人工智能深度学习数据挖掘算法

数据库系统概论（第五版）——数据库原理

目前笔者处在研究生阶段，研究方向为大数据与数据挖掘，经过学习和探索，笔者认为数据库是本领域最重要的三项技术之一，其他两项分别为数据挖掘算法和云计算技术，有
Jaling·2022-03-02 20:42

数据库系统概论（第五版）——关系数据库原理

目前笔者处在研究生阶段，研究方向为大数据与数据挖掘，经过学习和探索，笔者认为数据库是本领域最重要的三项技术之一，其他两项分别为数据挖掘算法和云计算技术，有
Jaling·2022-03-02 20:17

数据库系统概论（第五版）——数据库设计

目前笔者处在研究生阶段，研究方向为大数据与数据挖掘，经过学习和探索，笔者认为数据库是本领域最重要的三项技术之一，其他两项分别为数据挖掘算法和云计算技术，有
Jaling·2022-03-02 20:04

python 数据挖掘算法的过程详解

目录1、首先简述数据挖掘的过程第一步：数据选择第二步：数据预处理第三步：特征值数据转换第四步：模型训练第五步：测试模型+效果评估第六步：模型使用第七步：解释与评价2、主要的算法模型讲解——基于sklearn3、sklearn自带方法joblib来进行保存训练好的模型1、首先简述数据挖掘的过程第一步：数据选择可以通过业务原始数据、公开的数据集、也可通过爬虫的方式获取。第二步：数据预处理数据极可能有噪
·2022-02-23 16:24

十大数据挖掘算法之Apriori

一、Apriori算法简介1.1.关联分析在介绍Apriori算法之前我们需要先了解一下“关联分析”。关联分析指的是在大数据集中发现物品之间隐含关系，关联分析的一个著名案例就是“尿布与啤酒”。这些关系可以有两种形式：频繁项集和关联规则，频繁项集是经常出现在一块的物品的集合，关联规则暗示两种物品之间可能存在很强的关系。而关联分析的目的就是发现频繁项集和发现关联规则交易号码商品0牛奶，莴笋1莴笋，尿布
清梦载星河·2022-02-16 00:20

2018-11-12

而后不断有人工智能深度学习的理论提出，人工智能领域不断完善。深蓝对战卡斯帕罗夫直到2016年Google的AlphaGo赢了韩国棋手李世石，再度引发AI热潮，让世界的目光再次聚焦于人工智能。!
极客瞭望台·2022-02-14 19:03

浅谈Apriori算法

emmmm很经典的数据挖掘算法，值得一学。“`##一些基本概念##1、支持度的定义：support(X–>Y)=|X交Y|/N=集合X与集合Y中的项在一条记录中同时出现的次数/数据记录的个数。
吴大喜·2022-02-14 09:31

用scikit-learn估计器分类

2.1.1近邻算法近邻算法可能是标准数据挖掘算法中最为直观的一种。为了对新个体进行分类，查找训练集，找到与新个体最相似的那些个体，查看这些个体大多属于哪个类别，
buside·2022-02-14 07:05

大数据颠覆营销互动沟通

智子云在电商企业商业智能（BI）服务领域，拥有超过10年的数据挖掘算法与数据积累。2012年开始，智子云将BI技术应用到新媒体广告程序化购买领域，并伴随着DSP行业的爆发，得以快速成长。
智子云·2022-02-10 22:03

数据标注加速落地深耕 为AI高质量发展提供新动能

随着人工智能深度学习算法的突破及海量数据的支撑，人工智能已在自动驾驶、金融科技及医疗等领域迎来了黄金发展期。虽然直至今日基于意向性的人工智能还没有任何可行性，但面向特定领域的
·2021-12-24 18:55

《基于FPGA的机器学习硬件加速研究进展》阅读笔记

《基于FPGA的机器学习硬件加速研究进展》王超，王腾，马翔，周学海.中国科学技术大学计算机学院如何高效稳定的存取数据信息以及加快数据挖掘算法的执行已经成为学术界和工业界急需解决的问题。
haimianjie2012·2021-12-06 14:12

大数据之路——数据挖掘

七、数据技术篇——数据挖掘7.1数据挖掘算法平台7.2数据挖掘中台体系7.2.1挖掘数据中台7.2.2挖掘算法中台7.3数据挖掘案例7.3.1用户画像7.3.2反作弊数据挖掘技术与数据仓储和计算技术发展相辅相成
jialun0116·2021-11-12 20:24

python人工智能深度学习算法优化

目录1.SGD2.SGDM3.Adam4.Adagrad5.RMSProp6.NAG1.SGD随机梯度下降随机梯度下降和其他的梯度下降主要区别，在于SGD每次只使用一个数据样本，去计算损失函数，求梯度，更新参数。这种方法的计算速度快，但是下降的速度慢，可能会在最低处两边震荡，停留在局部最优。2.SGDMSGMwithMomentum：动量梯度下降动量梯度下降，在进行参数更新之前，会对之前的梯度信息
·2021-11-12 11:47

python人工智能深度学习入门逻辑回归限制

目录1.逻辑回归的限制2.深度学习的引入3.深度学习的计算方式4.神经网络的损失函数1.逻辑回归的限制逻辑回归分类的时候，是把线性的函数输入进sigmoid函数进行转换，后进行分类，会在图上画出一条分类的直线，但像下图这种情况，无论怎么画，一条直线都不可能将其完全分开。但假如我们可以对输入的特征进行一个转换，便有可能完美分类。比如：创造一个新的特征x1：到(0,0)的距离，另一个x2：到(1,1)
·2021-11-12 11:16

Python人工智能深度学习模型训练经验总结

目录一、假如训练集表现不好1.尝试新的激活函数2.自适应学习率①Adagrad②RMSProp③Momentum④Adam二、在测试集上效果不好1.提前停止2.正则化3.Dropout一、假如训练集表现不好1.尝试新的激活函数ReLU：RectifiedLinearUnit图像如下图所示：当z0时，a=z，也就是说这个激活函数是对输入进行线性转换。使用这个激活函数，由于有0的存在，计算之后会删除掉
·2021-11-12 11:42

Python人工智能深度学习RNN模型结构流程

目录1.RNN基础模型2.LSTM3.流程结构1.RNN基础模型RNN主要特点是，在DNN隐藏层的输出内容会被存储，并且可以作为输入给到下一个神经元。如下图所示，当“台北”这个词被输入的时候，前面的词有可能是“离开“，有可能是”到达“，如果把上一次输入的”离开“，所得的隐藏层内容，输入给下一层，这样就有可能区分开是”离开台北“，还是”到达台北“。如果隐藏层存储的内容并给下次使用，叫做ElmanNe
·2021-11-12 11:41

Python人工智能深度学习CNN

目录1.CNN概述2.卷积层3.池化层4.全连层1.CNN概述CNN的整体思想，就是对图片进行下采样，让一个函数只学一个图的一部分，这样便得到少但是更有效的特征，最后通过全连接神经网络对结果进行输出。整体架构如下：输入图片→卷积：得到特征图（激活图）→ReLU：去除负值→池化：缩小数据量同时保留最有效特征（以上步骤可多次进行）→输入全连接神经网络2.卷积层CNN-Convolution卷积核（或者
·2021-11-11 17:53

【架构之路】数据库基础（5）- 备份，数据仓库，数据挖掘

数据挖掘此技术依赖的三个底层技术：海量数据搜集、强大的多处理器计算机和数据挖掘算法目的：挖掘数据间联系、得出数据规律数据处理：联机事务处理OLTP（on-l
·2021-08-12 18:22

数据挖掘算法工程师（支持长期居家/异地办公）

职位描述有完整绩效制度，支持长期居家办公。开发类岗位每月绩效薪资占基本工资10-30%。数学足够好一切条件可谈。岗位职责：数据挖掘系统的算法模型设计、工程化和迭代。任职资格：1.数学、统计、计算机相关专业本科及以上学历，*年以上相关工作经验；2.良好的沟通能力和合作精神，喜爱算法，能攻坚。注：公司在大兴西红门，允许在家办公，已执行两年多；非外包、非猎头、非兼职，自研产品，物流相关；为了节省互相的时
·2021-08-06 15:18

Python机器学习之决策树和随机森林

目录什么是决策树决策树组成节点的确定方法决策树基本流程决策树的常用参数代码实现决策树之分类树网格搜索在分类树上的应用分类树在合成数据的表现什么是随机森林随机森林的原理随机森林常用参数决策树和随机森林效果实例用随机森林对乳腺癌数据的调参什么是决策树决策树属于经典的十大数据挖掘算法之一
·2021-07-15 10:01

滴滴出行

1.高级数据挖掘算法工程师(J170807023)-基础平台研发部工作职责:1.负责海量交通领域大数据的分析/处理，包括海量数据的清洗、建模、入库、计算和检索；2.理解需求,抽取数据和选择适合的模型,支持业务和产品策略部分工作的落地
TonyLan·2021-06-26 08:25

数据挖掘算法

姓名：王映中学号：20181214025学院：广研院【嵌牛导读】数据挖掘是指从大量的数据中通过算法搜索隐藏于其中信息的过程，通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。【嵌牛鼻子】数据挖掘、算法【嵌牛提问】数据挖掘有哪些常用的算法?【嵌牛正文】1、数据挖掘的分析方法——决策树法决策树在解决归类与预测上有着极强
6ee8e460f40c·2021-06-21 22:01

朴素贝叶斯算法从入门到Python实践

与逻辑回归，决策树一样，是较为广泛使用的有监督分类算法，简单且易于理解（号称十大数据挖掘算法中最简单的算法）。
老周算法·2021-06-15 06:45

Java学习笔记：十大数据挖掘算法

原文链接：https://blog.csdn.net/u014630431/article/details/78947653数据挖掘基本任务：分类与预测、聚类分析、关联规则、时序模式、偏差检测、智能推荐等，帮助企业提取数据中蕴含的商业价值，提高企业的竞争力。DM过程：a.目标定义（任务理解、指标确定）b.数据采集（建模抽样、质量把控、实时采集）c.数据整理（数据探索、数据清洗、数据变换）d.构建模
曲钟人散·2021-06-13 22:11

2018年的计划

,.,.2018年给自己定的目标初步如下：学习统计、计算机专业的本科课程；看完十大数据挖掘算法，学习机器学习和AI，学习Tensorflow；至少掌握两门新的编程语言；CSDN技术博客达到300篇；考出日语初级
山阴少年·2021-05-13 17:46

数据挖掘算法

机器学习导论机器学习的方法是基于数据产生的"模型"(model)的算法，也称"学习算法"(learningalgorithm)。包括有：有监督学习(supervisedlearning)无监督学习(unsupervisedlearning)半监督学习(semi-supervisedlearning)强化学习(reinforcementlearning)有监督学习指对数据的若干特征与若干标签(类型)
小帅明3号·2021-04-25 16:07

硬核！阿里P8大牛终于把（数据结构与算法经典问题解析）讲全了

算法工程师的具体分支：其次，算法工程师的必备技能：▲至少熟悉一门编程语言C/C++/java/python/R;▲功底；熟练运用各种常用算法和数据结构，有独立的实现能力;▲熟悉数据挖掘算法;▲熟悉机器学习相关
我真的写不动了·2021-04-18 05:57

大数据必备常识，不会你敢说自己在做大数据？

2、数据挖掘算法大数据分析的理论核心就是数据挖掘算法，各种数据挖掘的算法基于不同的数据类型和格式才能更加科学的呈现出数据本身具备的特点，也正是因为这些被
3d游戏建模666·2021-04-15 02:42

数据挖掘算法原理与实践：决策树

数据挖掘算法原理与实践：决策树感谢阳博导远程指导第二关：决策树算法原理第三关：动手实现ID3决策树感谢阳博导远程指导第二关：决策树算法原理#encoding=utf8importnumpyasnp#计算熵
登峰造極，永往无前。·2021-04-13 11:04

百度飞桨Paddle Lite与海云捷迅基于Intel FPGA的自研开发套件完成适配

此外，为人工智能深度学习定制的硬件近年来也有井喷之势。
飞桨PaddlePaddle·2021-03-31 18:15

新书周榜：机器学习、Python、Linux成为最闪亮的星

1、机器学习的数学雷明著人工智能深度学习领域经典教程，AI程序员的数学参考书透彻理解机器学习算法，从数学层面搞懂核心算法原理的逻辑Python程序讲解，众多专家学者力荐透彻地理解机器学习算法，从数学层面搞懂这些核心算法原理的逻辑
人邮异步社区·2021-03-09 07:39

基于RFM模型的Kmeans聚类算法实现

总结点击跳转到总目录本篇为Kmeans聚类算法实现，点击跳转数据分析模型介绍对于有监督的数据挖掘算法而言，数据集中需要包含标签变量(即因变量y的值)。
&黄焖鸡米饭&·2021-03-02 17:35

机器学习-KNN算法原理 && Spark实现

不懂算法的数据开发者不是一个好的算法工程师，还记得研究生时候，导师讲过的一些数据挖掘算法，颇有兴趣，但是无奈工作后接触少了，数据工程师的鄙视链，模型>实时>离线数仓>ETL工程师>BI工程师（不喜勿喷哈
·2021-01-31 15:38

机器学习-KMeans算法原理 && Spark实现

不懂算法的数据开发者不是一个好的算法工程师，还记得研究生时候，导师讲过的一些数据挖掘算法，颇有兴趣，但是无奈工作后接触少了，数据工程师的鄙视链，模型>实时>离线数仓>ETL工程师>BI工程师（不喜勿喷哈
·2021-01-31 15:07

2021-01-29 学习Python第一天

2021.1.29大家好，我是一名大一新生（智能感知工程专业），为实现图像识别的学习和应用，学习人工智能深度学习的相关知识，我第一次接触了大蟒蛇，也正式开启了Python生涯。
张志尚·2021-01-29 18:01

机器学习-KMeans算法原理 && Spark实现

不懂算法的数据开发者不是一个好的算法工程师，还记得研究生时候，导师讲过的一些数据挖掘算法，颇有兴趣，但是无奈工作后接触少了，数据工程师的鄙视链，模型>实时>离线数仓>ETL工程师>BI工程师（不喜勿喷哈
·2021-01-25 14:38

机器学习-KNN算法原理 && Spark实现

不懂算法的数据开发者不是一个好的算法工程师，还记得研究生时候，导师讲过的一些数据挖掘算法，颇有兴趣，但是无奈工作后接触少了，数据工程师的鄙视链，模型>实时>离线数仓>ETL工程师>BI工程师（不喜勿喷哈
·2021-01-25 14:38

数据挖掘算法和实践（二十三）：XGBoost集成算法案列（鸢尾花数据集）

本节继续探讨集成学习算法，上一节介绍的是LGB的使用和调参，这里使用datasets自带的鸢尾花数据集介绍XGB，关于集成学习算法的介绍可以参考：数据挖掘算法和实践（十八）：集成学习算法（Boosting
A叶子叶来·2021-01-23 17:46

数据挖掘算法和实践（二十二）：LightGBM集成算法案列（癌症数据集）

本节使用datasets数据集中的癌症数据集使用LightGBM进行建模的简单案列，关于集成学习的学习可以参考：数据挖掘算法和实践（十八）：集成学习算法（Boosting、Bagging），LGBM是一个非常常用算法
A叶子叶来·2021-01-23 17:20

数据挖掘算法和实践（二十一）：kaggle经典-职场离职率分析案例解读

本节使用kaggle经典数案例一起学习数据挖掘流程和工具使用，使用决策树和随机森林预测员工离职率，帮助人事部门理解员工为何离职,预测员工离职的可能性，数据来源:kaggle数据集地址使用jupyterlab，能够保存中间结果并且流程较清晰，小数据集可以考虑使用，但从模块化思想来看可以用VsCode和其他工具，一如既往首先引入需要的包，这里plot和seaborn都引入了，plot更偏底层可以定制化
A叶子叶来·2021-01-19 20:54

数据挖掘算法和实践（二十）：sklearn中通用数据集datasets

作为数据挖掘工具包sklearn不但提供算法实现，还通过sklearn.datasets模块提供数据集使用，根据需要有3种数据集API接口来获取数据集，分别是load，fetch，generate，load提供常用玩具数据集，fetch提供大型数据集，generate可以根据需要定制化生产数据集；通用数据集sklearn.dataset的使用应该放在算法及模型学习之前，熟练使用能够快速进行模型测试
A叶子叶来·2021-01-18 10:00

数据挖掘算法和实践（十九）：特征工程/模型评估

前面基本上涵盖常规数据分析算法内容，在真实场景，特征工程+模型评估是最重要的2个环节，前者决定模型的好坏，后者完成对模型的打分和选择，在模型评估过程中分类问题、排序问题、回归问题往往需要使用不同的指标进行评估。在诸多的评估指标中，大部分指标只能片面地反映模型的一部分性能。如果不能合理地运用评估指标，不仅不能发现模型本身的问题，而且会得出错误的结论。一、特征工程二、模型选择与评估准确率（accura
A叶子叶来·2021-01-18 10:50

数据挖掘算法和实践（十八）：集成学习算法（Boosting、Bagging）

之前主要介绍单机器学习算法的理解和使用，实际场景多使用集成学习即组合的挖掘算法以达到最优效果，集成学习有2种：Boosting和Bagging，前者通过多个串行的弱学习器得到强学习器（GBDT、XoostGB、LightGBM），后者通过并行的多个决策树投票实现最优模型（随机森林RF），在竞赛中一般直接使用集成学习，因为可以最大程度地保证模型性能；真实场景和竞赛一般直接采用集成算法，因为单个算法就
A叶子叶来·2021-01-15 16:48

数据挖掘算法和实践（十六）：聚类算法

之前写算法太侧重于理解和推导，后面的算法将更侧重于在sklearn中使用和官方数据集测试，本篇讲聚类，聚类是一类算法的统称，属经典的无监督学习，无需样本训练得到模型后再适用于新数据，直接对数据进行聚类操作得到某几类数据，经典场景是工业生产环境的异常处理，常见的有基于距离的聚类（代表是K-means算法）和基于密度的聚类（代表是DBscan算法），掌握最常用的k均值，凝聚聚类，dbscan即可；参考
A叶子叶来·2021-01-15 15:29

Python 连续数据离散化最通俗的理解与操作

前言一些数据挖掘算法，特别是某些分类算法，如ID3算法、Apriori算法等，要求数据是分类属性形式。这样，常常需要将连续属性变换成分类属性，即连续属性离散化。
SunnyRivers·2021-01-05 18:40

数据挖掘算法和实践（十五）：数据挖掘流程方法论

很久之前总结的，数据挖掘流程方法论，标准流程是：数据准备-->数据分布探索-->数据预处理-->特征工程-->模型的构建-->模型的优化和调参-->模型的发布，不论采用什么框架基本流程是不会有差别的；
A叶子叶来·2020-12-02 11:11

python 数据离散化_数据离散化 - 等宽&等频&聚类离散 - Python代码

-Python代码发布时间：2018-08-1717:55,浏览次数：1267,标签：Python目录等宽离散等频离散聚类离散附录：rolling_mean函数解释cut函数解释其他数据预处理方法一些数据挖掘算法中
weixin_39895881·2020-12-02 08:50

【第31期】2020下半年，值得关注的10本机器学习、深度学习好书

1白话大数据与机器学习作者：高扬卫峥尹会生推荐语：以降低学习曲线和阅读难度为宗旨，重点讲解了统计学、数据挖掘算法、实际应用案例、数据价值与变现，以及
hzbooks·2020-11-21 07:00

数据挖掘从入门到放弃（一）：线性回归和逻辑回归

“数据挖掘算法基于线性代数、概率论、信息论推导，深入进去还是很有意思的，能够理解数学家、统计学家、计算机学家的智慧，这个专栏从比较简单的常用算法入手，后续研究基于TensorFlow的高级算法，最好能够参与到人脸识别和
WindyQin·2020-09-24 15:00

听说算法工程师80%的时间都在做特征工程？

前言想象一下，当今社会备受瞩目的人工智能和数据挖掘算法工程师每天大部分时间都在做什么呢？是花大量时间手推公式，还是思考各种trick对算法调参，还是一遍遍清洗数据和加工特征？
京东数科技术说·2020-09-17 10:42
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他