标签:机器学习 第3页

机器学习

9 大主题!机器学习算法理论面试题大汇总

9

红色石头 发布于 2020-11-27

机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时,我们常常会遇到各种各样的机器学习问题和知识点。 算法理论基础不仅包含基本概念、数学基础,也包含了机器学习、深度学习相关。今天给大家推荐一个不错的算法理论基础面试题汇总资源,已开源~ 首先放上这份开源面试...

阅读(3939)评论(0)赞 (2)

机器学习

1700 页,52 万字,6 大主题…

9

红色石头 发布于 2020-06-28

如今,AI有道已经陪伴读者两年了。在这段时间里,我们一直专注于人工智能最前沿的技术、干货和资讯,努力为读者呈现最有价值的 AI 信息,致力于为读者提供切实可行的 AI 学习路线。 两年的时间,我们已经发布了超过 160 篇技术干货文章,52 万字,电子版总共 1700 多页。内容...

阅读(20713)评论(0)赞 (13)

机器学习

一个网站拿下机器学习优质资源!搜索效率提高 50%

12

红色石头 发布于 2020-06-28

现在大家平时会遇到很多不错的机器学习资源,但是大多数情况下,资源比较分散,不方便集中管理和查阅。更重要的是往往很难找到一个系统完整的资源导航,形成系统的学习路线,方便搜索。 重磅!今天小编在网上“闲逛”的时候发现了一个超级棒的机器学习优质资源分类导航。至少节约大家 50% 的时间...

阅读(8928)评论(0)赞 (1)

特征工程

【完结篇】专栏 | 基于 Jupyter 的特征工程手册:特征降维

4

红色石头 发布于 2020-06-28

作者:陈颖祥、杨子晗 编译:AI有道编译:AI有道 经过数据预处理和特征选择,我们已经生成了一个很好的特征子集。但是有时该子集可能仍然包含过多特征,导致需要花费太多的计算能力用以训练模型。在这种情况下,我们可以使用降维技术进一步压缩特征子集。但这可能会降低模型性能。 同时,如果我...

阅读(7927)评论(0)赞 (0)

特征工程

专栏 | 基于 Jupyter 的特征工程手册:特征选择(五)

5

红色石头 发布于 2020-05-24

数据预处理后,我们生成了大量的新变量(比如独热编码生成了大量仅包含0或1的变量)。但实际上,部分新生成的变量可能是多余:一方面它们本身不一定包含有用的信息,故无法提高模型性能;另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此,我们应该进行特征选择并选择特征子集进行...

阅读(8085)评论(0)赞 (2)

特征工程

专栏 | 基于 Jupyter 的特征工程手册:特征选择(四)

6

红色石头 发布于 2020-05-07

数据预处理后,我们生成了大量的新变量(比如独热编码生成了大量仅包含0或1的变量)。但实际上,部分新生成的变量可能是多余:一方面它们本身不一定包含有用的信息,故无法提高模型性能;另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此,我们应该进行特征选择并选择特征子集进行...

阅读(8988)评论(0)赞 (1)

特征工程

专栏 | 基于 Jupyter 的特征工程手册:特征选择(三)

6

红色石头 发布于 2020-04-24

数据预处理后,我们生成了大量的新变量(比如独热编码生成了大量仅包含0或1的变量)。但实际上,部分新生成的变量可能是多余:一方面它们本身不一定包含有用的信息,故无法提高模型性能;另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此,我们应该进行特征选择并选择特征子集进行...

阅读(8758)评论(0)赞 (2)

特征工程

专栏 | 基于 Jupyter 的特征工程手册:特征选择(二)

11

红色石头 发布于 2020-04-24

数据预处理后,我们生成了大量的新变量(比如独热编码生成了大量仅包含0或1的变量)。但实际上,部分新生成的变量可能是多余:一方面它们本身不一定包含有用的信息,故无法提高模型性能;另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此,我们应该进行特征选择并选择特征子集进行...

阅读(7405)评论(0)赞 (2)

特征工程

专栏 | 基于 Jupyter 的特征工程手册:特征选择(一)

9

红色石头 发布于 2020-04-22

数据预处理后,我们生成了大量的新变量(比如独热编码生成了大量仅包含0或1的变量)。但实际上,部分新生成的变量可能是多余:一方面它们本身不一定包含有用的信息,故无法提高模型性能;另一方面过这些多余变量在构建模型时会消耗大量内存和计算能力。因此,我们应该进行特征选择并选择特征子集进行...

阅读(9163)评论(0)赞 (6)