-
分類 生成模型 判別模型查看全部
-
機器學習解決問題的總體框架，在總體框架的指導下再去深究每一個主流算法查看全部
-
機器學習常見的問題導出常見的算法！查看全部
-
機器學習查看全部
-
課程主要內容查看全部
-
機器學習和數學分析的區別<br> 行為數據 交易數據<br> 海量數據 少量數據<br> 全量分析 采樣分析 NO SQL（分步式/CAP）：適用于行為數據 SQL：適用于交易數據，因為要保持數據的一致性，如兩方之間的轉賬查看全部
-
算法查看全部
-
機器學習、相關算法查看全部
-
業務系統發展的歷史 基于專家經驗 基于統計-分維度統計 機器學習-在線學習查看全部
-
訓練模型：定義模型-產生公式（根據具體要解決的問題）、定義損失函數（預測的結果與真實的結果之間的偏差最小的函數）、優化算法（使損失函數取極小值） 模型評估：交叉驗證、效果評估查看全部
-
機器學習解決問題的框架：確定目標（業務需求、數據、特征工程：數據的預處理（清洗、整合））查看全部
-
機器學習算法分類：（1）有監督學習（分類算法：Y類-垃圾郵件、X類-正常郵件&回歸算法）、無監督學習（聚類算法）、半監督學習（強化學習：小孩學走路，走的多了也就能走好了）（2）分類與回歸、聚類、標注查看全部
-
數據分析（OLAP）（報告過去的事情） 機器學習（預測未來的事情）查看全部
-
交易數據：跟錢有關的數據，例如：電商網站的訂單、銀行的存取款賬單、手機的花費賬單~ 行為數據：對互聯網公司來說，用戶的搜索歷史、點擊歷史、瀏覽歷史、評論 對于交易數據：SQL 對于行為數據：NO SQL=No Only SQL查看全部
-
呵呵查看全部
舉報
0/150
提交
取消