前言： 對于像學(xué)大數(shù)據(jù)，機器學(xué)習(xí)，深度學(xué)習(xí)相關(guān)的初學(xué)者往往面臨著兩個問題： 沒有合適的訓(xùn)練數(shù)據(jù) 機器不行，沒有集群這里推薦一個不錯的平臺，相信大家都聽過，就是kaggle平臺...
發(fā)簡信
IP屬地：北京
-
kaggle入門--手寫數(shù)字識別 -
TensorFLow 函數(shù)翻譯 — tf.nn.conv2d()
tf.nn.conv2d(input, filter, strides, padding, use_cudnn_on_gpu=None, data_format=None, ...
-
tensorflow學(xué)習(xí)------文本分類詳解前言 這幾天caffe2發(fā)布了，支持移動端，我理解是類似單片機的物聯(lián)網(wǎng)吧應(yīng)該不是手機之類的，試想iphone7跑CNN，畫面太美~ 作為一個剛?cè)肟拥模踔吝€沒入坑的人，咱們還...
-
決策樹和隨機森林以及bagging vs boosting
前言 信息是用來消除隨機不確定性的東西。 ------香農(nóng) 隨機森林的特點這里就不說了，它就相當(dāng)于機器學(xué)習(xí)領(lǐng)域的Leatherman（多面手），你幾乎可以把任何東西扔進(jìn)...
-
聚類算法之k-means算法圖像像素重新處理前言： 機器學(xué)習(xí)----聚類算法的應(yīng)用很廣泛，屬于非監(jiān)督學(xué)習(xí)的它在無法提前定義標(biāo)簽的前提下將訓(xùn)練數(shù)據(jù)聚類。我們今天討論其中比較簡單的一種算法k-means算法。 k-mean...
-
舉例說明Spark RDD的分區(qū)、依賴
例子如下: 從輸出我們可以看出，對于任意一個RDD x來說，其dependencies代表了其直接依賴的RDDs（一個或多個）。那dependencies又是怎么能夠表明RD...
-
PCA算法降維和應(yīng)用
前言 首先我們先確定一個事實，就是我們在做ML(機器學(xué)習(xí))的時候，絕不是算法第一的。 我們在很多時候選擇一個或者說決定一個模型開始訓(xùn)練，我們首先應(yīng)該想的是： 數(shù)據(jù)來源(ETL...
-
python大數(shù)據(jù)準(zhǔn)備--pandas文/michaelgbw import numpy,pandas python這個語言有著天然的數(shù)據(jù)計算優(yōu)勢，numpy,scipy,pandas這些拓展的出現(xiàn)更是如虎添翼~...
-
H5模擬水紋的變化(差分函數(shù)應(yīng)用)文/michael 前言 算法或者說數(shù)學(xué)不論對于前端和后端來來說都是有用的，對于后端自然不必多說，機器學(xué)習(xí)，深度學(xué)習(xí)都考驗著我們的數(shù)學(xué)和線性代數(shù)的本事，而對于前端來說就是動畫...
