机器学习实践

研究6机器视觉

501分享：机器学习实践中应避免的七种常见错误https://mp.weixin.qq.com/s?
夜雨下的古渡·2020-06-30 11:20

统计学习方法+Python机器学习实践指南+强化学习精要：核心算法与Tensorflow实现+图解深度学习与神经网络从张量到TensorF实现+人工神经网络理论设计及应用+深度卷积网络:原理与实践

原文地址：https://www.cnblogs.com/lishuairg/p/11734842.html我虽然很喜欢模式识别和机器学习，但我暂时并不希望在这上面做深入的研究，只想把别人研究好的成熟的理论用在计算机视觉任务上。比如SVM，Adaboost，EM，朴素贝叶斯，K近邻，决策树等等。能够知道每种算法的原理，而并不想深究其实现过程以及理论证明。比如SVM，我想知道的是这种算法如何实现分类
yiyayiya557·2020-06-30 08:44

机器学习实践总结

机器学习的目的：发掘数据隐藏的意义.从目的中可以分析出：第一你要有足够的数据做支持,第二你要有适合的算法来分析.需要准备的知识：矩阵运算:1转置、内积、常量加减乘除2行列式，记住二阶、三阶是如何计算的，更高阶的需要降阶和利用计算工具3奇异性，方阵的行列式如果为0则为奇异性，其它为非奇异的，矩阵的奇异性决定了矩阵可求逆4伴随矩阵A*是矩阵元素所对应的代数余子式，所构成的矩阵，转置后得到的新矩阵5求逆
牛麦康纳·2020-06-30 07:02

《小团队撬动大数据——当当推荐团队的机器学习实践》

小团队撬动大数据——当当推荐团队的机器学习实践-云+社区-腾讯云小团队撬动大数据——当当推荐团队的机器学习实践。
cx_2016·2020-06-30 00:00

读 python 机器学习实践指南

本书分8个章节第1章，Python机器学习的生态系统，深入Python，它有一个深度活跃的开发者社区，而且许多开发者来自科学社区。这为Python提供了丰富的科学计算库。在本章中，我们将讨论这些关键库的特性以及如何准备你的环境，以最好地利用它们。第2章，构建应用程序，发现低价的公寓，指导我们构建第一个机器学习应用程序，我们从一个最小但实际的例子开始：建设应用程序来识别低价的公寓。到本章结束，我们将
静静地思考·2020-06-29 22:23

汇总（更新）

汇总统计学习方法操作系统黑客攻防技术宝典黑客攻防技术宝典——浏览器基于深度学习的自然语言处理Python与自然语言处理逆向0day安全逆行工程核心原理美团机器学习实践统计学习方法统计学习方法——统计学习基础
你的名字5686·2020-06-29 19:25

机器学习性能优化全解

这张备忘单包含了我多年来从自己的应用和学习顶尖机器学习实践者和竞赛优胜者中提炼出来的最佳建议。有了这本指南，你不仅可以提升性能，甚至可以在预测问题上获得世界级的结果。
喜欢打酱油的老鸟·2020-06-29 03:39

【美团机器学习实践】问题建模

机器学习解决问题的通用流程，主要分为4大部分：1.问题建模2.特征工程3.模型选择4.模型融合问题建模包含三部分：评估指标、样本选择、交叉验证1.1评估指标评估指标用于反映模型效果，预测问题中，将预测结果和真实结果进行比较，为：实际项目中，线下和线上的评估指标尽可能变化趋势保持一致，线上成本明显高于线下实验成本，在线上实验较长时间并对效果进行可信度检验（如t−testt-testt−test）才能
weekroc7·2020-06-29 00:58

机器学习实践-使用Python言论过滤（代码解析）

机器学习实践-使用Python言论过滤（代码解析）#-*-Coding:utf-8-*-#Author:LHFTime:2019/9/25fromnumpyimport*#词表到向量的转换函数defloadDataSet
研究生小学徒·2020-06-28 23:10

基于Spark的机器学习实践 (八) - 分类算法

0相关源码1朴素贝叶斯算法及原理概述1.1朴素贝叶斯简介◆朴素贝叶斯算法是基于贝叶斯定理和特征条件独立假设的一种分类方法◆朴素贝叶斯算法是一种基于联合概率分布的统计学习方法◆朴素贝叶斯算法实现简单,效果良好,是一种常用的机器学习方法1.2贝叶斯定理◆朴素贝叶斯算法的一个基础是贝叶斯定理贝叶斯定理（英语：Bayes'theorem）是[概率论]中的一个[定理]，描述在已知一些条件下，某事件的发生概率
weixin_33985679·2020-06-28 09:44

[机器学习实践] 针对Breast-Cancer数据集

本篇博客中，我们将对一个UCI数据库中的数据集：Breast-Cancer数据集，应用已有的机器学习方法来实现一个分类器。本文代码链接数据集概况数据集的地址为：link在该页面中，可以进入DataSetDescription来查看数据的说明文档，另外一个连接是DataFolder查看数据集的下载地址。这里我们使用的文件是：breast-cancer-wisconsin.databreast-can
weixin_30897079·2020-06-28 02:52

机器学习实践之三排序和CTR预估问题

displayimportpandasaspd#初始化阶段train_filename="train_small.csv"test_filename="test.csv"submission_filename="submit.csv"training_set=pd.read_csv(train_filename)training_set.head(10)training_set.describe(
xingkong1992·2020-06-27 04:15

机器学习实践一

根据问题是否有标签将机器学习问题分为监督学习问题（有标签）和非监督学习问题（无标签）。监督学习又可根据预测结果是否连续分为回归问题（预测值为连续的）和分类问题（预测值为离散的）。常见的监督学习算法：线性回归，逻辑回归，KNN，决策树，SVM，朴素贝叶斯。无监督学习算法：关联规则，聚类半监督学习：一半有标签，一半无标签。机器学习算法使用图谱数据量少的话可以使用规则去学习，此时所有的机器学习算法都不能
xingkong1992·2020-06-27 04:15

matplotlib利用scatter绘制彩色图像：NameError: name 'array' is not defined

《MachineLearninginAction》，《机器学习实践》在学习这本书“中文版”的时候，第二章2.2.2中利用matplotlib库函数scatter函数绘制彩色图像>>>ax.scatter
chengwei0019·2020-06-27 04:35

机器学习实践指南：案例应用解析（第二版）

试读及购买链接机器学习实践指南2版代码及资源(原书中的360网盘链接因为360关闭网盘的原因已经失效)1、https://pan.baidu.com/s/1nw37A5N2、http://www.hzbook.com
麦好·2020-06-26 21:05

Python3机器学习实践：卷积神经网络篇二 初识卷积

lena.jpg一、定义卷积，和加减乘除一样，是一种数学运算。下面给出它的定义：f，g的卷积记为(f*g)，其中：96.png其中[a,b]为函数的定义域，连续情形下f(x),g(x)在定义域区间内是可积的。二、示例：高利贷利息假设賴某每月都向某机构贷款f(t)元，贷款的利息是按复利计算，月利率3%。计算N个月月底賴某需要付出的利息P(N)？imageimage将上面的示例抽象表示，借款好比输入，
AiFany·2020-06-26 00:50

关于意图识别的一些整理理解（一）

开始时思考的其实并不容易，因为作为大学生对机器学习和深度学习的底子比较薄，并且做过的跟机器学习有关的项目勉勉强强只能算是有一个，所以开始整理思路时就参考了《美团机器学习实践》这本书，确实获益匪浅，光笔记我就用
joker-smart·2020-06-26 00:58

基于Spark的机器学习实践 (四) - 数据可视化

0相关源码1数据可视化的作用及常用方法1.1为什么要数据可视化1.1.1何为数据可视化?◆将数据以图形图像的形式展现出来◆人类可以对三维及以下的数据产生直观的感受1.1.2数据可视化的好处◆便于人们发现与理解数据蕴含的信息◆便于人们进行讨论1.2数据可视化的常用方法◆对于web应用,一般使用echarts,hightcharts,d3.js等◆对于数据分析利器python,使用matplotlib
公众号:JavaEdge·2020-06-25 07:23

基于Spark的机器学习实践 (二) - 初识MLlib

1MLlib概述1.1MLlib介绍◆是基于Sparkcore的机器学习库,具有Spark的优点◆底层计算经过优化,比常规编码效率往往要高◆实现了多种机器学习算法,可以进行模型训练及预测1.2SparkMLlib实现的算法◆逻辑回归朴素贝叶斯线性回归SVM决策树LDA矩阵分解1.3SparkMLlib官方介绍1.3.1搜索官方文档1.3.2阅读文档-机器学习库（MLlib）指南简介MLlib是Sp
公众号:JavaEdge·2020-06-25 07:23

Python3机器学习实践：卷积神经网络篇三 池化

池化(Pooing)操作的对象是单通道的数字矩阵，也就是对该矩阵某一个邻域内的数字集合进行采样。主要有3种形式：一般池化，重叠池化和金字塔池化。一、池化类型一般池化池化窗口的尺寸为n*n，一般情况下池化窗口都是正方形的。步长等于n。此时池化窗口之间是没有重叠的。对于超出数字矩阵范围的，只计算范围内的或者范围外的用0填充在计算。本文只介绍最大值池化，均值池化，随机池化。下面给出图示：最大值池化池化窗
AnFany·2020-06-25 06:06

Python3机器学习实践：卷积神经网络篇二 初识卷积

一、定义卷积，和加减乘除一样，是一种数学运算。下面给出它的定义：f，g的卷积记为(f*g)，其中：其中[a,b]为函数的定义域，连续情形下f(x),g(x)在定义域区间内是可积的。二、示例：高利贷利息假设賴某每月都向某机构贷款f(t)元，贷款的利息是按复利计算，月利率3%。计算N个月月底賴某需要付出的利息P(N)？将上面的示例抽象表示，借款好比输入，计算利息的方式可看作一个系统，利息的多少可看作输
AnFany·2020-06-25 06:05

Python3机器学习实践：决策树CART

决策树主要包括ID3，C4.5以及CART。下面给出三种算法的说明：CART首先看下面表格中的示例数据(随机生成，仅供参考)。其中年龄，身高，月收入为连续变量，学历，工作为离散变量。如果把动心视为目标变量，此问题为分类问题。如果把动心度视为目标变量，此问题为回归问题。CART的目的是生成一个类似下面这样的树：分类树或者回归树。叶子节点若为Y或者N，是分类树；若是数字，则为回归树。下面分别讲述回归树
AnFany·2020-06-25 06:05

Python3机器学习实践：集成学习之Stacking(模型堆叠)

一、Stacking流程图Stacking是个多层的多模型集合方法。每一层都可包括多个模型，下一层利用上一层模型的结果进行学习。下面以2层为例介绍此方法：2层Stacking运行示意图Stacking第一层中模型Mi的运行示意图二、Stacking步骤说明数据集说明训练数据集设为DT，假设样本数为3000；预测数据集合为DP，假设样本数为500；将训练数据集进行K-Fold(K折)处理，也就是将训
AnFany·2020-06-25 06:05

Python3机器学习实践：集成学习

这个时代，如果你觉得自己不够强，那就找几个人联合起来。集成学习亦如此。集成学习是一种将几种机器学习模型组合成一个模型的元算法(meta-algorithm)，以减小方差(例如：Bagging)，偏差(例如：Boosting)，或者改进预测(例如：Stacking、Blending)。集成方法分类串行集成方法：多个模型顺序生成。此方法是利用模型之间的依赖关系。算法可以通过提高被分错样本的权重来提高性
AnFany·2020-06-25 06:34

Python3机器学习实践：BP神经网络理论与实例

符号说明神经网络的层数m，也就是包括一个输入层，m-2个隐层，一个输出层；输入层为I，其节点数等于单个样本的输入属性数N_i；隐层输出为Hh，h为1到m-2，每一个隐层的节点数为Nh；输出层为O，其节点数等于单个样本的输出属性数N_o；样本真实输出为R；层之间连接的权重为Wq，q为0到m-2，Wq矩阵的大小为(g,t),g为该隐层前一层的节点数，t为该隐层的节点数；对应的偏置为Bq，Bq矩阵的大小
AnFany·2020-06-25 06:34

Python3机器学习实践：线性回归【实例：波士顿房价预测】

线性回归是机器学习中最基础的算法，它研究的是样本目标和特征变量之间是否存在线性关系。现在我们有506条有关波士顿房子的综合数据，包括房子的价格、房子所在区的犯罪率、黑人比例、高速公路条数等。每条数据就是一个样本，房价就是目标变量，其他数据可看作特征变量。线性回归的步骤：1，建立模型：确定目标和特征变量，建立方程其中Y代表目标(因变量)，X为特征(自变量)，W为需要计算的参数。数学符号便利性：将Y=
AnFany·2020-06-25 06:33

Python3机器学习实践：逻辑回归【实例：心脏病预测】

逻辑回归的输出结果是判定二分类的，在实际问题中可用来解决二分类问题，当然也可利用多次的oneVSother来解决多分类问题。现在我们有270人的身体指标数据，包括年龄、性别、心率最大值、以及是否患有心脏病等数据。现在我们要利用逻辑回归来判断一个人是否患有心脏病。也就是根据逻辑回归的输出判定一条数据是类1，还是类0。本例中患心脏病为类0。逻辑回归最关键的就是理解Sigmoid函数，也称为Logist
AnFany·2020-06-25 06:33

机器学习实践（八）—sklearn之交叉验证与参数调优

一、交叉验证与参数调优交叉验证(crossvalidation)交叉验证：将拿到的训练数据，分为训练集、验证集和测试集。训练集：训练集+验证集测试集：测试集为什么需要交叉验证为了让被评估的模型更加稳健参数调优超参数搜索-网格搜索(GridSearch)通常情况下，有很多参数是需要手动指定的（如k-近邻算法中的K值），这种叫超参数。但是手动过程繁杂，所以需要对模型预设几种超参数组合。每组超参数都采用
轻风凉晨·2020-06-25 04:50

机器学习实践（十二）—sklearn之线性回归

一、线性回归应用场景房价预测销售额度预测金融：贷款额度预测、利用线性回归以及系数分析因子二、线性回归的原理什么是回归在机器学习中，回归就是拟合的意思，我们需要找出一个模型来拟合(回归)数据。什么是线性回归线性回归是：利用回归方程(函数)，对特征值和目标值之间关系进行建模的一种分析方式。特征值和目标值可以是一个或多个，特征值和目标值可以看作函数意义上的自变量和因变量。特点只有一个自变量的情况称为单变
轻风凉晨·2020-06-25 04:50

教程▍Python机器学习实践：随机森林算法训练及调参 （附代码）

Python教程作者|战争热诚编辑|丹顶鹤5号随机森林是一种有监督学习算法，是以决策树为基学习器的集成学习算法。随机森林非常简单，易于实现，计算开销也很小，但是它在分类和回归上表现出非常惊人的性能，因此，随机森林被誉为“代表集成学习技术水平的方法”。一，随机森林的随机性体现在哪几个方面？1，数据集的随机选取从原始的数据集中采取有放回的抽样（bagging），构造子数据集，子数据集的数据量是和原始数
36大数据·2020-06-24 18:45

基于Spark的机器学习实践 (二) - 初识MLlib

1MLlib概述1.1MLlib介绍◆是基于Sparkcore的机器学习库,具有Spark的优点◆底层计算经过优化,比常规编码效率往往要高◆实现了多种机器学习算法,可以进行模型训练及预测1.2SparkMLlib实现的算法◆逻辑回归朴素贝叶斯线性回归SVM决策树LDA矩阵分解1.3SparkMLlib官方介绍1.3.1搜索官方文档1.3.2阅读文档-机器学习库（MLlib）指南简介MLlib是Sp
JavaEdge·2020-06-24 18:08

摆摊吧，互联网人！

、自媒体11、养猫的互联网人12、实习生13、投资人14、乙方15、老板「更多干货，更多收获 」那个模仿老师的孩子被约谈了.pdf当个性化推荐遇上知识图谱.pdf推荐系统工程师技能树【电子书分享】美团机器学习实践
m0_37586850·2020-06-24 11:09

一个母婴电子商务网站的大数据平台及机器学习实践

母婴相对一般的电子商务网站有一些特点：第一个特点是商品周期短，在母婴网站上的商品，在线的时间不会超过5-7天，第二个是用户需求的变化快，在母婴行业，可能是用户的需求变化最快的领域，比如是用户处在怀孕当中，关心的是孕妈的一些问题，几个月以后，随着宝宝的落地，就会准备一些纸尿裤和奶粉，而且随着宝宝的长大，纸尿裤和奶粉的类型也会变化。第三个是移动化，一般有90%的成交是来自移动端的。手机端的屏幕非常的小
lz0426001·2020-06-24 11:14

机器学习实践系列之11 - OpenCV实战车道线检测

ADAS在经过资本的一轮热炒之后已经不新鲜了，MobileEye的技术积累和效果也让很多童鞋叹为观止，然后奋起直指！初学者为代表的童鞋，二话不说，上来就是霍夫变换，还是直接用opencv里带的，入门很好，实力一下就暴漏个底掉。又做了一番调研，发现了Hough变换的缺点，然后开始搞模板，形状匹配、轮廓提取、样本训练，效果仍旧不理想，无法应对恶劣天气、不能适应光线变化，总之鲁棒性很差。怎么办呢？放弃么
linolzhang·2020-06-24 05:42

机器学习实践系列之16 - OpenCV之手写体识别

OpenCV3.0开始有了手写体数字识别的例子，opencv提供了一张手写数字图片进行训练。图片位置：/opencv/sources/samples/data/digits.png，例子中使用KNN最近邻算法进行训练和分类，对于数字的识别率能达到90%以上，当然也是因为数字比较简单，不过作为入门级的OCR，想来应该是够了。参考代码：#include#include"opencv2\opencv.h
linolzhang·2020-06-24 05:42

机器学习实践系列之10 - OpenCV实战立体视觉

立体视觉是通过图像间的对应关系，根据三角测量原理，得到视差图，主要过程包括：摄像机标定、立体标定、立体校正、计算视差图。在得到视差信息后，很容易根据投影模型计算原始图像的深度，立体匹配技术被认为是立体视觉中最困难也是最关键的问题，容易受光照、噪声、非显著纹理（特征）等问题影响，无法得到较好的匹配效果。本节主要讲解OpenCV自带立体视觉模块StereoSGBM。StereoSGBM是一种半全局匹配
linolzhang·2020-06-24 05:42

机器学习实践系列之14 - OpenCV之傅里叶变换

关于傅里叶变换，讲的太多了，这里我就不再啰嗦一遍了，原理的东西大家可以搜一下，推荐一篇文章：如果看了此文你还不懂傅里叶变换，那就过来掐死我吧这篇文章写得很不错了，从频域到傅里叶级数讲的都比较细，而且都有配图，真看不懂的话就你掐死他吧！（PS：冤冤相报何时了，我在一旁看热闹，横批：不嫌事大）看下效果（居然暴漏了自己的迅雷，哈哈）：参考代码：/*linolzhang2013.11基于OpenCV的傅里
linolzhang·2020-06-24 05:42

机器学习实践系列之6 - OpenCV实战光流

光流（opticalflow）是运动物体运动带来的像素变化，表示像素空间的运动速度，直观也可以理解为光的流动。一般而言，光流是由于场景中前景目标本身的移动、相机的运动，或者两者的共同运动所产生的。光流是通过像素在时域上的变化来计算的，通过相邻帧之间的相关性来找到上一帧跟当前帧之间的对应关系。光流分为稀疏光流和稠密光流。•稀疏光流所谓稀疏光流，是指金字塔Lucas-Kanade方法（简称LK方法），
linolzhang·2020-06-24 05:42

GBDT的原理和应用

迭代决策树（GBDT）《唯品金融机器学习实践》中也提到因为GBDT＋LR良好
文西·2020-06-23 15:52

【资源】吴恩达新书《Machine Learning Yearning》，附中文版PDF下载

码农突围”，马上关注这里是码农充电第一站，回复“666”，获取一份专属大礼包真爱，请设置“星标”或点个“在看”简介免费电子书《MachineLearningYearning》是吴恩达历时两年总结整理的一本机器学习实践经验宝典
码农突围·2020-06-23 13:38

好书推荐计划：最快的学习是实践《Python机器学习实践指南》

大家好，我是禅师的助理兼人工智能排版住手助手条子。天天给禅师做底层工作。今天就是国庆节了，禅师已经出发去祖国的边疆，用车轮丈量边境线了。所以今天每周值得关注的人工智能头条栏目暂停一期，由条子我代替禅师，给各位粉丝老爷们拜个早年了！国庆嘛，哪儿哪儿都人多，还不如宅在家里好好学习呢！所以条子再向大家推荐一本人工智能优秀书籍。今天推荐的是由AlexanderT.Combs撰写的：《Python机器学习实
csdn人工智能头条·2020-06-23 11:48

图像拐点检测-原理以及代码实现

（下图摘自《机器学习实践应用》）图片中其实是有很多的边以及拐角的，今天要介绍的就是如何通过算法找到图片拐角。
李博Garvin·2020-06-23 11:33

机器学习实践：如何将Spark与Python结合？

ApacheSpark是处理和使用大数据最广泛的框架之一，Python是数据分析、机器学习等领域最广泛使用的编程语言之一。如果想要获得更棒的机器学习能力，为什么不将Spark和Python一起使用呢?在国外，ApacheSpark开发人员的平均年薪为110,000美元。毫无疑问，Spark在这个行业中被广泛使用。由于其丰富的库集，Python也被大多数数据科学家和分析专家使用。二者集成也并没有那么
coqonmdrr954803650·2020-06-23 00:45

美团机器学习实践-特征选择总结

最近在看美团机器学习实践，看到特征工程，特征选择方法一部分觉得写的很好，总结一下。特征选择主要目的就是，选择合适的特征，这样对于节省计算，模型最后的效果都有很大的好处，主要有下面三种类型。
changdejie·2020-06-22 21:05

机器学习实践(一)：用KNN进行磁盘故障预测

问题：磁盘故障预测(DiskFailurePrediction)（一）背景和说明  在大规模IDCS和云计算环境中，各种磁盘故障是罕见但昂贵的事情。因此，为了节约成本，HDD供应商非常积极的去降低故障率。幸运的是，我们有S.M.A.R.T.(自监控、分析和报告技术)，从计算机硬盘驱动器(HDDs)、固态驱动器(SSDs)和eMMC驱动器收集的日志，这些日志报告各种驱动器SMART属性，目的是预测硬
buchidanhuanger·2020-06-22 19:43

2020-01-09

：412267156/微信：jianghai412267156以下是已有电子书：原版电子书-高清文字版-非图片版-带索引目录[异步图书].精通Python自然语言处理，pdf[异步图书].Python机器学习实践指南
江小白888·2020-06-22 10:56

案例算法 | 机器学习python应用，简单机器学习项目实践

上一篇文章中介绍了机器学习的简单知识，还有python中进行机器学习实践需要的生态环境，接下来将会通过鸢尾花分类这个例子对机器学习做一个简要的介绍。通过一步一步地实现这个项目来介绍以下内容。
CDA·数据分析师·2020-06-21 15:23

Python机器学习实践：随机森林算法训练及调参-附代码

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。来源|博客园作者|战争热诚随机森林是一种有监督学习算法，是以决策树为基学习器的集成学习算法。随机森林非常简单，易于实现，计算开销也很小，但是它在分类和回归上表现出非常惊人的性能，因此，随机森林被誉为“代表集成学习技术水平的方法”。01随机森林的随机性体现在哪几个方面？1.1数据集的随机选取从原始的数据集中
数智物语·2020-06-21 14:21

《Python机器学习实践指南》（中文版带书签）、原书代码、数据集）

《Python机器学习实践指南》（中文版带书签）、原书代码、数据集）链接:https://pan.baidu.com/s/1qEqvjkOWWJVYM9oZRAf1GA提取码:4bc6内容简介·····
weixin_34143774·2020-06-21 11:56

基于Spark的机器学习实践 (一) - 初识机器学习

1导学1.1开源大数据技术1.2提高竞争力必备1.3教程规划1.7预备知识了解大数据相关基础知识熟悉Linux基本命令熟悉Scala语言的编程方法有一定的数学基础1.8环境参数Spark:2.3.0JDK:1.8IDE:IDEA2机器学习概述2.1机器学习概念2.2机器学习发展史2.3机器学习(ML)&人工智能(AI)2.4机器学习的一般功能◆分类识别图像中人脸的性别是男还是女◆聚类发掘喜欢类型的
weixin_34087503·2020-06-21 11:30
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他