在人工智能和大数据产品的开发中，有哪些需要特别注意

2017-11-24

在人工智能和大数据产品的开发中，有哪些需要特别注意 人工智能是近年来科技发展的重要方向，大数据的采集、挖掘、应用的技术越来越受到瞩目。在人工智能和大数据产品的开发过程中，有哪些特别需要注意的要点? ...

深度学习已成功应用于这三大领域

2017-11-20

深度学习已成功应用于这三大领域 在本章中，我们将介绍如何使用深度学习来解决计算机视觉、语音识别、自然语言处理以及其他商业领域中的应用。首先我们将讨论在许多最重要的AI 应用中所需的大规模神经网络的实 ...

做好数据挖掘模型必读的9条高端经验总结

2017-05-19

做好数据挖掘模型必读的9条高端经验总结 数据挖掘是利用业务知识从数据中发现和解释知识(或称为模式)的过程，这种知识是以自然或者人工形式创造的新知识。 当前的数据挖掘形式，是在20世纪90年代实践领 ...

机器学习中的常见问题—损失函数

2017-03-28

机器学习中的常见问题—损失函数 一、分类算法中的损失函数 在分类算法中，损失函数通常可以表示成损失项和正则项的和，即有如下的形式： 其中，L(mi(w))为损失项，R(w)为正则项。mi的具体形式如下 ...

大数据风控模型的基本流程

2017-01-23

大数据风控模型的基本流程 金融的本质是将风险偏好不同的资金供给方和风险不同的资金需求方匹配起来。而大数据风控看两个方面的能力，一个是数据积累，另一个就是技术能力。分析可知，大数据风控模型的基本流程 ...

当数据分析成了一门显学，算法会左右你的终身大事

2016-10-17

当数据分析成了一门显学，算法会左右你的终身大事 你愿意你的终身大事被算法安排吗？如果有一天算法将比你更加了解你自己，你准备好相应的心智模块了吗？本期数据侠将比较机器学习和传统数据建模的区别，并用最 ...

数据挖掘与数据分析梳理

2016-10-11

数据挖掘与数据分析梳理 一、数据挖掘和数据分析概述 数据挖掘和数据分析都是从数据中提取一些有价值的信息，二者有很多联系，但是二者的侧重点和实现手法有所区分。 数据挖掘和数据分析的不同之处： ...

2017校招数据分析岗位笔试/面试知识点

2016-09-30

2017校招数据分析岗位笔试/面试知识点 2017校招正在火热的进行，后面会不断更新涉及到的相关知识点。尽管听说今年几个大互联网公司招的人超少，但好像哪一年都说是就业困难，能够进去当然最好，不能进去是不是 ...

数据挖掘系列决策树分类算法

2016-08-15

数据挖掘系列决策树分类算法 从这篇开始，我将介绍分类问题，主要介绍决策树算法、朴素贝叶斯、支持向量机、BP神经网络、懒惰学习算法、随机森林与自适应增强算法、分类模型选择和结果评价。 这篇先介绍 ...

做好数据挖掘模型，有什么好的经验推荐？

2016-05-27

做好数据挖掘模型，有什么好的经验推荐？ 数据挖掘是利用业务知识从数据中发现和解释知识（或称为模式）的过程，这种知识是以自然或者人工形式创造的新知识。 第一，目标律：业务目标是所有数据解决方案的源头 ...

数据挖掘相关的数学基础

2016-05-15

数据挖掘相关的数学基础 面对复杂数据，数据挖掘的基本流程是：首先对原始数据进行填补遗漏、消除异常、平滑噪声等处理，提高数据挖掘的有效性和准确性。然后使用专门的算法对原始数据进行归纳抽象，去掉取之过 ...

原理+代码|Python实战多元线性回归模型

2020-08-05

线性回归就是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。我们在机器学习过程中也经常会遇到构建线性回归模型的场景，对于初学者来说还是比较困难的 ...

过拟合是如何产生的？有什么好的解决方法？

2020-07-23

在机器学习中，相对于欠拟合，过拟合出现的频次更高。这是因为，假设某一数据集其对应的模型为‘真’模型，我们通常是采用提高模型的复杂度的方法，来避免欠拟合现象的产生，但与此同时，我们又很难把网络设计成和 ...

欠拟合产生的原因有哪些？应该如何解决？

2020-07-23

对于机器学习或者是深度学习模型来说，我们既希望这个模型能在训练数据中表现良好(训练误差)，又希望这个模型在测试集中也能有良好的表现(泛化误差)。而过拟合和欠拟合就是用来描述泛化误差的。欠拟合问题与过拟合 ...

机器学习中感知机是什么？如何实现？

2020-07-10

感知机(Perceptron)或者叫做感知器，是Frank Rosenblatt在1957年就职于Cornell航空实验室(Cornell Aeronautical Laboratory)时所发明的一种人工神经网络，是机器学习领域最基础的模型，被誉为机器学习的敲门砖。 ...

决策树剪枝，常用这2种方法

2020-07-09

前面我们了解了决策树的概念，现在来了解一下决策树剪枝。可能会有人问：为什么要剪枝?答案是：如果一棵决策树完全生长，那么这棵决策树所对应的每一个叶节点中只会包含一个样本，就很有可能面临过拟合问题，因此 ...

如何快速简单的理解决策树的概念？

2020-07-09

决策树(Decision Tree)是机器学习中一种常见的算法，它的思想非常朴素，就像我们平时利用选择做决策的过程。决策树是一种基本的分类与回归方法，当被用于分类时叫做分类树，被用于回归时叫做回归树。 一、决策 ...

学习曲线--帮你清晰判断过拟合和欠拟合

2020-07-09

前面小编给大家简单介绍过拟合和欠拟合时，提到了一个概念：学习曲线，我们通过学习曲线能够很清晰的判别出模型现在说出的状态是欠拟合还是过拟合，下面小编具体整理了学习曲线的相关内容，希望对大家有所帮助。 ...

过拟合(over-fitting)出现的原因及相应的解决方法

2020-07-08

过拟合(over-fitting)是指机器学习模型或者是深度学习模型在训练样本中表现得过于优越，导致在验证数据集以及测试数据集中表现不佳。也就是referstoa模型对于训练数据拟合程度过高的情况。 通过学习曲线来理解 ...

特征工程是什么？常用的方法有哪些？

2020-07-07

“数据决定了机器学习的上限，而算法只是尽可能逼近这个上限”，这里的数据指的就是经过特征工程得到的数据。特征工程指的是把原始数据转变为模型的训练数据的过程，它的目的就是获取更好的训练数据特征，使得机器 ...