logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

一篇文章透彻解读聚类分析及案例实操

1  聚类分析介绍1.1 基本概念聚类就是一种寻找数据之间一种内在结构的技术。聚类把全体数据实例组织成一些相似组,而这些相似组被称作聚类。处于相同聚类中的数据实例彼此相同,处于不同聚类中的实例彼此不同。聚类技术通常又被称为无监督学习,因为与监督学习不同,在聚类中那些表示数据类别的分类或者分组信息是没有的。通过上述表述,我们可以把聚类定义为将数据集中在某些方面具有相似性的数据

#聚类#神经网络#人工智能 +1
Recurrent Layers——介绍(递归神经网络原理介绍)

https://zhuanlan.zhihu.com/p/24720659?utm_source=tuicool&utm_medium=referral作者:YJango链接:https://zhuanlan.zhihu.com/p/24720659来源:知乎著作权归作者所有。商业转载请联系作者获得授权,非商业转载请注明出处。大家貌似都叫Recurrent Neural

#神经网络
遗传算法优点(论文可用)

遗传算法也是计算机科学人工智能领域中用于解决最优化的一种搜索启发式算法,是进化算法的一种。这种启发式通常用来生成有用的解决方案来优化和搜索问题。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择以及杂交等。遗传算法在适应度函数选择不当的情况下有可能收敛于局部最优[1]  ,而不能达到全局最优。遗传算法的基本运算过程如下:a)初始化:设置进化代数计数器t

机器学习算法Python实现

https://github.com/lawlite19/MachineLearning_Python?utm_source=tuicool&utm_medium=referral目录机器学习算法Python实现一、线性回归1、代价函数2、梯度下降算法3、均值归一化4、最终运行结果5、使用scikit-learn库中的线性模型实现二、逻辑回归1、代价

#python#机器学习#算法 +1
花式破解人脸识别技术的5种方法

http://www.leiphone.com/news/201612/ms2z3J1NIlPTkmQT.html一人,一车,一司机,故事还得从一次“网约黑车”的经历说起 。车到了,可疑的是,接我的司机、车的信息,与手机客户端上显示的完全不符,但为了赶紧回家,我顾不了太多便上了车,结果司机开了不到一分钟,就回头对我说:“我要取消订单了,等会儿你直接给我钱就行 ”,在我的一再拒绝

使用python+机器学习方法进行情感分析(详细步骤)

https://www.tuicool.com/articles/7bmUBbZ不是有词典匹配的方法了吗?怎么还搞多个机器学习方法。因为词典方法和机器学习方法各有千秋。机器学习的方法精确度更高,因为词典匹配会由于语义表达的丰富性而出现很大误差,而机器学习方法不会。而且它可使用的场景更多样。无论是主客观分类还是正负面情感分类,机器学习都可以完成任务。而无需像词典匹配那样要

#python#分类
机器学习新概念-MLOps简介

什么是 MLOps?机器学习操作 (MLOps) 基于可提高工作流效率的DevOps原理和做法。例如持续集成、持续交付和持续部署。MLOps 将这些原理应用到机器学习过程,其目标是:更快地试验和开发模型更快地将模型部署到生产环境质量保证顾名思义,MLOps就是机器学习时代的DevOps。它的主要作用就是连接模型构建团队和业务,运维团队,建立起一个标准化的模型开发,部署与运维流程,使得企业组织能更好

#机器学习
运维体系框架标准化模型简介

为什么要做标准化?标准化的过程实际上就是对运维对象的识别和建模过程。形成统一的对象模型后,各方在统一的认识下展开有效协作,然后针对不同的运维对象,再抽取出它们所对应的运维场景,接下来才是运维场景的自动化实现。这有点像我们学的面向对象编程的思想,其实我们就是需要遵循这样一个思路,我们面对的就是一个个实体和逻辑运维对象。在标准化的过程中,先识别出各个运维对象,然后我们日常做的所

#运维#架构
基于地理位置的数据挖掘

https://zhuanlan.zhihu.com/p/24510479?utm_source=tuicool&utm_medium=referral一般我们在做数据挖掘过程中地理位置算是一个特别重要的特征,广泛应用于O2O的很多场景。但做的事情都相对来说比较简单,LBS的网格位置推相应的内容。原来我们基于地理位置拿了不少数据,也做了一些模型,主要是一些医院位置、商场位置、公交地

#数据挖掘
对业务系统的监控

cp1 : 业务系统宿主机监控现在一般系统都不直接跑物理机了,基本都跑在虚拟机或者容器上边,无论你们所谓的宿主机或者迁移做到多好,都要密切关注宿主机这块事情,很可能分分钟被其他业务或者宿主机本身把系统搞挂。一旦有异常必须关注起来,特别是机器数量比较少的时候,系统没发起自动迁移的情况下,及时迁移宿主机。大概需要关注的东西:宿主机网络、磁盘IO、CPU load、memory loadcp...

#自动化#运维
    共 31 条
  • 1
  • 2
  • 3
  • 4
  • 请选择