-
機(jī)器學(xué)習(xí)領(lǐng)域查看全部
-
機(jī)器學(xué)習(xí)，預(yù)測(cè)問(wèn)題（類別-離散 ，數(shù)值 -連續(xù)），聚類問(wèn)題 確定目標(biāo)：業(yè)務(wù)需求，數(shù)據(jù)，特征工程（數(shù)據(jù)預(yù)處理，提取特征 70%-數(shù)據(jù)的提取非常重要），數(shù)據(jù)可以直接就喂給算法，數(shù)據(jù)對(duì)模型的影響非常大，數(shù)據(jù)決定了最終的預(yù)測(cè)結(jié)果查看全部
-
TP-Growth，只需要對(duì)數(shù)據(jù)庫(kù)進(jìn)行兩次訪問(wèn)，屬于關(guān)聯(lián)分析（Apriori 目前普遍不適用） AdaBoost, 人臉識(shí)別問(wèn)題主要應(yīng)用 邏輯回歸：搜索排序 RF、GBDT： （RF）隨機(jī)森林 推薦算法：電商網(wǎng)站主要使用對(duì)用戶進(jìn)行推薦 LDA：文本分析 Word2Vector：谷歌，文本挖掘 HMM 、CRF：文本挖掘 深度學(xué)習(xí)：圖象識(shí)別查看全部
-
機(jī)器學(xué)習(xí)算法分類： 算法分類 -----有監(jiān)督學(xué)習(xí)（分類算法、回歸算法），無(wú)監(jiān)督學(xué)習(xí)（訓(xùn)練數(shù)據(jù)沒(méi)有y值-聚類），半監(jiān)督學(xué)習(xí)（強(qiáng)化學(xué)習(xí)，隨樣本增多數(shù)據(jù)結(jié)果越理想） -----分類與回歸 聚類 標(biāo)注（文本切詞，給每一個(gè)文本添加標(biāo)簽） ------生成模型 判別模型————重點(diǎn) -------------主要用于分類問(wèn)題，生成模型用于解決分類問(wèn)題的概率，判別模型直接出----------------結(jié)果非1即2查看全部
-
自然語(yǔ)言處理（情感分析，實(shí)體識(shí)別） 圖像識(shí)別——深度學(xué)習(xí)，根據(jù)圖片解析圖片的內(nèi)容查看全部
-
互聯(lián)網(wǎng)廣告——ctr預(yù)估，用戶點(diǎn)擊率的評(píng)估，線性的邏輯回歸 推薦系統(tǒng)——協(xié)同過(guò)濾查看全部
-
用戶細(xì)分精準(zhǔn)營(yíng)銷 ——聚類，全是有計(jì)算機(jī)進(jìn)行的分類查看全部
-
訓(xùn)練模型 定義模型 定義損失函數(shù)（定義偏差的大小）：評(píng)價(jià)真實(shí)結(jié)果與模型的預(yù)測(cè)結(jié)果的相似程度和差異度 優(yōu)化算法 模型評(píng)估 交叉驗(yàn)證 效果評(píng)估查看全部
-
機(jī)器學(xué)習(xí)解決問(wèn)題的框架 確定目標(biāo) 業(yè)務(wù)需求 數(shù)據(jù) 特征工程（最重要的，數(shù)據(jù)提取，清洗等）查看全部
-
Apriori瀕臨淘汰的算法查看全部
-
機(jī)器學(xué)習(xí)算法一覽查看全部
-
機(jī)器學(xué)習(xí)算法分類 一、有監(jiān)督學(xué)習(xí)（已經(jīng)打上標(biāo)簽了，即Y已知了） 無(wú)監(jiān)督學(xué)習(xí)（聚類） 半監(jiān)督學(xué)習(xí)（強(qiáng)化學(xué)習(xí)） 二、分類與回歸 聚類 標(biāo)注（有點(diǎn)像分類，給元素打標(biāo)簽） 三、生成模型 判別模型查看全部
-
機(jī)器學(xué)習(xí)和數(shù)據(jù)分析的區(qū)別 行為數(shù)據(jù)vs交易數(shù)據(jù) 海量數(shù)據(jù)vs少量數(shù)據(jù) 全量分析vs采樣分析 NoSQL:not only SQL NoSQL可用來(lái)處理行為數(shù)據(jù)，分布式數(shù)據(jù)庫(kù)查看全部
-
典型應(yīng)用-互聯(lián)網(wǎng)廣告（如百度廣告） ctr預(yù)估 線性邏輯回歸 -推薦系統(tǒng) 協(xié)同過(guò)濾查看全部
-
典型應(yīng)用-信用卡欺詐，決策樹(shù)查看全部
舉報(bào)
0/150
提交
取消