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 ...

机器学习中的泛化能力指的是什么？

2020-07-03

概括地说，泛化能力(generalization ability)是指机器学习算法对新鲜样本的适应能力。学习的目的是学到隐含在数据对背后的规律，对具有同一规律的学习集以外的数据，经过训练的网络也能给出合适的输出，该能力称为 ...

线性可分支持向量机、线性支持向量机、非线性支持向量机的区别有哪些

2020-07-03

支持向量机是一种二类分类模型.它的基本模型是定义在特征空间上的间隔最大的线性分类器。其学习策略是间隔最大化，可形式化为求解凸二次规划问题，也等价于正则化的合叶损失函数的最小化问题。 支持向量机学习 ...

SVM和LR有哪些相同点和不同点

2020-07-03

SVM和LR是机器学习中常用的算法，今天就让我们来看一下这两者有哪些相同点和不同点吧。 SVM和LR的相同点： 1.LR和SVM都是有监督的学习 2.LR和SVM都可以处理分类问题，且一般都用于处理线性二分类问题(在 ...

SVC，NuSVC，LinearSVC有什么区别

2020-07-03

相信大家在机器学习中，一定常见到;SVC，NvSVC，LinearSVC，今天我们就来看看这三者的区别。 SVC(C-Support Vector Classification)： 支持向量分类，基于libsvm实现的，数据拟合的时间复杂度是数据样本的二 ...

线性回归的原理和表达式

2020-07-01

有监督学习的主要任务是分类和回归，而其中最简单的一种回归方式就是线性回归。下面跟随小编一起来看线性回归的内容吧。 线性回归得出的模型不一定是一条直线，在只有一个变量的时候，模型是平面中的一条直线; ...

深度学习算法：CNN、RNN、LSTM、TensorFlow等之间的关系！

2020-05-27

用于实际问题的深度神经网络可能具有10层以上的隐藏层。它的拓扑可能很简单，也可能很复杂。网络中的层越多，它可以识别的特征就越多。不幸的是，网络中的层越多，计算所需的时间就越长，并且训练起来就越困难。 ...

Kmeans算法精简版(无for loop循环)

2020-05-27

大家在学习算法的时候会学习到关于Kmeans的算法，但是网络和很多机器学习算法书中关于Kmeans的算法理论核心一样，但是代码实现过于复杂，效率不高，不方便阅读。这篇文章首先列举出Kmeans核心的算法过程 ...

机器学习中的线性回归，你理解了多少？

2020-02-22

作者丨algorithmia 来源 | 大数据与人工智能 机器学习中的线性回归是一种来源于经典统计学的有监督学习技术。然而，随着机器学习和深度学习的迅速兴起，因为线性（多层感知器）层的神经网络 ...

33 个神经网络「炼丹」技巧

2019-12-26

作者 | Andrej Karpathy 编译 | AI有道 特斯拉人工智能部门主管 Andrej Karpathy 发布新博客，介绍神经网络训练的技巧。 Andrej Karpathy 是深度学习计算机视觉领域、与领域的研究员 ...

用OpenCV等构建神经网络，这些实战经验你肯定用得上！

2020-05-21

在我们的机器学习实验室，我们在许多高性能的机器已经积累了成千上万个小时的训练。然而，并不是只有计算机在这个过程中学到了很多东西：我们自己也犯了很多错误，修复了很多错误。 我们承认这些都是众所周知 ...

新手机器学习工程师最容易犯的6大错误

2019-12-16

作者 | Christopher Dossman 编译 | ronghuaiyang 在机器学习中，有许多方法来构建产品或解决方案，每种方法都假设不同的东西。很多时候，如何识别哪些假设是合理的并不明显。刚接触机器学 ...

8个计算机视觉深度学习中常见的Bug

2019-12-11

作者 | Arseny Kravchenko 编译 | ronghuaiyang 人是不完美的，我们经常在软件中犯错误。有时这些错误很容易发现：你的代码根本不能工作，你的应用程序崩溃等等。但是有些bug是隐藏的，这 ...

机器学习之深度学习的未来

2019-12-09

作者 | Francois Chollet 编译 | CDA数据分析师 The future of deep learning 鉴于我们对深网的工作原理，局限性以及研究现状的了解，我们能否预测中期的发展方向？这是一些纯粹的个 ...

机器学习与深度学习核心知识点总结(二)

2019-12-03

作者 | 小小挖掘机 来源 | SIGAI 主成分分析 主成分分析是一种数据降维和去除相关性的方法，它通过线性变换将向量投影到低维空间。对向量进行投影就是对向量左乘一个矩阵，得到结果向量 ...

机器学习与深度学习核心知识点总结(一)

2019-12-02

作者 | 小小挖掘机 来源 | SIGAI 数学 1.列举常用的最优化方法 梯度下降法 牛顿法， 拟牛顿法 坐标下降法 梯度下降法的改进型如AdaDelta，AdaGrad，Adam，NAG等。 ...

如何在Keras中开发最大化生成对抗网络(InfoGAN)的信息？

2019-11-13

作者 | CDA数据分析师 生成对抗网络（GAN）是一种用于训练深度卷积模型以生成合成图像的体系结构。 尽管非常有效，但默认GAN无法控制生成的图像类型。信息最大化GAN（简称InfoGAN）是GAN架构的 ...

机器学习的敲门砖：kNN算法（下）

2019-10-21

作者 | Japson 来源 | 木东居士 0x00 前言 在上一篇文章《机器学习的敲门砖：kNN算法（中）》中，我们借助kNN分类算法，学习了如下知识点： 将数据集划分为训练数据集和测试数据 ...

你真的懂对抗样本吗？一文带你重新认识对抗样本背后的含义

2019-10-10

作者 | Alex Adam 来源 | 机器之心 很多人都大概了解对抗样本是什么：在数据中加入人眼不可察觉的扰动，使得模型对数据的标签预测发生混淆和错误。但是，这句话背后的技术细节是什么？怎样才 ...

如何避免机器学习中的三大陷阱？

2019-09-16

▲利用机器学习来优化生产高能等离子体的设备 随着来自无数领域的科学家急于进行算法分析，谷歌的Patrick Riley呼吁在研究和报告方面制定明确的标准。 作者 | Patrick Riley 出品 ...