本文转载自：https://ptorch.com/news/187.htmlpytorch从0.4开始提出了Tensor Attributes，主要包含了torch.dtype,torch.device,torch.layout。pytorch可以使用他们管理数据类型属性。以下内容为pytorch0.4文档内容，具体可以查看Tensor AttributesTensor Attribute...

1 使用numpy 及 pandas 读取csv文件及遍历1.1 numpyfin = np.loadtxt(self.path,dtype=np.str,delimiter=',')test_dict = {}data = fin[1:].tolist()for list1 in data:name,c...

TinyXml介绍TinyXml是一个基于DOM模型的、非验证的轻量级C++解释器一. XML解析模型:目前XML的解析主要有两大模型：SAX和DOM。SAX是基于事件的，其基本工作流程是分析XML文档，当发现了一个新的元素时，产生一个对应事件，并调用相应的用户处理函数。这种方式占用内存少，速度快，但用户程序相应得会比

本文转载自:https://my.oschina.net/xiaoluobutou/blog/680638摘要: MLlib 是 Spark 生态系统里用来解决大数据机器学习问题的模块。本文将以聚类分析这个典型的机器学习问题为基础，向读者介绍如何使用 MLlib 提供的 K-means 算法对数据做聚类分析，我们还将通过分析源码，进一步加深读者对 MLlib K-means 算法的实现原理

本文转载自:http://www.tuicool.com/articles/ZzuQnmI现在谈人工智能已经绕不开“神经网络”这个词了。人造神经网络粗线条地模拟人脑，使得计算机能够从数据中学习。机器学习这一强大的分支结束了 AI 的寒冬，迎来了人工智能的新时代。简而言之，神经网络可能是今天最具有根本颠覆性的技术。看完这篇神经网络的指南，你也可以和别人聊聊深度学习了。为此

前段时间简单看了下ALBERT 的paper(ALBERT: A LITE BERT FOR SELF-SUPERVISED LEARNING OF LANGUAGE REPRESENTATIONS)， 简单记录下论文的思想，穿插一点点个人想法。1 背景1.1 从BERT以来，NLP的预训练模型变得越来越大，占用的 GPU/TPU显存越来越高。...

机器学习的有概率分类器(probabilistic),贝叶斯推理网络(bayesian inference networks) , 决策树分类器(decision tree) ,决策规则分类器(decision rule) ,基于回归的线性最小二乘llsf(regression based on linearleast squares fit ) , 符号规则归纳法( symbolic ru

本文转载自: http://www.cnblogs.com/tornadomeet/p/3395593.html　前言：　　找工作时（IT行业），除了常见的软件开发以外，机器学习岗位也可以当作是一个选择，不少计算机方向的研究生都会接触这个，如果你的研究方向是机器学习/数据挖掘之类，且又对其非常感兴趣的话，可以考虑考虑该岗位，毕竟在机器智能没达到人类水平之前，机器学习可以作为一种重要

本文转载自:http://blog.jobbole.com/90316/在一份调查问卷中，三个独立专家小组投票选出的十大最有影响力的数据挖掘算法，今天我打算用简单的语言来解释一下。一旦你知道了这些算法是什么、怎么工作、能做什么、在哪里能找到，我希望你能把这篇博文当做一个跳板，学习更多的数据挖掘知识。还等什么？这就开始吧！1.C4.5算法C4.5是

本文转载自:http://www.cnblogs.com/lcchuguo/p/4874288.html 一、 C4.5 C4.5算法是机器学习算法中的一种分类决策树算法,其核心算法是ID3 算法.   C4.5算法继承了ID3算法的长处。并在下面几方面对ID3算法进行了改进： 1) 用信息增益率来选择属性，克服了用信息增益选择属性时偏向选择取值多的属性的不足。 2) 在树构造