-
利用计算机从历史数据中找出规律;并把这些规律用到对未来不定场景的决策 机器学习的典型应用 关联规则:啤酒+纸尿片,购物篮分析 聚类:用户细分精准营销 朴素贝叶斯:垃圾邮件检测 决策树:风险识别 ctr预估:互联网广告:百度的前多少个词条(商业广告)(按照点击率排序) 协同过滤:推荐系统(淘宝购物车推荐) 自然语言处理:情感分析(对文本抓关键情感词),实体识别(提取文本主要数据,人名等) 深度学习:图像识别查看全部
-
《概率论》《数据统计》是机器学习的基石查看全部
-
解决问题:预测问题(分类、数值)、聚类问题。 步骤: 1、确定目标:有业务需求,确定要解决的问题,围绕该问题收集一些数据,对数据进行特征工程(对数据清洗、整合,重要!),根据要解决的问题提取出一些特征。查看全部
-
利用计算机从历史数据中找出规律,并把这些规律用到对为未来不确定场景的决策。 不确定问题:例如下季度的销量 数据分析&机器学习:前者是人,后者是计算机 寻找规律:例如函数查看全部
-
传统的统计学,抽取一定量的样本然后 进行概率统计,然后得到结论 之后进行假设检验查看全部
-
传统的统计学受运算能力的限制,所以是用抽样的方式; 而现在计算能力足够强,就不需要采用抽样的方式了。 做数据分析要对数据进行量化,才方便计算、比较。查看全部
-
机器学习解决问题的框架查看全部
-
训练模型:定义模型-产生公式(根据具体要解决的问题)、定义损失函数(预测的结果与真实的结果之间的偏差最小的函数)、优化算法(使损失函数取极小值) 模型评估:交叉验证、效果评估查看全部
-
啤酒喝纸尿裤的例子引入了大数据的概念查看全部
-
机器学习和数据分析的区别,机器学习主体是计算机(机器),数据分析主体在于人。查看全部
-
图片处理用image2vector将图片转化为一个向量,文本处理的时候用word2vector将一个单词转化为一个向量查看全部
-
算法每一次跑出来的结果都会有所差异查看全部
-
图的大小不一样,说明其维度也是不一样的查看全部
-
图片中的每一个像素点是以一个rgb来存的red,green,blue来表示每个成分有多大来存 的,每个图是一个二进制的文件查看全部
-
生成模型和判别模型查看全部
举报
0/150
提交
取消