-
FP-Growth:華人發(fā)明
邏輯回歸：谷歌百度搜素排名
RF、GBDT:隨機森林，決策算法的改進
推薦算法：各大電商網(wǎng)站的標配
LDA:文本分析、自然語言算法
Word2Vector:文本挖掘
HMM、CRF:隱馬可夫模型、條件隨機場
深度學習：
查看全部 -
算法分類：
分類1
（1）有監(jiān)督學習:1）分類算法：Y類：垃圾郵件、X類：正常郵件；2）回歸算法
（2）無監(jiān)督學習：Y是什么類型我們不知道，聚類：讓機器去數(shù)據(jù)自行分析
（3）半監(jiān)督學習：強化學習，小孩學走路
分類2：
分類與回歸
聚類
標注
分類3：
生成模型；告訴你屬于哪個類的概率
判別模型：直接判別數(shù)據(jù)屬于哪個類別
查看全部 -
參與者不同：
分析師：目標用戶：公司高層
數(shù)據(jù)+算法：目標用戶：個體
查看全部 -
自然語言處理：情感分析，實物識別
圖像識別：深度學習
語音識別、個性化醫(yī)療、情感分析、人臉識別、自動駕駛、智慧機器人、私人虛擬助理、手勢控制、視頻內容自動識別、機器實時翻譯
查看全部 -
crt預估和協(xié)同過濾
互聯(lián)網(wǎng)廣告：crt預估（線性回歸），預測最有可能點的廣告排在第一名
推薦系統(tǒng)：協(xié)同過濾
查看全部 -
樸素貝葉斯和決策樹：
垃圾郵件：貝葉斯
信用卡欺詐：決策樹
查看全部 -
用戶細分精準營銷：
聚類
查看全部 -
購物欄分析：關聯(lián)規(guī)則
查看全部 -
機器學習解決問題的框架
定義損失函數(shù)是十分重要的
查看全部 -
機器學習中解決問題的框架
查看全部 -
?機器學習一覽表
查看全部 -
機器學習算法分類
（1）有監(jiān)督學習（分類算法，回歸算法），無監(jiān)督學習（聚類算法），半監(jiān)督學習（也叫強化學習）
（2）分類與回歸，聚類，標注
?*****重要 (3)生成模型（概率），判別模型（直接得出結果）訓練數(shù)據(jù)模型的思想不一樣。
查看全部 -
機器學習的數(shù)據(jù)分析的區(qū)別
數(shù)據(jù)特點：
機器學習-----行為數(shù)據(jù)-海量數(shù)據(jù)-全量分析
數(shù)據(jù)分析-----交易數(shù)據(jù)-少量數(shù)據(jù)-采樣數(shù)據(jù)
Not Only SQL---分布式，只能進行行為數(shù)據(jù)的存儲
查看全部 -
互聯(lián)網(wǎng)廣告------ctr預估：對用戶來說的點擊率的預估
（百度的廣告）
推薦系統(tǒng)-----協(xié)同過濾
查看全部 -
垃圾郵件-----樸素貝葉斯
信用卡欺詐：信貸風險識別-----決策樹
查看全部
舉報