首页
首页
沸点
课程
直播
活动
竞赛
商城
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
眷顾316
掘友等级
获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
0
文章 0
沸点 0
赞
0
返回
|
搜索文章
最新
热门
推荐系统
推荐系统通过分析用户的历史行为给用户的兴趣建模, 从而主动给用户推荐给能够满足他们兴趣和需求的信息, 能够真正的“懂你” 。 与传统的机器学习模型相比, 深度学习模型的表达能力更强, 能够挖掘更多数据
机器学习之adaboost
监督学习算法:逻辑回归,线性回归,决策树,朴素贝叶斯,K近邻,支持向量机,集成算法Adaboost等 无监督算法:聚类,降维,关联规则, PageRank等 AdaBoost算法是一种再学习的一种方式
协同过滤
一 简介 随着信息技术和互联网的发展, 我们已经步入了一个信息过载的时代,这个时代,无论是信息消费者还是信息生产者都遇到了很大的挑战: 信息消费者:如何从大量的信息中找到自己感兴趣的信息? 信息生产者
三十 机器学习之SVM 4.
本文已参与「掘力星计划」,赢取创作大礼包,挑战创作激励金。 小知识,大挑战!本文正在参与“程序员必备小知识”创作活动。 一 核函数的优势和缺陷 除了Sigmoid核函数,其他核函数效果都还不错。但其实
二十九 机器学习之SVM 3.
本文已参与「掘力星计划」,赢取创作大礼包,挑战创作激励金。 小知识,大挑战!本文正在参与“程序员必备小知识”创作活动。 一 非线性 在非线性数据上进行SVM绘图 二 探索核函数在不同数据集上的表现 除
二十八 机器学习之SVM 2.
本文已参与「掘力星计划」,赢取创作大礼包,挑战创作激励金。 小知识,大挑战!本文正在参与“程序员必备小知识”创作活动。 一 线性SVM决策过程的可视化 我们可以使用sklearn中的式子来为可视化我们
二十七 机器学习之SVM 1.
本文已参与「掘力星计划」,赢取创作大礼包,挑战创作激励金。 小知识,大挑战!本文正在参与“程序员必备小知识”创作活动。 一 概述 支持向量机(SVM,也称为支持向量网络),是机器学习中获得关注最多的算
二十六 机器学习二元回归与多元回归
本文已参与「掘力星计划」,赢取创作大礼包,挑战创作激励金。 小知识,大挑战!本文正在参与“程序员必备小知识”创作活动。 一 重要参数solver & multi_class 之前我们对逻辑回归的讨论,
二十五 机器学习之逻辑回归6.
本文已参与「掘力星计划」,赢取创作大礼包,挑战创作激励金。 小知识,大挑战!本文正在参与“程序员必备小知识”创作活动。 一 逻辑回归模型优化 这样我们就实现了在特征选择的前提下,保持模型拟合的高效,现
二十四 机器学习之逻辑回归5.
本文已参与「掘力星计划」,赢取创作大礼包,挑战创作激励金。 小知识,大挑战!本文正在参与“程序员必备小知识”创作活动。 一 R vs Python,统计学vs机器学习 有许多学过R,或者和python
下一页
个人成就
文章被点赞
3
文章被阅读
10,326
掘力值
643
关注了
1
关注者
7
收藏集
0
关注标签
0
加入于
2021-08-09