- 综合排序
- 最热优先
- 最新优先
- 来自专栏大数据文摘
推荐5个机器学习API
摘自：InfoQ 原文链接：infoq.com/cn/news/2015/12/5-best-ml-api-to-use 作者：孙镜涛 机器学习作为大数据的前沿无疑是让人生畏的，因为只有技术极客和数据科学领域的专家才能驾驭机器学习算法和技术 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。 Shah在KDnuggets上发表了一篇文章，介绍了这5个公司的机器学习API。 ，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。
1.1K80发布于 2018-05-22 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。 Coursera 上总共有 49285 个人给出了评分，平均得分 4.9 分，满分 5 分。 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- 来自专栏机器学习算法与Python学习
推荐 | 图解机器学习
关键字全网搜索最新排名 【机器学习算法】：排名第一 【机器学习】：排名第一 【Python】：排名第三 【算法】：排名第四 源 | ynaughty 每当提到机器学习，大家总是被其中的各种各样的算法和方法搞晕 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。 其实机器学习的基本算法都很简单，下面我们就利用二维数据和交互图形来看看机器学习中的一些基本算法以及它们的原理。 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 - 来自专栏清羽飞扬
CloudflareVercel项目推荐(5)
碎碎念 千呼万唤始出来，项目推荐系列文章终于到了第五期啦，前面四期深受大家喜爱，给我赚了不少评论和浏览量嘻嘻，谢谢大家啦！ 这个项目我也在用，我并不是项目所有者，所以我没权利评价，只能希望社区发力，尽快出现替代品吧~ 服务器升级到了1Panel v2版本，迁移的事情比较多，更是耽误了两天，最终也是平滑升级上来了，数据也都保留了下来，多机器管理确实很方便 介绍 引用站外地址，不保证站点的可用性和安全性 CloudPaste：基于Cloudflare的在线文本/大文件分享平台 github.com@ling-drag0n 之前介绍过很多的内容中转，比如项目推荐 3中就推荐了一个CloudPaste项目，而今天这个是他的升级版，在原有基础上，支持了更美观的页面，更完善的存储源，更多功能的Markdown编辑器。
35700编辑于 2025-06-13 - 来自专栏新智元
【盘点】掌握机器学习的5条必由之路（附学习资料推荐）
【新智元导读】作者在本文提出一种5步入门并应用机器学习的方法。它不是传统的方法。传统的机器学习方法提倡从下往上学，先从理论和数学开始，然后是算法实现，最后让你去解决现实世界的问题。 我们总结了5个步骤： · 第1步：调整心态 (要有信心！). 下图是这个过程的图示，为了简便省略了第1步和第5步。 下面是这个过程的详细解释。 第0步：了解机器学习基本概念 开始学习之前，你需要了解机器学习的一些基本概念和大事件。 技巧提示 以下是有关机器学习的一些技巧提示： · 从简单的程序（例如上文推荐的）和简单的工具（例如Weka）开始，有信心之后再进阶。 总结 这篇文章提出了一个简单的5步方法，你可以用它来开始机器学习的入门，并在应用中不断进步。 虽然方法简单，但只要你确实投入努力，就会得到回报。
778100发布于 2018-03-26 - 来自专栏新智元
【免费】5本机器学习电子书推荐（附简介与下载）
《机器学习导论》（Introduction to Machine Learning） ? 该书是斯坦福大学的Nils J. Nilsson在90年代中期的机器学习笔记合集。 诚然，自这本书成书以来机器学习已经取得了许多重要的进步，但正如Nilsson自己所说，这些笔记涵盖了许多现在仍被认为是与机器学习直接相关的基础知识。 《贝叶斯推理与机器学习》（Bayesian Reasoning and Machine Learning） ? 就我所知，这本有关贝叶斯机器学习的介绍性书籍是这个主题里最知名的一本。 需要注意的是，书中附带的工具箱需要在MATLAB中实现，而MATLAB已经不是主流的机器学习语言。但是，这个工具箱不是该书唯一的亮点。 本书为那些对概率机器学习感兴趣的人提供了一个很好的起步。 4. 其他目标读者是缺乏机器学习或统计学背景，但希望快速获取相关知识并在自己的产品或平台中应用的软件工程师。 本书可以说是学习深度学习最好的教材！ 5.
2.3K100发布于 2018-03-26 - 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。 《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。 我在这里想介绍的是一本关于多元统计的基础教科书： Applied Multivariate Statistical Analysis (5th Ed.) by Richard A.
3.4K90发布于 2018-04-08 - 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（ b)，认为A既然对a感兴趣，也有可能对b感兴趣； 这种情况是以商品为中心的，因此更适合购物推荐这样的场景。 比如用户A购买了5个商品a，5个商品b，用户B购买了5个商品a，0个商品b，用户C购买了10个商品a，10个商品b，用距离来度量的结果必然是A与B更近。而实际上A跟C是极其相似的。 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
1K80发布于 2018-03-13 - 来自专栏PDF转换docx
5大学习软件推荐
5.钉钉 钉钉（Ding Talk）是阿里巴巴集团打造的企业级智能移动办公平台，是数字经济时代的企业组织协同办公和应用开发平台，提供PC版，Web版，Mac版和手机版，支持手机和电脑间文件互传，也是很多学校师生上网课常用的软件
2.4K40编辑于 2022-12-30 - 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。 最后还提供了相关Web资源、各种技术研讨会议以及机器学习挑战赛等进阶所需内容。 实战5： Mahout ML ? 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工具
5款“真香”AI工具推荐
推荐5个非常好用的AI工具，也是我目前使用频率比较高和准备使用的工具，很香。 Chatgpt不在此推荐中啊，在目前的AI工具中，Chatgpt是大哥，既然是大哥，大哥都知道，就不推荐了,然而其目前主要支持文本输出，虽然丰富的插件拓宽了使用场景，但虽是尊贵的Plus，仍旧有3个小时只能输出 FORM=GENILP 推荐理由： AI绘画软件有很多，为什么推荐这个呢？ 重点是比较好用，而且完全免费哈。 Bing 图形创建器，由DALL.E驱动，DALL.E是什么？ 第二款 Adobe firefly 访问地址：https://firefly.adobe.com/ 类型：AI图片处理 推荐理由： 好用强大且免费。 第五款 Filmora 类型：视频编辑 推荐理由： 说时候，看到这款软件的时候，我也在想，要是早有这款软件该多好，就不用熬那么多夜剪片子了，也怪我技术不好。
40020编辑于 2023-07-01 - 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 [Github 320颗星] github链接：https://github.com/eriklindernoren/NapkinML ▌Rank 5 GlobalLocalImageCompletion_TF
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。 推荐系统在社交网络上的应用主要分为两类，依据用户点赞和转发过的内容，根据标签推荐用户可能感兴趣的内容，或依据用户关注的人和内容推荐兴趣类似的好友。 5. /tmp/movie_comm.csv', index=False, encoding='utf-8') print('用户推荐列表的前5行：\n', trainrecomm[:5]) （二）基于物品的协同过滤 /tmp/res_mov.csv', index=False, encoding='utf8') print('推荐结果前5行: \n', res.head()) 通过基于物品的协同过滤算法构建的推荐系统
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 with Python by Machine Learning Mindset 简介 本项目的目的是提供一个全面而简单的使用Python的机器学习课程。 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 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JavaGuide
推荐 5 个 YYDS 的 Java 项目
这里是 JavaGuide 的「优质开源项目推荐」第 4 期，每一期我都会精选 5 个高质量的 Java 开源项目推荐给大家。 既然立了 Flag ，那就不能说说而已！ 前 4 期的项目推荐 ： 换掉 Postman + Swagger + JMeter，这 5 个 Java 项目绝了！。 用 Java 写个沙盒塔防游戏！ 这个开发神器效率爆炸，功能强大 今天推荐的 5 个项目是： DolphinScheduler : 分布式易扩展的可视化工作流任务调度平台 Jarboot : 可视化 Java 进程管理平台。 如果想要本地体验 DolphinScheduler 功能的话，推荐单机模式，生产环境部署的话不推荐单机模式，因为单机模式下使用 H2 Database 和 Zookeeper Testing Server ：这个 SpringBoot 电商系统值得推荐！
94520编辑于 2022-04-11 - 来自专栏科研菌
推荐5款Chrome科研神器插件！
今天给大家安利超超超级实用的5款Chrome浏览器插件。 从学术网站浏览到文献阅读下载，再到文章润色纠错，可以说是豪华全家桶科研套餐，让你的Chrome秒变科研神器！
9.8K10发布于 2021-02-19 - 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
通过上面步骤获得数据，我们可以获得如图5所示的曲线。 图5 机器学模型Lift曲线 我们来理解一下图5的含义，按照我们的分组方法，左图中，横坐标为我们每完成一个组，即每联系10%的客户比例，而纵坐标为累计的真实客户转换比例。 从图5中，我们可以很清楚的看到模型的效果。假设所有目标客户群体有1万人，而我们把所有1万人的客户营销之后，最终会转化成功1000个客户。 （2）B分类：5个真正的B分类为正确预测为B，即5个TP；3个其他分类被错误的预测为B，即3个FP。 （4）D分类：8个真正的D分类为正确预测为A，即8个TP；5个其他分类被错误的预测为D，即5个FP。 根据上面的表现，我们可以单独计算每一种分类结果的precision指标，结果如表所示。
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
腾讯云开发者
