来源：CSDN刷题，是面试前的必备环节。本文作者总结了往年BAT机器学习面试题，干货满满，值得收藏。1.请简要介绍下SVM。SVM，全称是support vector machine，中...

如今机器学习已经成为了这个时代的热门话题。机器学习已经存在了几十年，但直到最近我们才得以利用这项技术。接下来，让我们一起回顾一下机器学习的发展历史：它是怎么运行的呢？机器学习（ML）的处...

来源：机器学习杂货店本文约5000字，建议阅读10分钟本文通过图示将机器学习的发展历史、关键方法以及未来会如何影响社会生活展现了出来。[ 导读 ] 本文通过一系列机器学习信息图示，很好地将机器学习的发展历史、关键方法以及未来会如何影响社会生活展现了出来。基础概念部分包括机器学习各大学派错综关系的梳理；应用部分则描述了机器学习在社会中作用。文中的信息图非常专业，是值得珍藏的材料。我们在此基础上进..

传统的线性模型难以解决多变量或多输入问题，而神经网络如LSTM则擅长于处理多个变量的问题，该特性使其有助于解决时间序列预测问题。在接下来的这篇文章中，你将学会如何利用深度学习库Keras搭建LSTM模型来处理多个变量的时间序列预测问题，你会掌握：如何将原始数据转化为适合处理时序预测问题的数据格式；如何准备数据并搭建LSTM来处理时序预测问题；如何利用模型预测。一、空气污染预测在这篇博客中，我们将采

大家好，为了大家能够对人工智能常用的 Python 库有一个初步的了解，以选择能够满足自己需求的库进行学习，对目前较为常见的人工智能库进行简要全面的介绍。1、NumpyNumPy(Numerical Python)是 Python的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库，Numpy底层使用C语言编写，数组中直接存储对象，而不是...

导读：模型可解释性方面的研究，在近两年的科研会议上成为关注热点，因为大家不仅仅满足于模型的效果，更对模型效果的原因产生更多的思考，这样的思考有助于模型和特征的优化，更能够帮助更好的理解模型本身和提升模型服务质量。本文对机器学习模型可解释性相关资料汇总 survey。——综述——机器学习业务应用以输出决策判断为目标。可解释性是指人类能够理解决策原因的程度。机器学习模型的可解释性越高，人们就越容易理解

来源：机器学习社区、数据派THU在任何有监督机器学习项目的模型构建阶段，我们训练模型的目的是从标记的示例中学习所有权重和偏差的最佳值。如果我们使用相同的标记示例来测试我们的模型，那么这将是一个方法论错误，因为一个只会重复刚刚看到的样本标签的模型将获得完美的分数，但无法预测任何有用的东西 - 未来的数据，这种情况称为过拟合。为了克服过度拟合的问题，我们使用交叉验证。所以你必须知道什么是交叉验证？以及

导言对于几乎所有机器学习算法，无论是有监督学习、无监督学习，还是强化学习，最后一般都归结为求解最优化问题。因此，最优化方法在机器学习算法的推导与实现中占据中心地位。在这篇文章中，小编将对机器学习中所使用的优化算法做一个全面的总结，并理清它们直接的脉络关系，帮你从全局的高度来理解这一部分知识。机器学习要求解的数学模型几乎所有的机器学习算法最后都归结为求一个目标函数的极值，即最优化问题，例如对于有监督

爬虫是 Python 的一个常见应用场景，很多练习项目就是让大家去爬某某网站。爬取网页的时候，你大概率会碰到一些反爬措施。这种情况下，你该如何应对呢？本文梳理了常见的反爬措施和应对方案。1. 通过User-Agent来控制访问无论是浏览器还是爬虫程序，在向服务器发起网络请求的时候，都会发过去一个头文件：headers，比如知乎的requests headers这里面的大多数的字段都是浏览器向服务表

干货分享人：周志华教授，来源：AI科技评论作者：李雨晨 编辑：丛末在CCF-GAIR 2020的人工智能前沿专场上，南京大学计算机系主任、人工智能学院院长、CCF会士、ACM、AAAI、IEEE、IAPR Fellow周志华教授以“反绎学习”为题发表了大会报告。周志华表示，当今的人工智能热潮是由于机器学习，特别是其中的深度学习技术取得巨大进展，在大数据、大算力的...