-
《集體編程智慧》
周志華的《機器學習》
查看全部 -
Python機器學習影印版，東南大學出版社
斯坦福公開課機器學習，在網易公開課上可以找到
《數據挖掘概念與技術》、《機器學習實戰》、《人工智能及其應用》、《數據庫系統概論》、《算法導論》、《Web數據挖掘》、《 Python標準庫》、《thinking in Java》、《Thinking in C++》、《數據結構》等
查看全部 -
常見算法查看全部
-
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 -
機器學習解決問題的框架：
二、訓練模型
STEP1：定義模型（形成目標公式）
STEP2：定義損失函數（數學的方式定義預測值與現實值的差異）
STEP3：優化算法（尋找確定損失函數極小值）
三、模型評估（標準）
STEP1：交叉驗證
STEP2：效果評估
查看全部 -
機器學習解決問題的框架：
一、目標的確立STEP1：確定目標（業務需求）
STEP2：收集（歷史）數據，決定項目質量高度
STEP3：特征工程（清理整合數據，提取特征）結構化，時間占比70%
查看全部 -
機器學習常見算法：
決策樹算法（有監督）：解決分類、回歸問題；C4.5、kNN（不常用）
聚類：K-Means算法（無監督）
統計學習：SVM算法
關聯分析及規則：Apriori（淘汰）——需多次掃描龐大數據庫
???????????????????????????FP-Growth——僅需兩次掃描數據庫
鏈接挖掘：PageRank算法（Google）
集裝與推進：AdaBoost（人臉識別）（決策樹改進版,有監督學習）（本質上解決分類問題）
邏輯回歸：google、百度搜索結果排
推薦算法：產品推薦等
文本分析&挖掘、自然語言處理：LDA、Word2Vector、HMM、CRF
深度學習：圖像識別
查看全部 -
機器學習算法分類：
一、算法分類（1）
有監督學習
無監督學習
半監督學習
算法分類（2）（根據解決的問題類型）
???? 1、分類與回歸
? ? ?2、聚類
???? 3、標注（打標簽）
????? ? 算法分類（3）（算法本質）
? ? ? 1、生成模型（進行數據應屬類別的概率統計）
????? 2、判別模型（直接進行數據分類）
查看全部 -
二、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）
三、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）；規模小；交互式分析
缺點：受限于分析師的經驗，分類的多樣化受限制
四、參與（驅動）者不同
機器學習：數據+算法，數據質量決定結果
數據分析：數據分析師，能力&經驗決定結果
五、服務用戶不同
機器學習：個體用戶
數據分析：公司高層
查看全部 -
機器學習和數據分析的區別：
一、數據特點不同（數據類別、數據量、數據分析方法）
機器學習：行為數據（如搜索歷史、瀏覽歷史、點擊歷史、評論等）；海量分析，一致性要求相對不高；全量分析
數據分析：交易數據（與錢相關，如用戶訂單、存取款賬單、話費賬單等）少量數據，一致性要求嚴格（如銀行存取款，數據精準）；采樣分析
查看全部 -
機器學習兩種使用場景?離線學習和在線學習。
離線學習：批處理的方式，對以前的數據進行學習，從而運用到后面的指導中
在線學習：對實時產生的數據進行學習，再對實時得業務進行指導
查看全部 -
利用模型去擬合規律
查看全部 -
利用計算機從歷史數據中找出規律，并把這些規律用到對未來不確定場景得決策
例如預測天氣? 公司業績
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? 智慧型機器人? ?私人虛擬助理? 手勢控制? 視頻內容自動識別
查看全部 -
機器學習的典型應用：互聯網廣告? ?ctr預估
? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?推薦系統? ? ? 協同過濾
查看全部
舉報