Tag: 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

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

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.

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

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

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:

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

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

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

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

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-

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

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

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

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

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

《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

《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-

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。