原创 MindSpore！這款剛剛開源的深度學習框架我愛了！
猶記得今年的華爲開發者大會 HDC 2020 上，一直受人矚目的深度學習框架 MindSpore 終於開源了。我之前一直關注 MindSpore，還是挺期待的。MindSpore 是一款支持端、邊、雲獨立/協同的統一訓練和推理框架。與
2020-06-27 10:48:28
原创 周志華《機器學習》課後習題（第六章）：支持向量機
作者 | 我是韓小琦鏈接 | https://zhuanlan.zhihu.com/p/490231826.1 試證明樣本空間中任意點 到超平面 的的距離爲式 (6.2)。答：圖中，令A點到超平面（點B）的距離爲 ，於是 ( 是
2020-06-27 10:48:28
原创 周志華《機器學習》課後習題（第八章）：集成學習
作者 | 我是韓小琦鏈接 | https://zhuanlan.zhihu.com/p/512061238.1 假設拋硬幣正面朝上的概率爲 ， 反面朝上的概率爲 。令 代表拋 次硬幣所得正面朝上的次數，則最多 次正面朝上的概率
2020-06-10 07:59:29
1
原创 周志華《機器學習》課後習題（第七章）：貝葉斯分類
作者 | 我是韓小琦鏈接 | https://zhuanlan.zhihu.com/p/517687507.1 試使用極大似然法估算回瓜數據集 3.0 中前 3 個屬性的類條件概率.答：以第一個屬性色澤爲例，其值計數如下：色澤 烏黑 淺
2020-06-06 12:32:11
原创 一個網站拿下機器學習優質資源！搜索效率提高 50%
\現在大家平時會遇到很多不錯的機器學習資源，但是大多數情況下，資源比較分散，不方便集中管理和查閱。更重要的是往往很難找到一個系統完整的資源導航，形成系統的學習路線，方便搜索。重磅！今天小編在網上“閒逛”的時候發現了一個超級棒的機器學習優
2020-05-22 05:14:20
原创 周志華《機器學習》課後習題（第五章）：神經網絡
作者 | 我是韓小琦鏈接 | https://zhuanlan.zhihu.com/p/476168485.1 試述將線性函數 用作神經元激活函數的缺陷。答：使用線性函數作爲激活函數時，無論是在隱藏層還是在輸出層（無論傳遞幾層），其單
2020-05-19 04:19:36
原创 周志華《機器學習》課後習題解析（第四章）：決策樹
作者 | 我是韓小琦鏈接 | https://zhuanlan.zhihu.com/p/446666944.1 試證明對於不含衝突數據(即特徵向量完全相同但標記不同)的訓練集，必存在與訓練集一致(即訓練誤差爲 0) 的決策樹。答：從原書
2020-05-14 03:25:16
原创 周志華《機器學習》課後習題（第三章）：線性模型
作者 | 我是韓小琦鏈接 | https://zhuanlan.zhihu.com/p/432708303.1 試分析在什麼情況下，在以下式子中不比考慮偏置項b。答：在樣本 中有某一個屬性 爲固定值時。那麼此時 等價於偏置項，此時
2020-05-10 17:35:07
原创 周志華機器學習課後習題解析【第二章】
作者 | 我是韓小琦鏈接 | https://zhuanlan.zhihu.com/p/424358892.1 數據集包含 1000 個樣本，其中 500 個正例、 500 個反例，將其劃分爲包含 70% 樣本的訓練集和 30% 樣本的
2020-04-29 20:19:40
原创 【完結篇】專欄 | 基於 Jupyter 的特徵工程手冊：特徵降維
作者：陳穎祥、楊子晗編譯：AI有道經過數據預處理和特徵選擇，我們已經生成了一個很好的特徵子集。但是有時該子集可能仍然包含過多特徵，導致需要花費太多的計算能力用以訓練模型。在這種情況下，我們可以使用降維技術進一步壓縮特徵子集。但這可能會降
2020-04-24 17:46:51
原创 專欄 | 基於 Jupyter 的特徵工程手冊：特徵選擇（五）
作者：陳穎祥、楊子晗編譯：AI有道數據預處理後，我們生成了大量的新變量（比如獨熱編碼生成了大量僅包含0或1的變量）。但實際上，部分新生成的變量可能是多餘：一方面它們本身不一定包含有用的信息，故無法提高模型性能；另一方面過這些多餘變量在構
2020-04-18 13:37:04
原创 專欄 | 基於 Jupyter 的特徵工程手冊：特徵選擇（四）
作者：陳穎祥、楊子晗編譯：AI有道數據預處理後，我們生成了大量的新變量（比如獨熱編碼生成了大量僅包含0或1的變量）。但實際上，部分新生成的變量可能是多餘：一方面它們本身不一定包含有用的信息，故無法提高模型性能；另一方面過這些多餘變量在構
2020-04-13 14:58:57
3
原创 專欄 | 基於 Jupyter 的特徵工程手冊：特徵選擇（三）
作者：陳穎祥、楊子晗編譯：AI有道數據預處理後，我們生成了大量的新變量（比如獨熱編碼生成了大量僅包含0或1的變量）。但實際上，部分新生成的變量可能是多餘：一方面它們本身不一定包含有用的信息，故無法提高模型性能；另一方面過這些多餘變量在構
2020-04-04 14:17:27
15
原创 專欄 | 基於 Jupyter 的特徵工程手冊：數據預處理（三）
作者：陳穎祥、楊子晗編譯：AI有道基於 Jupyter 的特徵工程手冊：數據預處理的上一篇：專欄 | 基於 Jupyter 的特徵工程手冊：數據預處理（一）專欄 | 基於 Jupyter 的特徵工程手冊：數據預處理（二）項目地址：htt
2020-03-05 15:53:35
3
原创 專欄 | 基於 Jupyter 的特徵工程手冊：數據預處理（一）
點擊上方“AI有道”，選擇“置頂”公衆號重磅乾貨，第一時間送達作者：Yingxiang Chen & Zihan Yang編輯：紅色石頭特徵工程在機器學習中的重要性不言而喻，恰當的特徵工程能顯著提升機器學習模型性能。我們在 Github
2020-02-25 07:32:33