机器学习实践第5页

Python机器学习实践指南PDF高清完整版免费下载|百度云盘

百度云盘：Python机器学习实践指南PDF高清完整版免费下载提取码：10sl内容简介机器学习是近年来渐趋热门的一个领域，同时Python语言经过一段时间的发展也已逐渐成为主流的编程语言之一。

酷酷啊·2020-08-10 14:00

机器学习（二）：基础概念

编程语言：Python参考书籍：《Python机器学习实践指南》《机器学习实战》参考视频：吴恩达老师的机器学习系列视频吴恩达老师机器学习笔记整理笔记下载：机器学习个人笔记完整版什么是机器学习机器学习是人工智能的一个分支

打不死的小黑·2020-08-08 16:00

Scikit-Learn机器学习实践——垃圾短信识别

前不久，我们使用NLTK的贝叶斯分类模型垃圾对短信数据进行机器学习的垃圾短信识别。其实除了使用NLTK，我们还可以使用Scikit-Learn这个集成了诸多机器学习算法的模块进行上述的实验。Scikit-Learn的API设计非常合理和高效，对于初触机器学习的同学来说非常友好，值得大家尝试和使用。本人也经常在实验环境和工作环境中使用scikit-learn进行机器学习的建模。下面，我们就使用sci

weixin_34259232·2020-08-07 20:58

30天数据分析与机器学习实践之Day20——Xgboost集成算法

30天数据分析与机器学习实践之Day20——Xgboost集成算法机器学习中的算法-Xgboost算法

名功·2020-08-05 23:11

机器学习实践——数据预处理总结

对courseraHowtoWinaDataScienceCompetition:LearnfromTopKagglers的总结：1，numericalfeatures1）树结构的模型对数值变量的scale不敏感，线性模型，KNN和神经网络对scale敏感2）regularization对feature的效果受到数值范围的影响3）scale的方法：MinMaxScale,StandardScale

nickzzzhu·2020-08-04 16:59

300本电子书PDF免费送

深度学习》2018中文版pdf+英文版pdf+源代码stanfordmachinelearningPython语言程序设计2018版电子教案Python网络编程第三版（原版+中文版+源代码）Python机器学习实践指南

laiczhang·2020-08-03 23:57

Spark入门笔记

书籍>-spark大数据处理技术-sparkmllib机器学习实践-ApacheSpark源码剖析-Spark快速数据处理-深入理解Spark核心思想与源码分析-统计学习方法-spark官方文档中文版环境搭建教程

jerry_hero·2020-08-03 18:28

Python机器学习实践：决策树判别汽车金融违约用户

文章发布于公号【数智物语】（ID：decision_engine），关注公号不错过每一篇干货。转自|法纳斯特（公众号ID:walker398）作者|小F决策树呈树形结构，是一种基本的回归和分类方法。决策树模型的优点在于可读性强、分类速度快。下面通过从「译学馆」搬运的两个视频，来简单了解下决策树。最后来实战一波，建立一个简单的决策树模型。01决策树算法本次主要涉及两类决策树，Quinlan系列决策树

数智物语·2020-08-03 08:28

基于Spark的机器学习实践 (四) - 数据可视化

weixin_33912453·2020-08-03 06:51

图像基础8 图像分类——PCA 图像特征提取算法

本系列文章源于《机器学习实践指南案例应用解析》学习笔记原书作者：麦好PCA(PrincipalComponentAnalysis），是一种掌握事物主要矛盾的统计分析方法，它可以从多元事物中解析出主要影响因素

谢厂节_编程圈·2020-08-01 07:34

机器学习实战-简要笔记2

学习了一段时间的《机器学习实践》，有所收获，简要总结如下，不甚完善，多多指教。

lixg88888888·2020-07-30 19:22

谷歌机器学习白皮书全解析 43条黄金法则

[转]http://www.leiphone.com/news/201701/FmC6Z2X6UeCvgGEV.html导语：新年钜献，开发者的最佳机器学习实践指南。

xiangz_csdn·2020-07-30 13:09

Jupyter Notebook——看这篇就够啦

JupyterNotebook使用指南简介JupyterNotebook是一个能运行Python代码的Web应用程序，是当今进行机器学习实践的主流工具。

_走歌_·2020-07-30 04:52

机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第12章利用TensorFlow自定义模型并训练(Custom Models and Training with

机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第12章利用TensorFlow自定义模型并训练(CustomModelsandTrainingwithTensorFlow

bigcindy·2020-07-29 09:28

美团机器学习实践（1）通用流程

目录第1章问题建模1.1评估指标1.2样本选择1.3交叉验证第2章特征工程2.1特征提取2.2特征选择第3章常用模型第4章模型融合4.1理论分析4.2融合方法讲述机器学习解决实际问题的通用流程:如何分析问题如何进行特征工程、常见模型的比较和选择如何进行效果评测各类机器学习竞赛中常用的模型融合技巧第1章问题建模1.1评估指标分类指标：精确率和召回率，ROC与AUC回归指标：MAE平均绝对误差，MAP

有石为玉·2020-07-28 20:11

RDD应用API---flatMap、map、reduceByKey、collect、foreach

图片来源：梁洪亮老师的课件代码来源：SparkMLlib机器学习实践王晓华importorg.apache.spark.

谛听-·2020-07-28 13:07

RDD应用API---parallelize、Array、reduce、distinct、filter

图片来源：梁洪亮老师的课件代码来源：SparkMLlib机器学习实践王晓华parallelizedefparallelize[T:ClassTag](seq:Seq[T],numSlices:Int=defaultParallelism

谛听-·2020-07-28 13:07

Kaggle Titanic 机器学习实践笔记

参考网站：https://www.cnblogs.com/darkknightzh/p/6117528.htmlhttp://blog.csdn.net/han_xiaoyang/article/details/49797143目录结构是这个样子的：Titanic--data(放官网的数据）-train.csv-test.csv-gender_submission.csv--program-dat

三笔竹林·2020-07-28 13:28

Python3机器学习实践：集成学习之随机森林

随机森林步骤：构建多个数据集在包括N个样本的数据集中，采用有放回的抽样方式选择N个样本，构成中间数据集，然后在这个中间数据集的所有特征中随机选择几个特征，作为最终的数据集。以上述方式构建多个数据集；一般回归问题选用全部特征，分类问题选择全部特征个数的平方根个特征为每个数据集建立完全分裂的决策树利用CART为每个数据集建立一个完全分裂、没有经过剪枝的决策树，最终得到多棵CART决策树；预测新数据根据

AnFany·2020-07-28 06:56

机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第9章无监督学习技术(Chapter9_Unsupervised_Learning_Techniques)

机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第9章无监督学习技术(Chapter9_Unsupervised_Learning_Techniques)虽然目前大部分机器学习应用都是基于有监督学习

bigcindy·2020-07-22 23:34

《美团机器学习实践》学习笔记：POI实体链接与评论挖掘

POI实体链接概念：POI实体链接是指对相同POI的不同描述进行关联和聚合。背景和难点两组POI信息——一组是美团已经有的POI信息库（库存POI库），另一组是希望与之进行POI实体链接的信息库（待选POI库）。目标是希望两个库中实际实体相同的POI建立一对一或多对一的实体链接。如“IU酒店晋中介休裕华路店”与“IU酒店（晋中介休裕华路店）”是同一个实体的不同POI，只是在写法上有差别，不能简单利

另一个我竟然存在·2020-07-16 05:15

【机器学习笔记09】协同过滤算法 - ALS

参考资料【1】《SparkMLlib机器学习实践》【2】http://blog.csdn.net/u011239443/article/details/51752904【3】线性代数-同济大学【4】基于矩阵分解的协同过滤算法

FredricXU·2020-07-15 17:57

基于Spark的机器学习实践 (三) - 实战环境搭建

weixin_34216196·2020-07-15 05:56

python3与机器学习实践---1、最简单的K-邻近算法(k-Nearest Neighbor，KNN)

k-邻近算法原理简述：k-邻近算法就是通过计算待分类数据与样本数据间距离，获取样本中前k个（通常不大于20个）与待分类数据最相近的数据，然后再分类统计这个k个数据，把待分类数据归类到出现次数最多的分类中。需要注意的是，1、有时候需要根据特征数据在分类中所做的贡献大小，进行加权；2、如果特征对分类的贡献相同，而特征值相差较大时，数值较大的会影响分类结果，此时需要对特征数据进行归一化处理。在数据处理方

wanghowie·2020-07-15 00:00

机器学习（一）：k-近邻算法（基础篇）

以下是我对学习机器学习实践的一些笔记和总结，希望对你有帮助。k-近邻算法是机器学习中的第一个分类算法，在明白他的实质前，我们先来看一个实例。一,动作片与爱

Auraros·2020-07-14 21:30

Python 编程机器学习深度学习培训班

编程-机器学习-深度学习培训班课程安排；（本次课程采用2+2+2的参加方式，每两天一个单元，具体如下一单元：Python编程实践技术（2天）2019年9月18日报到19日-20日上课二单元：Python机器学习实践技术

胡越-中科资环·2020-07-14 11:07

写给开发向产品转型的同学的3句话

先谈谈我自己的经历哈，在华为和索尼的时候做的都是开发，后来到阿里云这边做了人工智能产品经理，然后还很扯的在做产品经理的时候写了本技术书《机器学习实践应用》。

李博Garvin·2020-07-13 05:28

机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第11章训练深度神经网络

训练深度神经网络并非易事，常常会遇到如下问题：梯度消失和爆炸问题，导致神经网络前面的层无法得到很好地训练数据不足，或者标注代价太大训练速度极慢参数较多时很容易过拟合，尤其是在数据量不足或数据存在大师噪声时0.导入所需的库importtensorflowastfimportnumpyasnpimportmatplotlibasmplimportmatplotlib.pyplotasplt%matpl

bigcindy·2020-07-10 22:15

机器学习实践—基于Scikit-Learn、Keras和TensorFlow2第二版—第10章利用Keras搭建人工神经网络概述(Chapter 10. Introduction to Artifi

ANNs:artificialneuralnetworks，人工神经网络，受人类大脑生物神经元的启发。人工神经网络是深度学习的核心，其应用广泛、强大并且扩展性好。深度学习在很多IT公司都有布局，例如GoogleImages、AppleSiri、YouTube视频推荐、DeepMindAlphaGo等等。0.导入所需的库importtensorflowastfimportmatplotlibasmp

bigcindy·2020-07-10 22:11

（一）机器学习实践Python3-KNN的一个简单案例

代码中【1】【2】参照后面博客importnumpyasnpfromoperatorimportitemgetterdefcreat_dataset():group=np.array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])labels=['A','A','B','B']returngroup,labelsdefclassify(inx,dataset,labels

象牙塔小明·2020-07-10 05:21

垃圾分类

机器学习实践：垃圾邮件分类这个案例是通过训练一个朴素贝叶斯分类器，对垃圾邮件进行判别，使用R语言进行操作。朴素贝叶斯算法是一种简单高效的分类算法，利用贝叶斯定理，通过简单的概率计算对样本进行分类。

guangqiang1234·2020-07-09 16:41

机器学习理论系列3——逻辑回归

之前在机器学习实践系列3——二项逻辑回归中，描述了逻辑回归算法的基本概念和原理，并用Python结合实际案例讲解了如何应用二项逻辑回归来解决实际问题，最后讲解了如何对逻辑回归模型进行评估。

刺猬ciwei_532a·2020-07-08 22:32

L1/L2范数

我们知道机器学习实践过程中会经常使用L1、L2范数来进行正则化，目的是限制权值的大小，从而减少过拟合的分线。在前面有一节是讲到了梯度下降法，这一节就结合正则来一起捋一捋它是如何减少目标函数过拟合的！

十曰立·2020-07-08 03:28

各种机器学习方法（线性回归、支持向量机、决策树、朴素贝叶斯、KNN算法、逻辑回归）实现手写数字识别并用准确率、召回率、F1进行评估

本文转自：http://blog.csdn.net/net_wolf_007/article/details/51794254机器学习实践之手写数字识别－数据初识2.机器学习实践之手写数字识别－初步特征选择及线性识别前面两章对数据进行了简单的特征提取及线性回归分析

你猜_哈哈·2020-07-08 03:44

机器学习实践———朴素贝叶斯、决策树

目录朴素贝叶斯分类器决策树1、构造决策树2、控制决策树的复杂度3、决策树可视化4、树的特征重要性决策树集成1、随机森林2、梯度提升回归树（梯度提升机）朴素贝叶斯分类器与线性模型相似，相比起来训练速度更快，但是模型泛化能力稍差。高效的原因是通过查看每个特征来学习参数，从每个特征中收集简单的类别统计数据。sklearn中实现了3种朴素贝叶斯分类器：GuassianNB：高斯贝叶斯分类器，应用于任意连续

gagaki·2020-07-07 08:25

L1与L2损失函数和正则化的区别

本文翻译自文章：DifferencesbetweenL1andL2asLossFunctionandRegularization，如有翻译不当之处，欢迎拍砖，谢谢~ 在机器学习实践中，你也许需要在神秘的

aix26249·2020-07-07 02:26

CH13

机器学习实践CH13利用PCA来简化数据一.引例通过电视观看足球赛事时显示器大概包含100多万像素，同时人主要关注的是显示器中的球的位置，而球只需要很少的像素组成，此时人们就可以将显示器中的上百万个像素转换成一个三维图像

just-天之蓝·2020-07-07 01:15

statsmodels中的summary解读（使用OLS）

2.代码如下来源《python机器学习实践指南》importpatsyimportstatsmodels.apiassmf='Rent~Zip+Beds'y,X=patsy.dmatrices(f,s

zm147451753·2020-07-06 13:26

小团队撬动大数据——当当推荐团队的机器学习实践

zdy0_2004·2020-07-06 12:39

L1, L2以及smooth L1 loss

在机器学习实践中，你也许需要在神秘的L1和L2中做出选择。通常的两个决策为：1)L1范数vsL2范数的损失函数；2)L1正则化vsL2正则化。

yang_daxia·2020-07-06 10:48

基于Spark的机器学习实践 (七) - 回归算法

JavaEdge·2020-07-06 04:16

个推机器学习平台建设

本文以“机器学习平台建设”为主题，为大家讲解企业在机器学习实践中面临的挑战以及个推是如何通过建设机器学习平台来应对这些挑战的。

个推·2020-07-05 23:19

64位系统下，numpy 和 Python 安装

最近在研究机器学习，从一本书《机器学习实践指南案例应用解析》入手，书中例程大部分是基于Python语言编写的。

大郭姐·2020-07-04 16:45

机器学习法则：（谷歌）机器学习工程最佳实践（译）

这是MartinZinkevich在NIPS2016Workshop分享的谷歌机器学习实践的四十三条法则。

aturbofly·2020-07-04 04:31

图灵教育·2020-07-02 13:06

《美团机器学习实践》—— 思维导图

欢迎关注天善智能，我们是专注于商业智能BI，人工智能AI，大数据分析与挖掘领域的垂直社区，学习，问答、求职一站式搞定！对商业智能BI、大数据分析挖掘、机器学习，python，R等数据领域感兴趣的同学加微信：tstoutiao，邀请你进入数据爱好者交流群，数据爱好者们都在这儿。作者：xingoo出处：http://www.cnblogs.com/xing901022转载自公众号：Python数据科学

R3eE9y2OeFcU40·2020-07-01 12:39

【机器学习实践】泰坦尼克号乘客获救预测

目录目的：数据读取：数据处理：线性回归：目的：利用所给数据的特征来判断哪些人能够获救。数据读取：titanic_train.csv:训练集，共计891条数据titanic_test.csv:测试集，共计418条数据我们使用pandas库来读取CSV数据。这里使用read_csv所得到的是类型的数据，关于DataFrame的一些具体操作可以参考pandas的document。《http://pand

Pierce_KK·2020-07-01 12:18

MATLAB图像处理及机器学习实践

二、时间地点2018年10月19日——2018年10月22日北京（时间安排：第一天报到、授课三天、大学机房授课）三、主讲内容第1讲MATLAB简介与用户界面第2讲变量、表达式、数组运算第3讲MATLAB程序设计第4讲读写TXT文件第5讲读写EXCEL文件第6讲访问数据库第7讲综合实验—语音处理第8讲综合实验二图像处理第9讲绘制基本图形和常见的二维和三维图形第10讲高级绘图技术第11讲图形用户界面G

yangjiao002·2020-07-01 07:51

机器学习入门书籍：《机器学习实践》读书笔记

机器学习入门书籍：《机器学习实践》读书笔记（一）kNN这里是书上的第一段代码嗯，虽然很简单，但是写出来真的很有成就感的说（毕竟这里是大一的零基础（自闭书上是要将电影分类，数据的结构如下：【标签（labels

git push-f·2020-07-01 07:30

Python机器学习实践例子——Titanic乘客生存预测模型分析

最近学习机器学习，发现网上各种理论讲的不少，但是对于实践涉及很有不足。因为将自己的实践记录整理于此，希望对大家有所帮助。Titanic乘客生存预测模型样例说明：题目来自于知名机器学习竞赛网站kaggle：https://www.kaggle.com/c/titanic/data“在数据分析中首先决定哪些变量需要处理，哪些变量可以删除，因此数据探索实在是个累人的活。”代码多有优化之处，请大家留言讨论

zcs99·2020-06-30 12:17

推荐频道

机器学习实践