- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据派THU
推荐 7 种机器学习模型加权集成方法
来源：数据studio 机器学习杂货店本文约1300字，建议阅读8分钟本文中我们将介绍最常见的分类 & 回归任务的结果加权方法，也就是Blend操作。 LinearRegression lr = LinearRegression(fit_intercept=False)lr.fit( 三个模型对训练集预测结果， 训练集标签) lr.coef_ # 线性回归的权重 方法7：
63620编辑于 2023-03-29 - 来自专栏磐创AI技术团队的专栏
推荐 | 7个你最应该知道的机器学习相关github项目
来源 | Analytics Vidhya 编译 | 磐石 出品 | 磐创AI技术团队 磐创AI导读：本文介绍了github上最近比较火的7个机器学习项目，每一个都值得上手。 我们来看看上个月的前7名！ 1.Person Blocker(人体自动遮挡) 'Person Block'是一个开源python项目。 这个巨大的发现深深体现了机器学习给当今世界带来的深远影响！！ 如今，Google Brain已经发布了实现该技术的全部代码，并且已经将它提供给所有人。 5.TensorFlow.js TensorFlow.js是一个全新开源机器学习框架，可以使用最底层的 Java 线性代数库或最高级的 API 在浏览器上开发机器学习模型。 7. Tensorflow Hub TensorFlow Hub是一个发布、发现和重用TensorFlow中机器学习模块部分的平台。
92740发布于 2018-04-24 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。 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. [7] 《Data Mining：Concepts andTechniques》（《数据挖掘：概念与技术》第三版） 作者（美）Jiawei Han[8]、（加）Micheline Kamber、（加） 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 - 来自专栏全栈程序员必看
CentOS7_装机软件推荐
,ro,loop 0 0 sudo mkdir /media/CentOS7-LocalServer cd /media/ sudo createrepo -v CentOS7-LocalServer vim /etc/yum.repos.d/CentOS7-LocalServer.repo [CentOS7-LocalServer] name=LocalServer baseurl=file:/// /apt.sw.be/redhat/el7/en/x86_64/rpmforge/RPMS/rpmforge-release-0.5.3-1.el7.rf.x86_64.rpm sudo rpm -ivh el7/x86_64/RPMS/elrepo-release-7.0-1.el7.elrepo.noarch.rpm sudo rpm -ivh elrepo-release-7.0-1.el7.elrepo.noarch.rpm /RPM-GPG-KEY-EPEL-7 [epel-debuginfo] name=Extra Packages for Enterprise Linux 7 - $basearch - Debug #
72010编辑于 2022-07-05 - 来自专栏HelloWorld杰少
iPhone 7 摄影最佳 app 推荐
为了消除大家的选择恐惧症，我整理了这些应用，也是想对摄影类 App 进行一次总结，其中开头几个app是我强烈推荐大家安装的，确实很强大。 哗啦啦的推荐了这么多app, 说实话其中有些本人也没有使用过，但综合了App Store的评论和网上的效果图，就在这边推荐给大家啦！
1.3K30编辑于 2022-08-03 - 来自专栏量子位
来自小姐姐的入门推荐：7个基本机器学习算法Python实现
她总结了一份基本的机器学习算法，全部以纯Python（版本3.6+）实现。 其中包括线性回归等七套算法，具体地址在此： https://github.com/zotroneneis/machine_learning_basics 这7个算法，及代码实现地址： 线性回归，http http://t.cn/REk4rqI 只有一个隐层的简单神经网络，http://t.cn/REk4kHb 多类别逻辑回归，http://t.cn/REkbxOe 所有的算法都是从0开始实现，无需其他的机器学习库 她的主要兴趣是机器学习，关注神经网络。“Machine learning can seem like magic. I love magic!”她在自己的主页上写道。 感谢她~ ?
50620发布于 2018-07-24 - 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。 3,2,0 Buy Item 2, recommond item 3,0,1 Buy Item 3, recommond item 0,1,5 Buy Item 4, recommond item 6,7,8 Buy Item 5, recommond item 0,1,3 Buy Item 6, recommond item 4,7,8 Buy Item 7, 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Item与其他所有item的相关性，然后排序选取最大的前 3个作为推荐。
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 通过各种实例，读者可从中学会机器学习的核心算法，并能将其运用于一些策略性任务中，如分类、预测、推荐。另外，还可用它们来实现一些更高级的功能，如汇总和简化等。 实战2：必应团队教你ML系统设计 ? ，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。 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 - 来自专栏云深之无迹
Julia机器核心编程.7
可以说，无论是R（data.frame）还是Python（Pandas）中的表格都是统计计算中最重要和最常用的数据类型。这是因为真实世界中的数据大多是表格式的，不能用简单的DataArray来表示。
64020发布于 2020-08-26 - 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zinyan
接口调试工具ApiPost7 推荐
后来有小伙伴，给我推荐了Apipost 7这个国产工具后。我就彻底抛弃了原先的各种浏览器插件调试工具了。 有以下几个特点： 自动生成Api文档。 可以通过官网的文档介绍： 链接地址为：产品介绍 | Apipost 比较推荐大家可以将各种Api调试工具换为ApiPost7 。可以给你的接口调试带来更好的体验。
2K10编辑于 2022-12-07 - 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 277颗星] github链接： https://github.com/anishathalye/obfuscated-gradients ▌Rank 7 Visual-interaction-networks-pytorch
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。 如 P(\{a\})=\frac{项集\{a\}的支持度计数}{所有事务个数}=\frac{7}{10}=0.7 对 C_1 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， 序号 数据 1 A，B，C，E，F，H 2 A，C，G 3 E，I 4 A，C，D，E，G 5 A，D，E，L 6 E，J 7 A，B，C，E，F，P 8 A，C，D 9 A，C，E，G，M 10 A， 频繁项 计数 A 8 E 8 C 7 G 4 D 3 B 2 F 2 第二次扫描数据，将每条数据中的1项非频繁项集删去，并按照项集的支持度降序排列。
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 - 来自专栏机器学习与推荐算法
推荐算法背后的机器学习技术
01 机器学习预测结果推广性理论 对于机器学习问题而言，我们最关心的是算法的预测效果。 对此，机器学习有其理论框架，因此能够从根本上保证了机器学习的推广性。有两种常用的理论框架，如表1所示。 02 机器学习问题的分类 机器学习算法是一个大的家族，狭义上是统计学的一个分支，广义上是人工智能研究的基础。按照不同的标准，机器学习算法可以有不同的分类方式。 内容简介： 人工智能的日益广泛的应用和普及，而要深入理解人工智能，我们必须全面理解底层的各类机器学习算法基本原理并能驾驭人工智能各种应用。 《人工智能原理与实践》分为13章，前7章为原理篇。 原理篇中，我们重点讨论机器学习模型建模的全部流程，各类常用的机器学习算法原理，深度学习和强化学习原理，机器学习涉及的优化论原理，以及机器学习和自然语言处理技术。
60630编辑于 2022-10-31 - 来自专栏SuperFeng
机器学习系列7：逻辑回归
你们有没有每天被垃圾短信骚扰的经历呢？假设我收到了一条短信，这条短信对我来说只有两种情况，要么是对我有用的，要么是没用的。我想通过一个模型去预测该短信是否为垃圾短信，这时候用原来学过的线性回归算法就不太好用了，因为结果只有两种值，要么是垃圾短信（假设为 1），要么不是垃圾短信（假设为 0）。这时候我们要学习一种新的算法去预测这种分类问题，它就是逻辑回归算法（Logistic Regression）。逻辑回归是一种分类算法。
38330发布于 2019-09-26
腾讯云开发者
