-
機(jī)器學(xué)習(xí)解決問題的框架
特征工程70%時間，把圖片、文字轉(zhuǎn)換為若干長度的向量
查看全部 -
C4.5/CART-決策樹算法（分類算法）-有監(jiān)督學(xué)習(xí)
K-Means-聚類算法-無監(jiān)督學(xué)習(xí)
SVM-分類算法（也可解決回歸問題）
K-Means也算EM的一種
PageRank —— Google
AdaBoost —— 解決分類問題，大部分人臉識別所用算法，決策樹改進(jìn)版
NaiveBayes —— 垃圾郵件識別，分類算法
FP-Growth —— 華人發(fā)明
邏輯回歸 —— 百度推薦排序
RF、GBDT —— 決策樹算法改進(jìn)，類似AdaBoost
推薦算法 —— 電商網(wǎng)站標(biāo)配
LDA —— 文本分析
Word2Vector —— 文本挖掘
深度學(xué)習(xí) —— 主要用于圖像識別
查看全部 -
機(jī)器學(xué)習(xí)算法分類：
第一種分類方法：有/無/半監(jiān)督學(xué)習(xí)
第二種分類方法：分類與回歸/聚類/標(biāo)注
第三種分類方法：生成模型/判別模型
????生成模型：%屬于A類，%屬于B類，%屬于C類
????判別模型：屬于A/B/C類
查看全部 -
noSQL 記錄行為數(shù)據(jù)
SQL 記錄交易數(shù)據(jù)（不可丟失的）
查看全部 -
機(jī)器學(xué)習(xí)算法分類：
第一種分類方法：有/無/半監(jiān)督學(xué)習(xí)
第二種分類方法：分類與回歸/聚類/標(biāo)注
第三種分類方法：生成模型/判別模型
查看全部 -
歷史與未來
查看全部 -
機(jī)器學(xué)習(xí)就是從歷史數(shù)據(jù)中找出規(guī)律，把這些規(guī)律用到對未來自動作出決定。機(jī)器學(xué)習(xí)分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)。監(jiān)督學(xué)習(xí)又分為分類算法和回歸算法；無監(jiān)督學(xué)習(xí)分為聚類聚和降維，半監(jiān)督學(xué)習(xí)即加強(qiáng)學(xué)習(xí)。
機(jī)器學(xué)習(xí)的應(yīng)用：識別垃圾郵件、自然語言處理、語音識別、個性化醫(yī)療、人臉識別、智慧機(jī)器人等。
查看全部 -
訓(xùn)練模型：
查看全部 -
機(jī)器學(xué)習(xí)解決問題
查看全部 -
根據(jù)算法本質(zhì)分類
查看全部 -
無監(jiān)督學(xué)習(xí)：聚類
半監(jiān)督學(xué)習(xí)
根據(jù)解決問題類型分類：2
查看全部 -
算法分類1：有監(jiān)督學(xué)習(xí)
查看全部 -
目標(biāo)用戶不同：
????數(shù)據(jù)分析：公司高層
????機(jī)器學(xué)習(xí)：個體
查看全部 -
參與者不同：
查看全部 -
解決業(yè)務(wù)問題不同????
????????數(shù)據(jù)分析：報告過去的問題? 機(jī)器學(xué)習(xí)：預(yù)測未來的事情
技術(shù)手段不同
查看全部
舉報