽：機器學習深度學習 1.4萬 1

不可不知的機器學習之線性模型

LTR同樣是一個回歸問題。你手頭上有一系列評價數(shù)據(jù)，來衡量一個文檔與某個查詢的相關度等級。我們的相關度等級取值從A到F，更常見的情況是取值從0（完全不相...

2017-10-29 標簽：機器學習線性模型隨機森林 3.4k 0

如何區(qū)分深度學習與機器學習

深度學習與傳統(tǒng)的機器學習最主要的區(qū)別在于隨著數(shù)據(jù)規(guī)模的增加其性能也不斷增長。當數(shù)據(jù)很少時，深度學習算法的性能并不好。這是因為深度學習算法需要大量的數(shù)據(jù)來...

2017-10-27 標簽：機器學習深度學習 2.1k 0

解讀決策樹與隨機森林模型的概念

為什么要引入隨機森林呢。我們知道，同一批數(shù)據(jù)，我們只能產(chǎn)生一顆決策樹，這個變化就比較單一了，這就有了集成學習的概念。

2017-10-18 標簽：機器學習決策樹隨機森林 4k 0

基于機器學習算法的SVM優(yōu)化

在SMO算法中，我們每次需要選取一對α來進行優(yōu)化，通過啟發(fā)式的選取我們可以更高效的選取待優(yōu)化的變量使得目標函數(shù)下降的最快。

2017-10-18 標簽：人工智能機器學習 4.5k 0

3種機器學習算法解讀

回歸的主要思想是給定一些輸入變量，我們想要預測目標變量的值是什么樣的。在回歸的情況下，目標變量是連續(xù)的——這意味著它可以在指定范圍內(nèi)取任意的值。另一方面...

2017-10-18 標簽：人工智能機器學習 1.6k 0