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

中文文本分类对比(经典方法和CNN)

from:https://www.jianshu.com/p/dc00a5d597ed背景介绍笔者实验室项目正好需要用到文本分类,作为NLP领域最经典的场景之一,文本分类积累了大量的技术实现方法,如果将是否使用深度学习技术作为标准来衡量,实现方法大致可以分成两类:基于传统机器学习的文本分类基于深度学习的文本分类facebook之前开源的fastText属于简化版的第二类,词向量取...

线性回归和逻辑回归

from:https://blog.csdn.net/jiaoyangwm/article/details/81139362文章目录一、什么是机器学习二、线性回归2.1 线性回归的表达式三、逻辑回归3.1 逻辑回归的损失函数3.2 逻辑回归实现多分类四、LR的特点五、 为什么逻辑回归比线性回归好六、 LR和SVM的关系一、什么是机器学习利用大量的数据样本,使得计算机通...

算法的简单归类–看完这些顿时感觉算法不再那么神秘了

http://buluo.qq.com/p/detail.html?bid=102594&pid=9104210-1472808015无论是机器学习、模式识别、数据挖掘、统计学习、计算机视觉、语音识别、自然语言处理都涉及到算法。1.树:决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评

转:深度 | 深度学习与神经网络全局概览:核心技术的发展历程

转自:http://qingmang.me/articles/-6937147381640589681/选自 AnalyticsVidhya作者: Syed Danish Ali、Rahul Ahuja机器之心编译参与:吴攀、李亚洲随着神经网络的进化,许多过去曾被认为不可想象的任务现在也能够被完成了。图像识别、语音识别、寻找数据集中的深度关系等任务现在已经变得远远更加简单了。在此向这一

人工智能60年浪潮

转自:http://www.leiphone.com/news/201610/6TwNRZrsvWOU2ESW.htmlCNCC 2016 | 中国工程院高文院士39张PPT带你看懂人工智能60年浪潮雷锋网(公众号:雷锋网)按:本文根据高文院士今天上午在 CNCC 2016 上所做的大会特邀报告《人工智能--螺旋上升的60年》编辑整理而来,在未改变原意的基础上略有删减。

价值选股策略——基于机器学习算法

https://mp.weixin.qq.com/s?__biz=MzI4MjM4Mzg3Ng==&mid=2247483821&idx=1&sn=19c82810cdca9fd82ece1b2b73e064ed&chksm=eb9b82c6dcec0bd0a51871e6251dd251aa252b57de7829ed07b18a0

DeepLearning(深度学习)原理与实现(一)

http://blog.csdn.net/marvin521/article/details/8886971   经过三年的狂刷理论,觉得是时候停下来做些有用的东西了,因此决定开博把他们写下来,一是为了整理学过的理论,二是监督自己并和大家分享。先从DeepLearning谈起吧,因为这个有一定的实用性(大家口头传的“和钱靠的很近”),国内各个大牛也都谈了不少,我尽量从其他方面解释一

大数据与人工智能

转自:http://www.360doc.com/content/15/0424/09/20625606_465608494.shtml技术不足导致移动互联网难以催生出更多的新应用和商业模式,为突破瓶颈,新一轮更激动人心、更值得期待的技术革命风暴已经诞生,将成为未来10年乃至更长时间内IT产业发展的焦点,它的名字叫做“人工智能”(AI)。只有人工智能才能为“

大数据与人工智能

转自:http://www.360doc.com/content/15/0424/09/20625606_465608494.shtml技术不足导致移动互联网难以催生出更多的新应用和商业模式,为突破瓶颈,新一轮更激动人心、更值得期待的技术革命风暴已经诞生,将成为未来10年乃至更长时间内IT产业发展的焦点,它的名字叫做“人工智能”(AI)。只有人工智能才能为“

决策树算法的优缺点

转自:http://blog.csdn.net/gamer_gyt/article/details/51226904决策树算法的优点:1:理解和解释起来简单,且决策树模型可以想象2:需要准备的数据量不大,而其他的技术往往需要很大的数据集,需要创建虚拟变量,去除不完整的数据,但是该算法对于丢失的数据不能进行准确的预测3:决策树算法的时间复杂度(即预测数据)是用于训练决策树的数据点的对

到底了