机器学习

第2页

机器学习中用来防止过拟合的方法有哪些?

本文作者fly qq微信公众号qRobotics,机器人学博士生 原文:机器学习中用来防止过拟合的方法有哪些? 给《机器视觉与应用》课程出大作业的时候,正好涉及到这方面内容,所以简单整理了一下(参考 Hinton 的课程)。按照之前的套路写...

一文读懂 CNN、DNN、RNN 内部网络结构区别

来自 https://blog.csdn.net/kwame211/article/details/79578390 从广义上来说,NN(或是更美的DNN)确实可以认为包含了CNN、RNN这些具体的变种形式。在实际应用中,所谓的深度神经网络...

A Course in Machine Learning

by Hal Daumé III Machine learning is the study of algorithms that learn from data and experience. It is applied in a vas...

评分卡上线后如何进行评分卡的监测

作者授权转发,原文地址:https://blog.csdn.net/lll1528238733/article/details/78356803 版权声明:本文为博主原创文章,未经博主允许不得转载。 有一段时间没来写博了,一直忙我司申请评分...

信用标准评分卡模型开发及实现

作者授权转发,原文地址:https://blog.csdn.net/lll1528238733/article/details/76602006 版权声明:本文为博主原创文章,未经博主允许不得转载。 一、信用风险评级模型的类型 信用风险计量...

246 页《统计机器学习与凸优化》教程

统计机器学习(Statistical Machine Learning)是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科。凸优化(convex optimization)是指一种比较特殊的优化,是指求取最小值的目...

大白话解析模拟退火算法

一. 爬山算法 ( Hill Climbing ) 介绍模拟退火前,先介绍爬山算法。爬山算法是一种简单的贪心搜索算法,该算法每次从当前解的临近解空间中选择一个最优解作为当前解,直到达到一个局部最优解。 爬山算法实现很简单,其主要缺点是会陷入...

入门级攻略:机器学习 VS. 深度学习

from https://zhuanlan.zhihu.com/p/26769864 摘要: 本文以浅显易懂的语言介绍了机器学习和深度学习的定义及应用,以及在源数据要求,硬件支持,特征工程、问题解决方式、执行时间及可解释性等方面的区别,对于...

python调参神器hyperopt

from https://blog.csdn.net/qq_34139222/article/details/60322995   Hyperopt库为python中的模型选择和参数优化提供了算法和并行方案。机器学习常见的模型有K...

揭秘Kaggle神器xgboost

from https://blog.csdn.net/qunnie_yi/article/details/80129857 在 Kaggle 的很多比赛中,我们可以看到很多 winner 喜欢用 xgboost,而且获得非常好的表现,今天就...

跨平台机器学习模型交互–PMML简述

来自 http://www.aboutyun.com/forum.php?mod=viewthread&tid=24805 问题导读 1.跨语言,跨平台之间的机器学习模型如何共享交互? 2.机器学习模型如何上线? PMML简介 模型...

R训练Random Forest并转pmml

from https://blog.csdn.net/c1481118216/article/details/74202786 PMML 关于pmml 请查看博客: http://blog.csdn.net/c1481118216/arti...

如何用 SAS/EM 导出 PMML 文件?

来自 http://blog.sina.com.cn/s/blog_8db50cf70101hkzy.html 1) 启动 PMML 生成选项 SAS/EM 默认情况下不支持PMML,想要生成PMML文档,必须手动打开PMML 生成选项。 ...

R语言 | 关联规则

from https://blog.csdn.net/gjwang1983/article/details/45015203 1.概念 1.1 引论 关联规则(AssociationRules)是无监督的机器学习方法,用于知识发现,而非预测...

【一网打尽】机器学习梯度下降优化算法

来自 https://blog.csdn.net/u010352603/article/details/80590186 1. 梯度下降 梯度的方向是上升的方向,所以我们是沿着梯度的反方向,每一次根据学习率来决定走的步长,争取到达谷底。 2...