1 前言实验表明，RNN 在几乎所有的序列问题上都有良好表现，包括语音/文本识别、机器翻译、手写体识别、序列数据分析（预测）等。在实际应用中，RNN 在内部设计上存在一个严重的问题：由于网络一次只能处理一个时间步长，后一步必须等前一步处理完才能进行运算。这意味着 RNN 不能像 CNN 那样进行大规模并行处理，特别是在 RNN/LSTM 对文本进行双向处理时。这也意味着 RNN 极度地计算密集，因

1 异常检测异常检测虽然主要用于非监督学习问题，但从某些角度看，它又类似于一些监督学习问题。什么是异常检测呢？如下例：假想你是一个飞机引擎制造商，当你生产的飞机引擎从生产线上流出时，你需要进行QA(质量控制测试)，而作为这个测试的一部分，你测量了飞机引擎的一些特征变量，比如引擎运转时产生的热量，或者引擎的振动等等。...

吴恩达视频：https://www.bilibili.com/video/av66647398笔记：http://www.ai-start.com/dl2017/html/lesson5-week1.html

1 异常检测异常检测虽然主要用于非监督学习问题，但从某些角度看，它又类似于一些监督学习问题。什么是异常检测呢？如下例：假想你是一个飞机引擎制造商，当你生产的飞机引擎从生产线上流出时，你需要进行QA(质量控制测试)，而作为这个测试的一部分，你测量了飞机引擎的一些特征变量，比如引擎运转时产生的热量，或者引擎的振动等等。...

目录1 K的选择1.1肘部法则(Elbow method)1.2目标法则1.3间隔统计量 Gap Statistic1.4 关于K值选择的改进算法——ISODATA算法2聚类算法的评估2.1估计聚类趋势2.2 判定数据簇数2.3测定聚类质量2.3.1轮廓系数（Silhouette Coefficient）2.3.2均方根标准偏差（Root-mean-square standard deviatio

目录1 pickle2joblib3安全性和可维护性的局限性4Interoperable formats 可互操作的格式机器学习过程分为训练过程和预测过程。训练过程得到一个模型，预测过程得到预测结果。为了节省时间，最好能够在每次执行预测时，调用已经构造好的模型，而不是每次预测前都需要重新训练一次模型。以“决策树”为例，最好能够在每次执行分类时调用已经构造好的决策树。本文将使用两种方法来实现模型的保

目录1 无监督学习2K-均值算法K-meansAlgorithm2.1 算法步骤综述2.2 步骤详解2.3 算法图示3K-means算法损失函数3.1定义损失函数变量3.2K-means算法的优化目标3.3 K-means算法步骤与优化函数4K均值算法簇中心的随机初始化 Random initialization4.1 随机初始化遵循法则...

1 异常检测http://blog.rexking6.top/2018/11/05/%E5%9F%BA%E4%BA%8E%E6%97%B6%E9%97%B4%E5%BA%8F%E5%88%97%E7%9A%84%E5%BC%82%E5%B8%B8%E6%A3%80%E6%B5%8B/

目录1 简介1.1 什么是强化学习1.2 强化学习的主要特点1.3 强化学习的组成部分2强化学习训练过程3强化学习算法归类3.1 Value Based3.2Policy Based3.3 Actor-Critic3.4 其他分类4EE（Explore & Exploit）探索与利用5 强化学习实际开展中的难点6 强化学习的实际应用6.1 自动驾驶6.2 游戏6.3 推荐系统7 Q-lea

1gridSearchCV（网格搜索）sklearn.model_selection.GridSearchCV — scikit-learn 1.0.2 documentationGridSearchCV，它存在的意义就是自动调参，只要把参数输进去，就能给出最优化的结果和参数。但是这个方法适合于小数据集，一旦数据的量级上去了，很难得出结果。这个时候就是需要动脑筋了。数据量比较大的时候可以使用一个快