《刻意學(xué)習(xí)》作者。新浪微博@Scalers，微信公眾號(hào)：持續(xù)力。個(gè)人微信fscalers。
發(fā)簡(jiǎn)信
IP屬地：江蘇
-
Matrix Factorization推薦系統(tǒng)數(shù)學(xué)推理
問(wèn)題描述 我們知道Matrix Factorization系統(tǒng)關(guān)鍵是要把Matrix矩陣分解為兩個(gè)矩陣因子W和U，但是怎么分解因子，是我們面對(duì)的主要問(wèn)題，機(jī)器學(xué)習(xí)的目的就是要...
-
Matrix Factorization推薦系統(tǒng)keras實(shí)現(xiàn)
問(wèn)題描述 Matrix Factorization推薦系統(tǒng)是非常高效而且又是端到端的解決方案，利用keras機(jī)器學(xué)習(xí)庫(kù)，可以非常簡(jiǎn)單就能實(shí)現(xiàn)，實(shí)現(xiàn)之后我們也可以對(duì)矩陣分解推薦...
-
Keras里Embedding層的理解
問(wèn)題描述 Embedding層在機(jī)器學(xué)習(xí)中用的非常多，不問(wèn)是NLP系統(tǒng)還是推薦系統(tǒng)，都會(huì)用到這個(gè)層，而且是放在最模型的最前面使用的，那么它到底有什么意義，今天我們就探討一下。...
-
Matrix Factorization 推薦系統(tǒng)原理
問(wèn)題描述 在推薦系統(tǒng)中，最重要的原始數(shù)據(jù)就是User和Item組成的二維矩陣，每一項(xiàng)的值就代表著某個(gè)User對(duì)某個(gè)Item打分項(xiàng)。這個(gè)矩陣會(huì)非常大，我們估算一下，假如某個(gè)網(wǎng)站...
-
傳統(tǒng)推薦算法
傳統(tǒng)推薦算法 Bandit算法與系統(tǒng)推薦 在推薦系統(tǒng)里比較經(jīng)典的問(wèn)題，就是EE和用戶冷啟動(dòng)問(wèn)題 什么是EE，兩個(gè)單詞的簡(jiǎn)稱，分別是exploit和explore前者代表挖礦收...
-
大數(shù)據(jù)名詞
Spark Scalar使用scalar兩個(gè)主要接口：他提供了最為完整的Spark接口，而且得益于JVM帶來(lái)的性能優(yōu)勢(shì)，在生產(chǎn)環(huán)境大部分部署的大部分應(yīng)用都適用Scalar。 ...
-
關(guān)于多維的降解以及意義
昨天在學(xué)習(xí)一維分類問(wèn)題是，今天突然想到一個(gè)問(wèn)題，我們?cè)谝晃环诸惖膯?wèn)題是，非?？粗氐囊稽c(diǎn)是否可分，比如同一類別的點(diǎn)，它的定義域是否都落在一起，只有大部分定義域都落在一個(gè)定義域里...
-
使用循環(huán)神經(jīng)網(wǎng)絡(luò)識(shí)別minist數(shù)據(jù)RNN 循環(huán)神經(jīng)網(wǎng)絡(luò)的基本知識(shí) 其實(shí)循環(huán)神經(jīng)網(wǎng)絡(luò)我對(duì)了好久都沒(méi)有讀懂，之前還研究過(guò)源代碼，但是到后來(lái)沒(méi)有多久又忘記了。今天在我已經(jīng)非常熟悉CNN的情況下，我想再仔細(xì)研究一下R...
-
ImageNet Classification with Deep Convolutional Neural Network 翻譯
ImageNet Classification with Deep Convolutional NeuralNetwork利用深度卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行ImageNet分類 Abs...
-
平均數(shù)和標(biāo)準(zhǔn)差
在機(jī)器學(xué)習(xí)中，平均數(shù)表示的是所有樣本的平均值，也是所有樣本的中心點(diǎn)。平方差：所有樣本到中心點(diǎn)距離的平方和標(biāo)準(zhǔn)差：平方差/n得到平均平方差，然后再開(kāi)根號(hào)。 numpy里有這些函...
-
大數(shù)據(jù)主成分分析（PCA）
問(wèn)題描述 主成分分析（PCA）和大數(shù)據(jù)降維SVD之間是有聯(lián)系的，我們今天就看看他們之間到底什么關(guān)系，但是在沒(méi)有理清楚他們之前關(guān)系之前，我們需要線看看PCA到底代表什么意思。 ...
-
利用奇異值分解SVD給大數(shù)據(jù)降維
大數(shù)據(jù)的理解 大數(shù)據(jù)定義數(shù)據(jù)被定義為過(guò)于巨大的數(shù)據(jù)集合，以至于變得難以使用傳統(tǒng)技術(shù)來(lái)處理。大數(shù)據(jù)的大體現(xiàn)在三個(gè)方面： 樣例比較大比如統(tǒng)計(jì)了10人的樣本數(shù)據(jù)，比如有100萬(wàn)個(gè)圖...
-
機(jī)器學(xué)習(xí)中內(nèi)存檢測(cè)和優(yōu)化
問(wèn)題描述 就像你在測(cè)試的應(yīng)用程序的性能特性所見(jiàn)的那樣，你也能獲得有關(guān)內(nèi)存方面的類似信息。跟蹤內(nèi)存消耗可以告訴你有關(guān)數(shù)據(jù)處理方式或者把數(shù)據(jù)床底給學(xué)習(xí)算法的方式中可能發(fā)生的問(wèn)題。...
-
機(jī)器學(xué)習(xí)中的計(jì)時(shí)和性能
問(wèn)題描述 在機(jī)器學(xué)習(xí)中當(dāng)我們比較集中算法之間的性能差異時(shí)，我們需要比較算法執(zhí)行的時(shí)間，從而分析出算法的優(yōu)劣，今天就學(xué)習(xí)這些小技巧。 用timeit做時(shí)間基線檢測(cè) 我們要明白%...
-
python機(jī)器學(xué)習(xí)庫(kù)Scikit-learn
python語(yǔ)言中用來(lái)處理機(jī)器學(xué)習(xí)的庫(kù)最重要的就是Scikit-learn，簡(jiǎn)稱sklearn。被大多數(shù)科學(xué)家所鐘愛(ài)，包括了構(gòu)建良好的學(xué)習(xí)算法、誤差函數(shù)和測(cè)試?yán)?。在skle...
-
matplotlib之散點(diǎn)圖
問(wèn)題描述 散點(diǎn)圖展示數(shù)據(jù)的聚集，而不是趨勢(shì)（如線圖）或者離散值（如柱狀圖）。散點(diǎn)圖的目的是幫助你看數(shù)據(jù)模式。 基本散點(diǎn)圖演示 以下代碼展示了如何用隨機(jī)數(shù)創(chuàng)建散點(diǎn)圖： 通過(guò)顏色...
-
matplotlib之直方圖hist
問(wèn)題描述 當(dāng)我們想展示不同的數(shù)據(jù)在所有數(shù)據(jù)樣本中的分布時(shí)，需要用直方圖來(lái)展示。當(dāng)然在數(shù)據(jù)量很大的時(shí)候，如果為每個(gè)數(shù)據(jù)樣本都展示一個(gè)分布，數(shù)據(jù)量太大，而且不利于觀察，我們通常的...
-
matplotlib之餅圖pie
在機(jī)器學(xué)習(xí)中，對(duì)數(shù)據(jù)進(jìn)行觀察時(shí)，我們選擇的圖表類型決定了人們?nèi)绾蝸?lái)觀察數(shù)據(jù)之間的關(guān)聯(lián)，因此從一開(kāi)始選擇合適的圖表時(shí)非常重要的。如果你想展示不同的數(shù)據(jù)元素如何為總體做貢獻(xiàn)，你真...
-
數(shù)據(jù)的表現(xiàn)形式-圖表庫(kù)matplotlib
問(wèn)題描述 當(dāng)我們?cè)跈C(jī)器學(xué)習(xí)的時(shí)候，首先會(huì)獲取數(shù)據(jù)，然后會(huì)觀察數(shù)據(jù)，通過(guò)對(duì)數(shù)據(jù)的觀察，我們知道這些數(shù)據(jù)內(nèi)部大概呈現(xiàn)什么關(guān)系，從而為接下里的模型選擇做好參考準(zhǔn)備。這就我們今天要學(xué)...