同时欢迎关注我们的公众号：OPPO_tech，与你分享OPPO前沿互联网技术及活动。 零样本学习方法是学术界重要的前沿研究分支之一。 尽管大量科研相关人员已经标注了很多标准数据集。但就算著名如ImageNet，在其千万级数据集中也不过分为21841 个类别，现实世界中已经标注的…

线性回归对已有数据进行建模，可以对未来数据进行预测。有些人觉得线性回归太过简单，甚至不屑于称之为机器学习；另外一些人觉得很多编程库已经对线性回归做了封装，使用时调用一下函数就好，不必了解太多数学推导过程。实际上，线性回归是所有机器学习技术的一个最好起点，很多复杂的机器学习技术以…

动机想象一下，如果有数十万到数百万张图像的数据集，却没有描述每张图像内容的元数据。我们如何建立一个系统，能够找到这些图像的子集来更好地回答用户的搜索查询?我们基本上需要的是一个搜索引擎，它能够根据图像

在掘金混迹有一段时间了，发现掘友圈子，都是帅气、有才、技术好的大佬。为深入了解掘友们，通过获取部分掘友用户公开信息，利用图数据库neo4j和图挖掘算法分析掘一下友圈那些鲜为人知的事儿。 ^_^ 利用 python的requests 写一个简单的爬虫，以站长 阴明 为起点，利用对…

即使仅仅观察查全率为100% 也没多大意义， 虽然相关的文档 被全部召回了， 但是往往代价是伴随着更多的不相关文档被召回，导致查准率下降， 所以应该同时考虑两个指标，尽可能的都要高。 一种同时考虑准确率和召回率的指标。公式如下： 可以看出F的取值范围从0到1。另外还有一种F的变…

本专栏之前的文章介绍了线性回归以及最小二乘法的数学推导过程。对于一组训练数据，使用线性回归建模，可以有不同的模型参数来描述数据，这时候可以用最小二乘法来选择最优参数来拟合训练数据，即使用误差的平方作为损失函数。机器学习求解参数的过程被称为参数估计，机器学习问题也变成求使损失函数…

在本练习中，我们将从一些简单的2D数据集开始使用SVM来查看它们的工作原理。 顾名思义，基于线性核函数的SVM主要是用来实现线性决策边界的分类问题的。 可以看到这是一个线性决策边界的简单数据集，并且在(0.2,4.2)位置有一个异常点，下面我们将探索SVM中的超参数C（可以理解…

这篇文章主要是介绍一些 python 的技巧。 1. Lambda, map, filter, reduce 因为快速声明的特点使得 lambda 非常适合用于回调函数以及作为一个参数传入其他函数中。此外，它还可以很好的和 map, filter , reduce 这几个函数一…

我们生活在一个极其复杂的世界，不管是小到分子原子亦或是大到整个宇宙，其复杂程度都是超乎想象。或许你不曾深入去思考过身边事物的复杂性，那是因为你已经对你日常所见习以为常。所有在你出生之前发明的事物都是这个世界的自然组成部分，所以很多事物给人的感觉都是这个世界本来的样子。 像人类这…