腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
杨熹的专栏
专栏成员
举报
302
文章
379528
阅读量
55
订阅数
订阅专栏
申请加入专栏
全部文章(302)
其他(77)
机器学习(60)
神经网络(40)
人工智能(39)
编程算法(34)
深度学习(25)
tensorflow(22)
NLP 服务(13)
强化学习(13)
python(12)
游戏(10)
https(10)
大数据(9)
数据处理(9)
http(7)
网络安全(7)
action(7)
推荐系统(6)
agent(6)
state(6)
java(4)
node.js(4)
html(4)
决策树(4)
数据分析(4)
数据库(3)
企业(3)
存储(3)
机器人(3)
table(3)
云数据库 SQL Server(2)
中文分词(2)
云推荐引擎(2)
网站(2)
爬虫(2)
正则表达式(2)
keras(2)
数据可视化(2)
app(2)
excel(2)
friend(2)
sample(2)
sum(2)
区块链(1)
自动驾驶(1)
数据挖掘(1)
go(1)
bash(1)
scala(1)
bootstrap(1)
android(1)
arm(1)
git(1)
github(1)
搜索引擎(1)
bash 指令(1)
spring(1)
mapreduce(1)
云函数(1)
数据加密服务(1)
短信(1)
腾讯云测试服务(1)
渲染(1)
无人驾驶(1)
卷积神经网络(1)
numpy(1)
监督学习(1)
线性回归(1)
二叉树(1)
flash(1)
kernel(1)
迁移学习(1)
数据结构(1)
adobe(1)
build(1)
com(1)
csv(1)
data(1)
function(1)
google(1)
greedy(1)
image(1)
jobs(1)
join(1)
key(1)
label(1)
list(1)
max(1)
model(1)
paste(1)
pivot(1)
png(1)
probability(1)
relationship(1)
render(1)
target(1)
uber(1)
vi(1)
vr(1)
youtube(1)
zero(1)
笔记(1)
表格(1)
程序员(1)
工具(1)
数学(1)
原理(1)
搜索文章
搜索
搜索
关闭
《百面机器学习》笔记-特征工程相关面试题2
决策树
机器学习
神经网络
深度学习
人工智能
例如,特征a有m个取值,特别b 有n个取值,将二者组合就有m*n个组成情况。这时需要学习的参数个数就是 m×n 个
杨熹
2019-05-17
884
0
强化学习第一课:像学自行车一样的强化学习
强化学习
机器学习
编程算法
决策树
线性回归
在监督式学习中,我们有数据 x 和标签 y。我们想要找到一个函数来连接 x 和 y。可以选择决策树,线性回归等模型,然后训练这些模型使损失函数达到最小。
杨熹
2018-12-06
628
0
Bagging 简述
http
决策树
html
机器学习
神经网络
本文结构: 基本流程 有放回抽样的好处 Bagging 特点 sklearn 中 Bagging 使用 Bagging 和 Boosting 的区别 ---- bagging:bootstrap aggregating 的缩写。 是一种并行式集成学习方法,可用于二分类,多分类,回归等任务。 基本流程: 对一个包含 m 个样本的数据集,有放回地进行 m 次随机采样,这样得到具有 m 个样本的采样集。 取 T 个这样的采样集。 每个采样集训练一个基学习器。 结合:分类任务,使用简单投票法。回归任务,使用简单平
杨熹
2018-04-03
762
0
决策树的python实现
决策树
python
编程算法
本文结构: 是什么? 有什么算法? 数学原理? 编码实现算法? ---- 1. 是什么? 简单地理解,就是根据一些 feature 进行分类,每个节点提一个问题,通过判断,将数据分为几类,再继续提问。
杨熹
2018-04-02
947
0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
立即查看
Python精品学习库
代码在线跑,知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档