分类 机器学习 下的文章


撰写于    浏览:4572 次  分类: 机器学习
1、封面介绍2、出版时间2020年1月3、推荐理由适读人群:1、机器学习与人工智能方向的从业者2、XGBoost应用开发人员3、机器学习、数据挖掘研究方向的学生4、机器学习或开源软件爱好者《深入理解XGBoost:高效机器学习算法与进阶》以机器学习必会知识做铺垫,深入剖析XGBoost的原理、分布式实现、深度应用、模型选择与优化等。第1~3章使读者[...]

撰写于    浏览:2351 次  分类: 机器学习
1、封面介绍2、出版时间2018年8月3、推荐理由人工智能技术正以一种超快的速度深刻地改变着我们的生活,引导了第四次工业革命。美团作为国内O2O领域领先的服务平台,结合自身的业务场景和数据,积极进行了人工智能领域的应用探索。在美团的搜索、推荐、计算广告、风控、图像处理等领域,相关的人工智能技术得到广泛的应用。本书包括通用流程、数据挖掘、搜索和推荐、[...]

撰写于    浏览:2575 次  分类: 机器学习
1、封面介绍2、出版时间2018年1月3、推荐理由适读人群 :本书适合对机器学习感兴趣的各类读者阅读,包括相关专业的大学生或研究生,研究人员,工程技术人员和企业技术管理人员阅读参考。不可不读的机器学习面试宝典!微软全球执行副总裁、美国工程院院士沈向洋,《浪潮之巅》《数学之美》作者吴军,《计算广告》作者、科大讯飞副总裁刘鹏,联袂推荐!人工智能几起几落[...]

撰写于    浏览:1800 次  分类: 机器学习
1、封面介绍2、出版时间2021年01月3、推荐理由这是一本权威的人工智能从入门到精通的读本从人工智能的发展之路说起,结合丰富的应用与实战实例,详细阐述了Python入门、人工智能数学基础、手工打造神经网络、TensorFlow与PyTorch、卷积神经网络、目标分类、目标检测、图像语义分割、循环神经网络、自然语言处理、生成对抗网络、强化学习等行业[...]

撰写于    浏览:9192 次  分类: 机器学习
1、封面介绍2、出版时间2019年11月3、推荐理由《机器学习中的数学》是一本系统介绍机器学习中涉及的数学知识的入门图书,本书从机器学习中的数学入门开始,以展示数学的友好性为原则,讲述了机器学习中的一些常见的数学知识。机器学习作为人工智能的核心技术,对于数学基础薄弱的人来说,其台阶是陡峭的,本书力争在陡峭的台阶前搭建一个斜坡,为读者铺平机器学习的数[...]

撰写于    浏览:2024 次  分类: 机器学习
1、封面介绍2、出版时间2021年2月3、推荐理由机器学习是近年来比较热门的一个领域,Python语言经过一段时间的发展也己成为主流的编程语言之一。本书结合了机器学习和Python语言热门的领域,通过实用案例来详细讲解机器学相关知识,以便更好地引起读者的阅读兴趣并帮助读者理解相关内容。 全书共有8章。章讲解了Python和机器学基础知识,第2~7章[...]

撰写于    浏览:2396 次  分类: 机器学习
1、封面介绍2、出版时间2021年1月3、推荐理由一本书理解Swift和机器学习,掌握构建智能iOS应用方法利用Swift与Core ML构建和部署机器学习模型,开发出用于NLP和CV的神经网络1.学会如何使用Python和Swift快速进行模型原型开发2.学会如何使用Core ML将预训练的模型部署到iOS3.学会通过无监督学习发现数据中隐藏的模[...]

撰写于    浏览:1423 次  分类: 机器学习
1、课程介绍本在线视频课程基本涉及了所有机器学习要用到的数学问题2、出版时间2016年3、推荐理由七月在线的课程质量,仁者见仁智者见智,众说纷纭吧。4、观看链接https://www.bilibili.com/video/BV1b4411H7sE

撰写于    浏览:2800 次  分类: 机器学习
1、封面介绍2、出版时间2019年6月3、推荐理由《大话Python机器学习》从机器学习的基础知识讲起,全面、系统地介绍了机器学习算法的主要脉络与框架,并在每个算法原理、应用等内容基础上,结合Python编程语言深入浅出地介绍了机器学习中的数据处理、特征选择、算法应用等技巧,是一本兼具专业性与入门性的Python机器学习书籍。《大话Python机器[...]

撰写于    浏览:2688 次  分类: 机器学习
1、封面介绍2、出版时间2020年1月3、推荐理由《Python机器学习实战案例》基于 Python语言,实现了10个典型的实战案例,其内容涵盖了机器学习的基础算法,主要包括统计学习基础、分类、贝叶斯网络、文本分析、图像处理等机器学习理论。4、下载链接本电子书可以提供下载,下载方式请移步:http://www.hbase.cn/archives/1[...]

撰写于    浏览:1553 次  分类: 机器学习
1、封面介绍2、出版时间2020年1月3、推荐理由近年来机器学习是一个热门的技术方向,但机器学习本身并不是一门新兴学科,而是多门成熟学科(微积分、统计学与概率论、线性代数等)的集合。其知识体系结构庞大而复杂,为了使读者朋友能够把握机器学习的清晰的脉络,本书尽可能从整体上对机器学习的知识架构进行整理,并以Sklearn和Keras等机器学习框架对涉及[...]

撰写于    浏览:2595 次  分类: 机器学习
1、封面介绍2、出版时间2020年1月3、推荐理由人工智能的核心是机器学习。《机器学习精讲》囊括机器学习的精髓,系统而精炼地讲解机器学习的基本原理。本书英文版一经推出,就长期位于美国机器学习图书排行榜领先位置,并获得4.5星好评。《机器学习精讲》包含了监督和非监督学习、支持向量机、神经网络、集成算法、梯度下降、聚类分类、降维、自编码器、迁移学习、特[...]

撰写于    浏览:7121 次  分类: 机器学习
1、封面介绍2、出版时间2020年6月3、推荐理由机器学习领域著名学者周志华教授领衔的南京大学LAMDA团队四位教授合著。系统梳理机器学习理论中的七大重要概念或理论工具,并给出若干分析实例。机器学习理论内容浩瀚广博,旨在为机器学习理论研究的读者提供入门导引。本书旨在为有志于机器学习理论学习和研究的读者提供一个入门导引。在预备知识之后,全书各章分别聚[...]

撰写于    浏览:1000 次  分类: 机器学习
建好模型之后,必须对它进行评价,我们经常会使用一些评价指标来比较模型的预测准确度。常用的评价指标有:预测准确率,混淆矩阵,均方根误差等。1、分类指标1.1、预测准确率简单的说,就是正确的预测所占的比例。虽然它很简单容易理解,但是我们无法通过它得知预测误差是如何产生的。1.2、混淆矩阵混淆矩阵可以进一步了解预测模型的优缺点。通过样本的采集,我们能够直[...]

撰写于    浏览:1025 次  分类: 机器学习
常用指标有3个:(1){X}的支持度表示X项出现的频率,可以表示为P(X)(2){X→Y}的置信度表示当X项出现时Y项同时出现的频率,可以表示为:P(XY)/P(X)(3){X→Y}的提升度表示X项和Y项一同出现的频率,并且考虑每项各自出现的频率,可以表示为:P(XY)/P(X)P(Y)。公式看起来很容易理解,但是在实际问题中,我们常用被项集这个概[...]