游戲和互聯(lián)網(wǎng)行業(yè)數(shù)據(jù)分析專(zhuān)題
發(fā)簡(jiǎn)信
IP屬地：重慶
-
-
誠(chéng)招管理員！聯(lián)系我~ 本專(zhuān)題專(zhuān)注于大數(shù)據(jù)技術(shù)，包括但不限于：分布式系統(tǒng)，hadoop，spark，storm，mesos，hbase，zookeeper。。。 Tips:如果是自己學(xué)習(xí)這些技術(shù)，通過(guò)社區(qū)學(xué)習(xí)是一個(gè)不錯(cuò)的方式。 JIRA:https://issues.apache.org/jira/browse/SPARK/?selectedTab=com.atlassian.jira.jira-projects-plugin:summary-panel
-
連玉君老師團(tuán)隊(duì)Stata實(shí)證經(jīng)驗(yàn)分享。<br>百-度-搜索【連享會(huì) 主頁(yè)】看最新推文。
-
xgboost的原理沒(méi)你想像的那么難xgboost 已然火爆機(jī)器學(xué)習(xí)圈，相信不少朋友都使用過(guò)。要想徹底掌握xgboost，就必須搞懂其內(nèi)部的模型原理。這樣才能將各個(gè)參數(shù)對(duì)應(yīng)到模型內(nèi)部，進(jìn)而理解參數(shù)的含義，根據(jù)需...
-
java開(kāi)發(fā)，目前在學(xué)習(xí)深度學(xué)習(xí)，keras和大數(shù)據(jù)spark
-
公眾號(hào)：猴子數(shù)據(jù)分析
-
機(jī)器學(xué)習(xí)(Machine Learning，ML)是研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過(guò)程。數(shù)據(jù)挖掘中用到了大量的機(jī)器學(xué)習(xí)界提供的數(shù)據(jù)分析技術(shù)和數(shù)據(jù)庫(kù)界提供的數(shù)據(jù)管理技術(shù)，機(jī)器學(xué)習(xí)是數(shù)據(jù)挖掘的一個(gè)重要的工具。機(jī)器學(xué)習(xí)交流群：613944735
-
-
-
貝葉斯分類(lèi)器樸素貝葉斯 在前面關(guān)于分類(lèi)的算法中，我們能夠?qū)δ撤N數(shù)據(jù)進(jìn)行分類(lèi)，但這種分類(lèi)的準(zhǔn)確性我們無(wú)法評(píng)估，即一般來(lái)說(shuō)我們不能回答有多大把握認(rèn)為這種分類(lèi)是正確的。前面章節(jié)中的分類(lèi)器被稱(chēng)為...
-
協(xié)同過(guò)濾與分類(lèi)
[TOC] 協(xié)同過(guò)濾——基于用戶(hù)與物品的推薦算法 本文是《寫(xiě)給程序員的數(shù)據(jù)挖掘?qū)嵺`指南》的一周性筆記總結(jié)。主要涵蓋了以下內(nèi)容： 不同距離函數(shù)的選擇 k-NN Slope On...
-
Hi，很高興在@IT·互聯(lián)網(wǎng)專(zhuān)題遇見(jiàn)你。 收錄范圍：收錄IT&互聯(lián)網(wǎng)行業(yè)觀察與思考，數(shù)碼產(chǎn)品極客體驗(yàn)分析等類(lèi)型文章 投稿須知：http://www.itdecent.cn/p/4edc76104c27 專(zhuān)題主編：@若錦 http://www.itdecent.cn/u/e4c63b354a77 官方社群：可聯(lián)系添加 @若錦 加入專(zhuān)題官方社群交流、學(xué)習(xí)，添加時(shí)備注簡(jiǎn)書(shū)ID。
