为了提高索引性能，Elasticsearch 在写入数据的时候，采用延迟写入的策略，即数据先写到内存中，当超过默认1秒（index.refresh_interval）会进行一次写入操作，就是将内存中 segment 数据刷新到磁盘中，此时我们才能将数据搜索出来，所以这就是为什么 Elasticsearch 提供的是近实时搜索功能，而不是实时搜索功能。_all 字段及 _source 字段的使用，应

从个性化推送（今日头条）、自拍美颜、自动翻译，到无人驾驶、图像识别等诸多领域……人工智能已经渗透进我们生活的方方面面，人工智能背后的机器学习和深度学习技术，也成为了“高薪”的代名词。那么，普通程序员如何踏入AI的浪潮，站上时代薪资顶端呢？今天，我们带来了 44 个机器学习的练手项目，分为「入门知识」、「基础课程」、「基础应用」、「综合应用」、「系统进阶」5个模块，层层递进，帮助你系统地入门...

大家恐怕都听说过著名的啤酒与尿布, 这是典型的购物篮问题, 在数据挖掘界叫做频繁项集(Frequent Itemsets).note: 数据类型写法按照Python的格式.一. 目标与定义1. 问题背景超市中购物清单中总是有一些项目是被消费者一同购买的. 如果我们能够发现这些关联规则(association rules), 并合理地加以利用, 我们就能取得一定成果. 比如我们发现热狗和芥末存在这种

# -*- coding:utf-8 -*#本代码是在jupyter notebook上实现，author:huzhifei， create time:2018/8/14#本脚本主要实现了基于python通过已有的情感词典对文本数据做的情感分析的项目目的#导入对应的包及相关的自定义的jieba词典import jiebaimport numpy as npjieba.load_us...

最近在浏览技术社区，发现了一款 IDE 插件，利用人工智能技术帮助程序员高效写代码、节省开发时间，一下子勾起了我的好奇心。下载之后，使用一番，确实蛮好的，可以有效提升编程效率。这款插件叫：aixcoder，我们可以从它的名字看出特殊性，是一款利用 AI 技术提升编程效率的插件。根据官网信息得知，智能编程助手插件有三大特性：功能很强大，使用起来很简单，aixcoder 已经集成到...

模型结构如下图所示，CNN模型增强了上下文信息的提取能力，左图中CNN尺寸为1，即无卷积的情况下，每个时刻的特征单独进入Transformer，当两个时刻的特征相似时，由于上下文环境（即前后时刻的值）不同，因此这两个时刻表达的信息不同，而左侧模型无法提取这个信息。除了上述的模型结构外，一些在NLP中常用的如LSTM+Attention的模型结构也可以用于时间序列预测任务中，由于NLP和时间序列都是

前言   最开始接触SVM是在吴恩达的课程上，展示了一个例子：用SVM将人声从环境声中单独剥离出来。后来，在吴教授的Coursera机器学习课程中监督学习部分的末尾，讲述了SVM。但是他所讲述的SVM是基于逻辑回归修改而得来的。这个东西确实不太好明白，目前我也只是将自己的理解结合July的资料整理描述出来，在未来会继续的修正与更新这块内容，下面就开始我的粗浅的认识。一、什么是SVM？  SVM（S

特征选择是很重要的有这么一句话在业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢？顾名思义，其本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。推荐和广告系统中特征选择同样重要，虽然深度学习能在一定程度上解决自动特征组合以及交互的问题，但是现阶段的实际应用中仍然需要做一些特征设计以及显示的特征组...

上一节讲了决策树算法，虽然存在一些局限性，但是正是这种局限性造就了集成学习中的随机森林算法。 八、集成学习与随机森林  假设要解决一个复杂的问题，让众多学生去回答，然后汇总他们的答案。在许多情况下，会发现这个汇总的答案比一个老师的答案要好。同样，如果汇总了一组预测变量（例如分类器或回归因子）的预测结果，则通常会得到比最佳个体预测变量得到更好的预测结果。这种技术被称为集成学习（Ensemble Le

在实际应用中，每个分支都有大量的著名的变种模型。万变不离其宗，了解了基本原理和设计思想，就能够更容易理解各个变种模型的妙处以及适用场景。