- 综合排序
- 最热优先
- 最新优先
- 来自专栏清羽飞扬
CloudflareVercel项目推荐(4)
我曾发布过三个关于 Cloudflare 和 Vercel 平台的项目推荐，鉴于 Cloudflare 和 Vercel 等 Serverless 平台之间有许多共性，且项目较为难找，所以合并到了一起， Json文件可视化 部署方式：Cloudflare Worker、Vercel、Github Page、Tencent eo page等 引用站外地址，不保证站点的可用性和安全性 json4u:The Github Page、Tencent eo page等 引用站外地址，不保证站点的可用性和安全性 NewsNow:优雅地阅读实时热门新闻 github.com@ourongxing 这类项目在之前我曾推荐过一个 ，详见文章Cloudflare/Vercel项目推荐(1)，这又是一个类似的项目，下面还有一个，大家可以自行对比进行选择性部署，第一个项目的展示页面可以看左上角菜单中的每日热榜站点（都点开左上角菜单看看
44910编辑于 2025-03-21 机器学习书籍推荐
吴恩达 Cousera 机器学习课程Andrew Ng 的机器学习课程（Machine Learning | Coursera）是很多人的启蒙课程，难度适中且完全免费。 据我个人观察，大部分 Coursera 上的课程评分处于 4-4.5 分之间，能做到 4.9 分的课程寥寥无几。 另一个比较直接的观察是如果大家在知乎上搜索“机器学习如何入门？” ，大部分答案都提到了 Andrew 的这门入门课程，所以这是一门绝对的口碑课程，详细讨论可以参考：微调：为何国人迷恋吴恩达的机器学习课？。 周志华《机器学习》周志华老师的《机器学习》也被大家亲切的叫做“西瓜书”。虽然只有几百页，但内容涵盖比较广泛。然而和其他人的看法不同，我建议把西瓜书作为参考书而不是主力阅读书。
66310编辑于 2024-01-29- 来自专栏JavaEdge
机器学习入门(八) — 推荐系统我们在哪能见到推荐系统3 推荐的分类模型4 协同过滤
我们在哪能见到推荐系统 个性化正在改变我们关于世界的经验 影片推荐 商品推荐 音乐推荐 朋友推荐 image.png 药品 - 靶相互作用 3 推荐的分类模型 3.1 最简单的方法 - 流行度 3.2 解决方案一 分类模型 我将要买这个商品的概率是多少 分类方法的限制 4 协同过滤
67030发布于 2018-12-25 - 来自专栏机器学习算法与Python学习
推荐 | 图解机器学习
确实，机器学习的各种套路确实不少，但是如果掌握了正确的路径和方法，其实还是有迹可循的，这里我推荐SAS的Li Hui的这篇博客，讲述了如何选择机器学习的各种方法。 如上图所示，层级聚类的算法非常的简单： 1、初始时刻，所有点都自己是一个聚类 2、找到距离最近的两个聚类（刚开始也就是两个点），形成一个聚类 3、两个聚类的距离指的是聚类中最近的两个点之间的距离 4、重复第二步 4、然后重复第2）和第3）步，直到，中心点没有移动，那么算法收敛，找到所有的聚类。 如果对于算法的的准确性要求比较高，推荐的回归算法包括：随机森林，神经网络或者Gradient Boosting Tree。 如果要求速度优先，建议考虑决策树和线性回归。 Victorjs 2D向量库 推荐一些机器学习的路线图 https://ml-cheatsheet.readthedocs.io/en/latest/ 10大机器学习算法 https://www.gitbook.com
1.2K50发布于 2018-04-08 - 来自专栏机器学习算法与Python学习
经典机器学习书籍推荐
《Machine Learning》（《机器学习》） 作者Tom Mitchell是CMU的大师，有机器学习和半监督学习的网络课程视频。 他们的《ManagingGigabytes》[4]也是信息检索方面的经典书籍。 《机器学习及其应用》 周志华、杨强主编。来源于“机器学习及其应用研讨会”的文集。 《推荐系统实践》 项亮，不错的入门读 深入 《Pattern Classification》（《模式分类》第二版） 作者Richard O. Duda[5]、Peter E. 极牛的书，可数学味道太重，不适合做机器学习的 《All Of Statistics》 机器学习这个方向，统计学也一样非常重要。
3.4K90发布于 2018-04-08 - 来自专栏科控自动化
通讯库推荐NModbus4
modbus通讯协议NET库 modbus的开源库很多,我常用的库是NModbus4 github地址：https://github.com/NModbus4/NModbus4 个人建议用2.1.0
5.4K20编辑于 2022-03-29 - 来自专栏机器学习AI算法工程
用Python开始机器学习：推荐算法之推荐矩阵
本章我们来学习一种最简单的推荐算法：推荐矩阵。虽然简单，但是却被广泛应用着。 1、推荐矩阵 为描述方便，以下我们以“购物推荐”作为背景进行介绍。假设你有个卖商品的网站，拥有每个用户购买每个物品的数据。 这种方式是以用户为中心的，推荐出来的商品b可能跟商品a风流马不相及，因此更适合于类似SNS和微博这样的平台，根据用户的已知兴趣集合来向其推荐其他具有相同兴趣的用户； 2：寻找与商品（a）最为相似的商品（ 简单的给几个例子： [1,2,3]，[4,5,6]：1 [1,2,3]，[6,5,4]：-1 [1,2,3]，[1,2,4]：0.98 [1,2,3]，[-1,-11,-111]：-0.9 因此 如下图所示： [plain] view plaincopy 1 1 3 1 2 3 1 3 3 1 4 1 2 1 1 2 2 1 2 3 1 2 4 1 ...... , recommond item 4,8,6 Buy Item 8, recommond item 4,7,6 time spent: 1.9111089706420898 代码中，我们计算了每一个
1K80发布于 2018-03-13 - 来自专栏PPV课数据科学社区
机器学习技术类书单推荐
机器学习技术类书单推荐，共11本： 《机器学习》 《图解机器学习》 《机器学习实战》【有电子版】 《机器学习系统设计》【有电子版】 《Python机器学习基础教程》【有电子版】 《Python机器学习经典实例 ，再介绍一些库，然后就开始基于数据集进行比较正式的项目开发了，涉及建模、推荐及改进，以及声音与图像处理。 此外还通过详细的例子和现实应用讲解了常见的机器学习模型，包括推荐系统、分类、回归、聚类和降维。 最后还介绍了一些高阶内容，如大规模文本数据的处理，以及Spark Streaming下的在线机器学习和模型评估方法。 实战4： Java ? Mahout核心团队权威力作 大数据时代机器学习的实战经典 Mahout作为Apache的开源机器学习项目，把推荐系统、分类和聚类等领域的核心算法浓缩到了可扩展的现成的库中。
1.1K140发布于 2018-04-20 - 来自专栏大数据文摘
推荐5个机器学习API
但是现在这种情况正在发生改变，正如标准的API简化了应用程序的开发一样，机器学习API也降低了这一领域的门槛，让越来越多的人和企业能够借助技术底蕴深厚的公司所提供的API试水机器学习。 机器学习API隐藏了创建和部署机器学习模型的复杂性，让开发者能够专注于数据挖掘和用户体验。 ，该平台提供的功能有自然语言处理、推荐引擎、模式识别、计算机视觉以及预测建模等，为了迎合数据科学家的喜好，Microsoft Azure机器学习平台还增加了对Python的支持，用户能够直接将Python ，它能够从BigQuery和Google云存储上读取数据，能够处理销售机会分析、客户情感分析、客户流失分析、垃圾邮件检测、文档分类、购买率预测、推荐和智能路由等用户场景。 Amazon机器学习API Amazon机器学习API让用户不需要大量的数据专家就能够实现模型构建、数据清洗和统计分析等工作，简化了预测的实现流程。
1.1K80发布于 2018-05-22 - 来自专栏量化投资与机器学习
AQR：机器学习相关论文推荐
量化投资与机器学习微信公众号，是业内垂直于量化投资、对冲基金、Fintech、人工智能、大数据等领域的主流自媒体。 今天的推荐来自AQR，是关于机器学习论文的推荐。从“实证资产定价”，到“金融领域如何有效的利用机器学习模型”，再到“如何更有效的进行策略测试”等。 在最广泛的层面上，我们发现与传统方法相比，机器学习在资产定价的应用有着更好的效果。 本文建立的机器学习模型在样本外收益的预测给出了更高的R平方。 资产管理中，机器学习面临着一系列独特的挑战，与机器学习擅长的其他领域明显不同。理解这些差异对于开发有效的方法和资产管理中机器学习的现实期望至关重要。 我们讨论了各种有益的用例和潜在的陷阱，并强调了经济理论和专业知识在金融领域应用机器学习的重要性。
1.1K20编辑于 2022-03-03 - 来自专栏机器人网
推荐 | 80后小伙要开创业内首个机器人“4S”店
艾乐博机器人科技公司内，工人正在调试机器 从2011年开始创业，到今年5月15日在广东金融高新区OTC区域市场挂牌，佛山艾乐博机器人科技有限公司用了不到4年的时间。 “很快，我们就会开机器人的‘4S’店，把售前和售后都放到前端。”在进入OTC市场后，农百乐对未来的发展更加充满了信心，他希望下一步，能逐步建立起五金行业机器人细分领域的行业标准，建立新的运营模式。 将会开行业首家“4S”店 今年5月19日，中国版的“工业4.0”规划《中国制造2025》正式发布，这为制造业发展提供了广阔空间，也为机器人行业提供了更大的想象空间。 除此外，创新性提出要开行业的“4S”店也是他接下来的一个重要计划。“开4S店，就是把售前售后放在前端，让客户企业在身边就能感受到服务，落地的硬件继续实现软体服务。” “现在行业刚刚起步，但是以后上自动化的企业会越来越多，那么后续的维护将会是一个迫切问题，而通过开设‘4S’店，就可以解决售后问题。”
685110发布于 2018-04-13 - 来自专栏企鹅号快讯
推荐系统机器学习算法概览
来源：Medium 编译：weakish 编者按：Statsbot数据科学家Daniil Korbut简明扼要地介绍了用于推荐系统的主流机器学习算法：协同过滤、矩阵分解、聚类、深度学习。 数据科学家需要根据业务的限制和需求，在各种推荐算法中选择最好的算法。 为了简化这一任务，Statsbot团队准备了一份现有主要推荐系统算法的概览。 当我们想向用户推荐东西时，最符合逻辑的做法是找到有相似兴趣的人，分析他们的行为，然后给我们的用户推荐相同的东西。 或者我们可以查看与用户之前所购类似的物品，并进行相应的推荐。 聚类也能提升复杂推荐系统的性能。 深度学习 十年来，神经网络有一个巨大的飞跃。今天，神经网络被应用到许多领域，正逐渐取代传统的机器学习方法。我想谈一下YouTube使用的深度学习方法。 评分最高的那些视频将被推荐给用户。 使用这一两步方法，我们可以基于一个非常巨大的视频语料库推荐视频，同时保证推荐的少量视频是个性化的。这一设计也允许我们混合从其他来源生成的候选视频。
1.7K80发布于 2018-03-02 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-4 分类精度
本系列是《玩转机器学习教程》一个整理的视频笔记。本小节主要介绍kNN算法的分类精度以及在sklearn中的实现。 分类精度 ? 通过上一小节的介绍，我们使用Train_Test_Split方法将这个数据集划分为训练集和测试集，通过训练集训练得到机器学习模型，之后通过测试集评测模型的效果。
86900发布于 2019-11-13 - 来自专栏合集
机器学习day4
ROC曲线 二值分类器是机器学习中最常见的分类器。评价的指标也有很多，precision，recall，F1 score等等。ROC曲线也是之一。
37220发布于 2020-06-04 - 来自专栏目标检测和深度学习
推荐 | 机器学习开源项目 Top 10
一直为开发者提供优质学习资源的Mybridge最近又发布了一篇资源性文章：机器学习领域开源项目Top 10，AI科技大本营做了简要编译。 张量生成式(简称TC)是一个多功能的C++库，利用Halide、ISL、NVRTC和LLVM框架，它能够自动合成高性能的机器学习内核。 github.com/facebookresearch/TensorComprehensions ▌Rank 3 Shap：由Scott Lundberg开源，该项目使用期望值和Shapley值，可以解释任何机器学习模型的输出 [Github 821颗星] github链接：https://github.com/slundberg/shap ▌Rank 4 NapkinML：由Erik Linder-Norén开源，该项目是浓缩版的 NumPy库，能够实现机器学习中的各种模型。
1.7K20编辑于 2022-03-04 - 来自专栏智能大数据分析
【机器学习 | 数据挖掘】智能推荐算法
它结合了大数据技术、人工智能（AI）、机器学习（ML）和数据挖掘等多种方法，旨在通过自动化的方式分析复杂数据集，发现潜在的价值和关联性，实现数据的自动化处理和分析，从而支持决策和优化业务流程。 虽然RSS订阅已淡出了舞台，但是它为智能推荐起到了铺垫作用，用户已经尝到了个性化的甜头，由机器进行个性化推荐自然而然地得到了广泛应用。 （4）覆盖率 覆盖率用于描述一个推荐系统对于物品长尾的挖掘能力。覆盖率最常见的定义是推荐系统推荐出的物品列表中的物品数目占总物品集合中物品数目的比例。 4. 商业指标 在实际应用中，对于线上运行的推荐系统能否帮助达成商业目标是十分重要的。 对 C_3 中各项集的支持度与预先设定的最小支持度阈值作比较，保留大于或等于该阈值的项，得3项频繁项集 L_3 ； L_3 与 L_1 连接得候选4项集 C_4 ，剪枝后得到的项集为空集。
46410编辑于 2025-01-22 - 来自专栏AI研习社
Github项目推荐 | Python机器学习课程
machine-learning-course.readthedocs.io/en/latest/ Github项目地址： https://github.com/machinelearningmindset/machine-learning-course#id4 动机 机器学习 作为 人工智能 的工具，是最广泛采用的科学领域之一。 现在已经有大量的关于机器学习的文献。这个项目的目的是通过一个全面而简单的使用Python的机器学习教程来提供机器学习的最重要方面内容的了解学习。 在这个项目中，我们使用许多著名机器学习框架（如Scikit-learn）来构建我们的教程。 在这个项目中，你将学习到： 机器学习的定义是什么？ （机器学习）从什么时候开始，它的趋势是什么？ 机器学习分类和子分类是什么？ 最常用的机器学习算法有哪些，以及如何实现它们？ 机器学习 主题 文档 机器学习简介 Overview 机器学习基础 ?
95840发布于 2019-05-22 - 来自专栏机器学习与推荐算法
推荐算法背后的机器学习技术
（4）F1 score： F1 score的意义在于把precision 和 recall 两个指标综合起来，给出一个更全面的评价指标。 按照这样的逻辑和流程，我们从0到1依次采用不同阈值，每个阈值都会给出对应的TPR（Y坐标）和FPR (X坐标)数值, 从而我们可以得到如图4所示的ROC曲线。 图4 机器学习模型的ROC曲线 图4中右方即为ROC曲线，该ROC曲线下的积分面积被称作AUC score，反映了模型的一个比较全面的评价指标。AUC score的大小应该在0.5 和 1之间。 每一对TPR 和 FPR差的最大值就是KS, 在图4中，则反映为ROC曲线本身和（0，0）到（1，1）对角线的之间，在y方向的最大距离，即是KS值。 （4）R2值，有一定局限性，但是可以用来计算线性模型中预测值多大程度上和真实值吻合，取值0到1之间，值越大预测效果越好。
60630编辑于 2022-10-31 - 来自专栏机器学习与统计学
优秀教程推荐|机器学习100天
人工智能很火 所以网上各式各样的资料特别多 动辄几十GB，上百GB的云盘链接 但是能把一个教程完整看完的少之又少 坚持下去确实很难 最近在github看到一个很不错的机器学习教程 100 Days of
46020发布于 2019-04-08 - 来自专栏AI科技大本营的专栏
推荐 | 机器学习开源项目 Top 10
编译 | AI科技大本营 一直为开发者提供优质学习资源的Mybridge最近又发布了一篇资源性文章：机器学习领域开源项目Top 10，AI科技大本营做了简要编译。 张量生成式(简称TC)是一个多功能的C++库，利用Halide、ISL、NVRTC和LLVM框架，它能够自动合成高性能的机器学习内核。 github.com/facebookresearch/TensorComprehensions ▌Rank 3 Shap：由Scott Lundberg开源，该项目使用期望值和Shapley值，可以解释任何机器学习模型的输出 [Github 821颗星] github链接：https://github.com/slundberg/shap ▌Rank 4 NapkinML：由Erik Linder-Norén开源，该项目是浓缩版的 NumPy库，能够实现机器学习中的各种模型。
66480发布于 2018-04-26
腾讯云开发者
