-
3.1 機器學習典型應用 關聯規則，啤酒紙尿褲查看全部
-
離線機器學習查看全部
-
2.4業務系統發展的歷史查看全部
-
2.3 機器學習發展的原動力查看全部
-
機器學習發展的原動力查看全部
-
2，什么是機器學習？查看全部
-
1，概述查看全部
-
散散囧查看全部
-
關聯規則，聚類，樸素貝葉斯， 算法分類： 有監督學習 無監督學習 半監督學習查看全部
-
機器學習算法分類
算法分類1：
有監督學習：提供了Y值（分類）的分類算法和提供了Y值（數字）的回歸算法
無監督學習：無Y值，聚類算法
半監督學習：先給一部分Y值，以達到訓練的越來越好的目的
算法分類2：
分類與回歸
聚類
標注
算法分類3：（重要、直指算法的本質）
生成模型（告訴你屬于每一類的概率）
判別模型（給你一個函數，你把數據丟給函數，他返回給你一個結果就告訴你是哪一類）
查看全部 -
機器學習和數據分析的區別
數據特點
交易數據（與錢有關）vs 行為數據（搜索歷史、點擊歷史、瀏覽歷史、評論）
少量數據 vs 海量數據
采樣分析 vs 全量分析
解決業務問題不同
機器學習：預測未來事件（未來趨勢）
數據分析：報告過去事件（歷史總結）
技術手段、方法不同
機器學習：數據挖掘；數據（算法）驅動；規模大
數據分析：OLAP；用戶驅動（企業數據分析師的經驗等）；規模?。唤换ナ椒治?/p>
參與者不同：
分析師：目標用戶：公司高層
數據+算法：目標用戶：個體
查看全部 -
機器學習的典型應用
自然語言處理
? ?情感分析
? ?實體識別
圖像識別
? ? 深度學習
更多應用
語音識別
個性化醫療
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 -
機器學習的典型應用：
互聯網廣告? ：百度搜索的廣告推廣
?ctr預估：點擊預估，核心為線性邏輯回歸
?推薦系統：協同過濾算法，例如淘寶 買此產品的人同時購買了。
查看全部 -
?業務系統發展的歷史
基于專家經驗
基于統計——分緯度統計
機器學習——在線學習
查看全部 -
從數據中尋找規律：
? 傳統統計學的處理方式：抽樣--描述統計--結論---假設檢驗觀察數據----用模型刻畫（擬合）規律（函數---函數曲線---擬合）
查看全部
舉報
0/150
提交
取消