世界你好<br> ——來自地球
發(fā)簡信
IP屬地：安徽
-
??
Flink帶有狀態(tài)的轉(zhuǎn)換操作
本篇是對(duì)一篇Flink文章的翻譯：https://training.ververica.com/lessons/stateful.html實(shí)現(xiàn)一個(gè)場(chǎng)景：我們需要輸出每個(gè)傳感器...
-
如何給老婆解釋什么是RPC一個(gè)陽光明媚的早晨，老婆又在翻看我訂閱的技術(shù)雜志。 “老公，什么是RPC呀，為什么你們程序員那么多黑話！”，老婆還是一如既往的好奇?！癛PC，就是Remote Procedu...
-
評(píng)論較多，簡書回復(fù)也不太方便，如有問題麻煩關(guān)注下面的公眾號(hào)，加入我的微信群一起討論。公眾號(hào)ID：小小挖掘機(jī)
-
探秘Word2Vec(四)-CBOW模型之前說了那么多，現(xiàn)在我們正式開始接觸word2vec中涉及到的兩個(gè)模型，CBOW模型(Continuous Bag-Of-Words Model)和Skip-gram模型(C...
-
Kaggle 神器 xgboost在 Kaggle 的很多比賽中，我們可以看到很多 winner 喜歡用 xgboost，而且獲得非常好的表現(xiàn)，今天就來看看 xgboost 到底是什么以及如何應(yīng)用。 本文結(jié)構(gòu)...
-
為什么要用交叉驗(yàn)證本文結(jié)構(gòu)： 什么是交叉驗(yàn)證法？ 為什么用交叉驗(yàn)證法？ 主要有哪些方法？優(yōu)缺點(diǎn)？ 各方法應(yīng)用舉例？ 什么是交叉驗(yàn)證法？ 它的基本思想就是將原始數(shù)據(jù)（dataset）進(jìn)行分組，一...
-
半壺豬 ·想象一個(gè)來自未來的自己，他非常自信，非常成功，擁有你現(xiàn)在所希望的一切，他會(huì)對(duì)現(xiàn)在的你說些什么？他怎么說，你就怎么去做，10年之后，你就變成了他。
超逸四海 評(píng)論自名校畢業(yè)，年薪50萬，奮斗十年在北京還是買不起房 -
決策樹與隨機(jī)森林（三）--提升
轉(zhuǎn)自July--4月機(jī)器學(xué)習(xí)算法班 由決策樹和隨機(jī)森林引發(fā)思路 隨機(jī)森林的決策樹分布采樣建立，相對(duì)獨(dú)立。 思考： 前m-1棵樹是否會(huì)影響第m棵樹？ 各個(gè)決策樹組成決策森林后，...
-
機(jī)器學(xué)習(xí)_集成算法為什么使用集成算法 ?簡單算法一般復(fù)雜度低，速度快，易展示結(jié)果，但預(yù)測(cè)效果往往不是特別好。每種算法好像一種專家，集成就是把簡單的算法（后文稱基算法/基模型）組織起來，即多個(gè)專...
-
GBDT：梯度提升決策樹綜述 GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一種...
-
-
@schnauzer 正解
一個(gè)框架解決幾乎所有機(jī)器學(xué)習(xí)問題
上周一個(gè)叫 Abhishek Thakur 的數(shù)據(jù)科學(xué)家，在他的 Linkedin 發(fā)表了一篇文章 Approaching (Almost) Any Machine Lear...
-
比較糙,參考鏈接倒是不錯(cuò)
第一篇: 詞向量之Word2vector原理淺析
一、概述 本文主要是從deep learning for nlp課程的講義中學(xué)習(xí)、總結(jié)google word2vector的原理和詞向量的訓(xùn)練方法。文中提到的模型結(jié)構(gòu)和wor...
-
本專題招募管理員，有意向請(qǐng)簡信私聊，謝謝！ 用來分享機(jī)器學(xué)習(xí)，深度學(xué)習(xí)，神經(jīng)網(wǎng)絡(luò)，計(jì)算機(jī)視覺等領(lǐng)域的一些技術(shù)。 Machine Learning 學(xué)習(xí)資料：http://www.itdecent.cn/p/e0238db24973 相關(guān)參考： 1. [Coursera - Machine Learning by Andrew Ng]：https://www.coursera.org/learn/machine-learning 2. [ Stanford CS231n Course]：http://cs231n.github.io/ 課程整理：http://www.itdecent.cn/p/182baeb82c71 3. [深度學(xué)習(xí)與神經(jīng)網(wǎng)絡(luò)(英文原版)]：http://neuralnetworksanddeeplearning.com/ [GitBook同步鏈接]：https://www.gitbook.com/book/tigerneil/neural-networks-and-deep-learning-zh/details 4. [UFLDL教程]：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B （中文） http://ufldl.stanford.edu/wiki/index.php/UFLDL_Tutorial （英文） 5. [Deep Learning - An MIT Press book]：http://www.deeplearningbook.org/ 6. [Neural Network Playground]： http://playground.tensorflow.org/ 7. [A Guide to Deep Learning]： http://www.itdecent.cn/p/6752a8845d01 8. [知乎“機(jī)器學(xué)習(xí)”專欄]： https://www.zhihu.com/collection/108812637 9. [How do Convolutional Neural Networks work?] http://www.itdecent.cn/p/fe428f0b32c1 …… 希望大家可以相互交流，相互學(xué)習(xí)！
-
我是 Alice<br>喜歡人工智能，行動(dòng)派<br>創(chuàng)造力，思考力，學(xué)習(xí)力提升修煉進(jìn)行中<br>歡迎志同道合的小伙伴們和我一起學(xué)習(xí)<br>微信：XerDudu，備注簡書<br>公眾號(hào)：極客X養(yǎng)成計(jì)劃<br>轉(zhuǎn)載記得聯(lián)系作者哦！
