【原】機器學習幾個基本的問題
從今年四月份到現在已經工作快9個月了，最開始是做推薦系統，然后做機器學習，現在是文本挖掘，每個部分研究的時間都不多，但還是遇到了很多問題，目前就把一定要總結的問題總結一下，以后有時間多看看，提醒自己看有沒有解決。 推薦系統： 1.冷啟動熱啟動區別和聯系？各個階段需要的算法 ...
原文：機器學習改善Interpretability的幾個技術
改善機器學習可解釋性的技術和方法 盡管透明性和道德問題對於現場的數據科學家來說可能是抽象的，但實際上，可以做一些實際的事情來提高算法的可解釋性 算法概括 首先是提高概括性。這聽起來很簡單，但並非那么簡單。當您認為大多數機器學習工程都以非常特定的方式應用算法來發現所需的特定結果時，模型本身可能會感覺像是次要元素 僅僅是達到目的的一種手段。但是，通過改變這種態度來考慮算法的整體運行狀況以及運行該算法 ...
2019-10-23 15:54 0 324 推薦指數：
相關推薦
AI技術原理|機器學習算法
摘要 機器學習算法分類：監督學習、半監督學習、無監督學習、強化學習 基本的機器學習算法：線性回歸、支持向量機(SVM)、最近鄰居(KNN)、邏輯回歸、決策樹、k平均、隨機森林、朴素貝葉斯、降維、梯度增強 公式、圖示、案例 機器學習算法分類 機器學習算法大致可以分為 ...
機器學習的幾個知識點記錄（轉）
的復雜度。測試誤差和訓練誤差之間差一個規則項，其公式為： 模型越復雜說明模型越不穩定，學習到 ...
機器學習中比較重要的幾個概念
一、Python1、NumpyNumPy(Numerical Python) 是 Python 語言的一個擴展程序庫，支持大量的維度數組與矩陣運算，此外也針對數組運算提供大量的數學函數庫。 2、Pa ...
機器學習基礎---過擬合問題及正則化技術
到現在為止，我們已經學習了幾種不同的學習算法，包括線性回歸和邏輯回歸，它們能夠有效地解決許多問題，但是當將它們應用到某些特定的機器學習應用時，會遇到過擬合(over-fitting)的問題，可能會導致它們效果很差。 一：過度擬合問題 （一）線性回歸中的過擬合問題 繼續使用線性回歸來預測房價 ...
詳解基於機器學習的惡意代碼檢測技術
摘要：由於機器學習算法可以挖掘輸入特征之間更深層次的聯系，更加充分地利用惡意代碼的信息，因此基於機器學習的惡意代碼檢測往往表現出較高的准確率，並且一定程度上可以對未知的惡意代碼實現自動化的分析。 本文分享自華為雲社區《[當人工智能遇上安全] 4.基於機器學習的惡意代碼檢測技術詳解》，作者 ...
OpenCV圖像處理中的“機器學習"技術的使用
注意，本文中所指“機器學習"（ML）技術，特指SVM、隨機森林等”傳統“技術。 一、應用場景 相比較當下發展迅速的各路“端到端”技術， SVM、隨機森林等”傳統“技術它的應用價值，在於”以更貼合現有系統的方式提供一種識別的途徑“。比如你使用tf、keras ...
python 機器學習
<一>：特征工程：將原始數據轉化為算法數據 一：特征值抽取 1：對字典數據 :from sklearn.feature_extraction import DictVectorizer ...