Tag: 机器学习

2022
AI模型机器学习

频率派和贝叶斯派

摘要: 频率派和贝叶斯派的区别和联系。 【对数据分析、人工智能、金融科技、风控服务感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：潮汐朝夕我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 在机器学习中，我们把概率引入进来是比较自然的事情，本文我们探讨一下频率派和贝叶斯派的区别和联系

AI模型机器学习

机器学习资料汇总

摘要: 机器学习的一些经典资料 【对数据分析、人工智能、金融科技、风控服务感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：潮汐朝夕我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 资料的侧重点 频率派: 统计机器学习 贝叶斯派: 概率图模型 书小蓝书微信读书 侧重点是频率派的统

AI模型机器学习

几份机器学习入门材料的知识点索引

摘要: CS229、小蓝书、西瓜书三份学习资料 【对数据分析、人工智能、金融科技、风控服务感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：潮汐朝夕我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings CS229线性回归 平方损失 + 最小二乘 梯度下降 更新方式： 批梯度下降 vs.

AI模型机器学习

构建机器学习项目的一些经验

摘要: 构建机器学习项目的一些经验 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings Andrew Ng 《构建机器学习项目》手写笔记。共 8 页。 1 Why ML Strategy 得到初版模型

2021
AI模型图模型

数据分析之图算法：基于Spark和Neo4j

摘要: 《Graph Algorithms Practical Examples in Apache Spark and Neo4j》 【对数据分析、人工智能、金融科技、风控服务感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：潮汐朝夕我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings

AI模型无监督

无监督学习总览

摘要: 《基于Python的无监督学习》 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 最近的一本新书《基于Python的无监督学习》，还不错，主要内容如思维导图所示：

AI工程AI系统

UCSD-机器学习数据系统

摘要: 本文介绍两个机器学习数据系统的课 【对数据分析、人工智能、金融科技、风控服务感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：潮汐朝夕我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 入口 CSE 234: Data Systems for Machine Learning

AI工程AI系统

机器学习系统设计模式

摘要: 关于机器学习设计模式的课 【对数据分析、人工智能、金融科技、风控服务感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：潮汐朝夕我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 入口 github Serving patternsThe serving patterns ar

AI模型可解释性

可解释学习开源框架

摘要: 一些可解释学习的开源框架，截至 2021 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 1. 微软可解释学习框架 InterpretML项目信息 时间: 2019 网页: https://i

AI模型可解释性

可解释机器学习总览

摘要: AI 模型的可解释性经典书《可解释的机器学习--黑盒模型可解释性理解指南》 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 这是一本关于机器学习模型可解释性的书，英文版出版时间是 2019 年

AI业务风控系统

欺诈检测论文集合

摘要: 分享一个欺诈检测论文集合的仓库，有时间可以看一看 【对数据分析、人工智能、金融科技、风控服务感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：潮汐朝夕我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 仓库地址 Awesome-Fraud-Detection-Research-

AI模型概率模型

概率图模型与反欺诈

摘要: 简要穿讲一下概率图模型以及在风控中的应用 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 概率图模型概率图模型结合概率论与图论，用图来表示与模型有关的变量的联合概率分布。如果把这里的变量视为实

AI模型无监督

KMeans的矢量量化应用

摘要: KMeans 的一个应用：矢量量化 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings K-Means聚类最重要的应用之一是非结构数据(图像,声音)上的矢量量化(VQ)。非结构化数据往往占用比较多

AI模型无监督

用PCA对手写数字数据集降维

摘要: PCA 的一个应用：对手写数字数据集降维 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 在 sklearn-特征工程-特征选择 中，有使用过手写数字数据集。 我们使用了各种方法对手写数据集进

AI模型无监督

sklearn-聚类

摘要: sklearn 聚类基础 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 无监督学习只需要特征矩阵 $\boldsymbol{X}$，不需要真实标签 $\boldsymbol{y}$。PCA

AI模型无监督

sklearn-降维

摘要: sklearn 降维基础 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 维度是什么对于 np.ndarray，维度就是 shape 返回的结果，shape 返回了几个数字，就是几维。除了索引

AI模型机器学习

《机器学习实战，基于Scikit-Learn、Keras和TensorFlow》

摘要: 《机器学习实战，基于Scikit-Learn、Keras和TensorFlow》 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 本书信息：《Hands-on Machine Learnin

AI业务特征工程

《特征工程入门与实践》

摘要: 《特征工程入门与实践》 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 本书信息：中文版；英文版 代码：https://github.com/PacktPublishing/Feature-

2020
AI模型可解释性

模型可解释性

摘要: 关于 AI 模型的可解释性 【对算法，数学，计算机感兴趣的同学，欢迎关注我哈，阅读更多原创文章】我的网站：潮汐朝夕的生活实验室我的公众号：算法题刷刷我的知乎：潮汐朝夕我的github：FennelDumplings我的leetcode：FennelDumplings 在工业界，业务应用需要模型输出决策或预测。业务侧有时需要理解为什么做出某种决策或预测，就对模型的可解释性有了需求。