标签:机器学习 第9页

笔试面试

机器学习笔试题精选(一)

12

红色石头 发布于 2018-07-30

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。为了帮助大家对这些知识点进行梳理和理解,以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章,希望能够对大家有所帮助!...

阅读(8680)评论(0)赞 (24)

林轩田机器学习基石

精心整理 | 林轩田机器学习资源汇总

7

红色石头 发布于 2018-07-29

课程介绍 台湾大学林轩田老师曾在coursera上开设了两门机器学习经典课程:《机器学习基石》和《机器学习技法》。《机器学习基石》课程由浅入深、内容全面,基本涵盖了机器学习领域的很多方面。其作为机器学习的入门和进阶资料非常适合。《机器学习技法》课程主要介绍了机器学习领域经典的一些...

阅读(21366)评论(0)赞 (80)

林轩田机器学习技法

林轩田机器学习技法课程学习笔记10 — Random Forest

40

红色石头 发布于 2018-07-28

本节课主要介绍了Random Forest算法模型。RF将bagging与decision tree结合起来,通过把众多的决策树组进行组合,构成森林的形式,利用投票机制让G表现最佳,分类模型更稳定。其中为了让decision tree的随机性更强一些,可以采用randomly p...

阅读(5317)评论(0)赞 (1)

林轩田机器学习技法

林轩田机器学习技法课程学习笔记9 — Decision Tree

26

红色石头 发布于 2018-07-28

本节课主要介绍了Decision Tree。首先将decision tree hypothesis对应到不同分支下的矩gt。然后再介绍决策树算法是如何通过递归的形式建立起来。接着详细研究了决策树C&RT算法对应的数学模型和算法架构流程。最后通过一个实际的例子来演示决策树C&RT算...

阅读(5111)评论(0)赞 (1)

林轩田机器学习技法

林轩田机器学习技法课程学习笔记8 — Adaptive Boosting

33

红色石头 发布于 2018-07-28

本节课主要介绍了Adaptive Boosting。首先通过讲一个老师教小学生识别苹果的例子,来引入Boosting的思想,即把许多“弱弱”的hypotheses合并起来,变成很强的预测模型。然后重点介绍这种算法如何实现,关键在于每次迭代时,给予样本不同的系数u,宗旨是放大错误样...

阅读(5186)评论(3)赞 (2)