作者|James Loy编译|VK来源|Towards Data Science传统的推荐系统基于聚类、最近邻和矩阵分解等方法。然而，近年来，深度学习在从图像识别到自然语言处理等多个领域取得了巨大的成功。推荐系统也得益于深度学习的成功。事实上，如今最先进的推荐系统，比如Youtube和Amazon的推荐系统，都是由复杂的深度学习系统驱动的，而不是传统方法。本教程在阅读了许多有用的教程，这些教程介绍

【导读】XGBoost是boosting算法的其中一种。Boosting算法的思想是将许多弱分类器集成在一起形成一个强分类器。因为XGBoost是一种提升树模型，所以它是将许多树模型集成在一起，形成一个很强的分类器。而所用到的树模型则是CART回归树模型。讲解其原理前，先讲解一下CART回归树。一、CART回归树CART回归树是假设树为二叉树，通过不断将特征进行分裂。比如当前树结点是基于第...

磐石家往往会选择一本数据科学相关书籍或者完成一门在线课程来学习和掌握机器学习。但是，实际情况往往是，学完之后反而并不清楚这些技术怎样才能被用在实际的项目流程中。就像你的脑海中已经有了一块块”拼图“（机器学习技术），你却不知道如何讲他们拼起来应用在实际的项目中。如果你也遇见过同样的问题，那么这篇文章应该是你想要的。本系列文章将介绍一个针对真实世界实际数据集的完整机器学习解决方案，让你了解所有部分..

作者|Aakarsh Yelisetty编译|Flin来源|towardsdatascience让我们看看如何在涉及文本识别的自定义数据集上使用FAIR（Facebook AI Research）的Detectron 2进行实例检测。你是否尝试过使用你自己选择的自定义数据集从头开始训练对象检测模型？如果是的话，你就会知道这个过程有多乏味。如果我们选择基于区域建议的方法，如更快的R-CNN，或者我们

作者|PythosLabs编译|VK来源|Towards Data Science这篇文章是关于什么的在本文中，我们将了解随机森林算法是如何在内部工作的。为了真正理解它，了解一下决策树分类器可能会有帮助。但这并不完全是必需的。注意：我们不涉及建模中涉及的预处理或特征工程步骤，只查看当我们使用sklearn的RandomForestClassifier包调用.fit()和.transform()方法

作者|PRATEEK JOSHI编译|VK来源|Analytics Vidhya介绍机器学习框架或库有时会更改该领域的格局。今天，Facebook开源了一个这样的框架，DETR(DEtection TRansformer)在本文中，我们将快速了解目标检测的概念，然后直接研究DETR及其带来的好处。目标检测在计算机视觉中，目标检测是一项任务，我们希望我们的模型将对象与背景区分开，并预测图像中存在的对

作者|huggingface编译|VK来源|Github这是从pytorch-pretrained-bert迁移到transformers时应注意的事项的快速摘要。模型始终输出tuple从pytorch-pretrained-bert迁移到transformers时，主要的突破性变化是模型forward方法始终根据模型和配置参数输出带有各种元素的tuple。每个模型的元组的确切内容在模...

1. 典型聚类算法1.1 基于划分的方法代表：kmeans算法·指定k个聚类中心·（计算数据点与初始聚类中心的距离）·（对于数据点，找到最近的{i}ci(聚类中心)，将分配到{i}ci中）·(更新聚类中心点，是新类别数值的均值点)·（计算每一类的偏差）·返回返回第二步1.2 基于层次的方法代表：CURE算法·每个样本作为单独的一个类别··合并,为·遍历...

来源 | Analytics Vidhya整理 | 磐石就在几天前，Google AI在Kaggle上推出了一项名为Open Images Challenge的大规模目标检测竞赛。当今计算机视觉社区已经很长一段时间没有进行如此新的大规模竞赛，这对视觉研究者来说绝对是一个令人振奋的消息。连续多年ImageNet一直是计算机视觉领域的“黄金标准型”竞赛，并且吸引了大量团队每年都参与竞争，...

欢迎大家关注我们的网站和系列教程：http://www.tensorflownews.com/，学习更多的机器学习、深度学习的知识！1.回顾DNN训练词向量上次说到了通过DNN模型训练词获得词向量，这次来讲解下如何用word2vec训练词获取词向量。回顾下之前所说的DNN训练词向量的模型：DNN模型中我们使用CBOW或者Skip-gram模式结合随机梯度下降，这样每次都只是取训...