腾讯云
开发者社区
文档
建议反馈
控制台
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
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
小鹏的专栏
专栏作者
举报
331
文章
392681
阅读量
56
订阅数
订阅专栏
申请加入专栏
全部文章(331)
python(74)
机器学习(58)
神经网络(48)
https(48)
网络安全(44)
深度学习(43)
人工智能(35)
编程算法(31)
tensorflow(27)
c++(24)
github(20)
git(17)
opencv(14)
spark(13)
开源(12)
linux(11)
numpy(10)
其他(9)
matlab(9)
http(9)
语音识别(8)
人脸识别(8)
scala(8)
node.js(7)
data(7)
图像识别(5)
pytorch(5)
数据处理(5)
text(5)
NLP 服务(4)
bash(4)
数据库(4)
sql(4)
ubuntu(4)
mapreduce(4)
图像处理(4)
模型(4)
java(3)
xml(3)
bash 指令(3)
腾讯云测试服务(3)
hadoop(3)
local(3)
txt(3)
对象存储(2)
数据挖掘(2)
mac os(2)
云数据库 SQL Server(2)
api(2)
jar(2)
lucene/solr(2)
容器镜像服务(2)
存储(2)
分布式(2)
缓存(2)
卷积神经网络(2)
决策树(2)
线性回归(2)
keras(2)
windows(2)
lm(2)
lstm(2)
model(2)
ode(2)
search(2)
变量(2)
排序(2)
原理(2)
负载均衡(1)
xcode(1)
php(1)
c#(1)
ruby(1)
r 语言(1)
css(1)
html(1)
json(1)
android(1)
qt(1)
打包(1)
ide(1)
maven(1)
中文分词(1)
文件存储(1)
文字识别(1)
云推荐引擎(1)
强化学习(1)
hive(1)
正则表达式(1)
sql server(1)
监督学习(1)
推荐系统(1)
socket编程(1)
anaconda(1)
数据分析(1)
网站建设(1)
腾讯云开发者社区(1)
processing(1)
sdk(1)
模型测试(1)
algorithm(1)
apply(1)
archive(1)
blur(1)
core(1)
curl(1)
cv2(1)
element(1)
embedding(1)
export(1)
fonts(1)
format(1)
image(1)
jieba(1)
kaggle(1)
mac(1)
map(1)
mask(1)
match(1)
matching(1)
matplotlib(1)
max(1)
min(1)
models(1)
nlp(1)
numbers(1)
nvidia(1)
python3(1)
return(1)
sampling(1)
scp(1)
sh(1)
src(1)
string(1)
structure(1)
sum(1)
system(1)
target(1)
tools(1)
url(1)
vi(1)
video(1)
wav(1)
word(1)
博客(1)
测试(1)
乱码(1)
论文(1)
手机(1)
数据(1)
统计(1)
图片上传(1)
协议(1)
语音(1)
搜索文章
搜索
搜索
关闭
机器学习-24:MachineLN之朴素贝叶斯源码
机器学习
神经网络
深度学习
人工智能
你要的答案或许都在这里:小鹏的博客目录 上一篇介绍了朴素贝叶斯的原理:MachineLN之朴素贝叶斯 下面为源码: from numpy import * # 构建一个简单的文本数据集, 包含两个类别。 def loadDataSet(): postingList=[['my', 'dog', 'has', 'flea', 'problems', 'help', 'please'], ['maybe', 'not', 'take', 'him', 'to', 'do
MachineLP
2022-05-09
232
0
机器学习-21:MachineLN之SVM源码
机器学习
神经网络
深度学习
人工智能
其实很多事情一定要找好自己的节奏,因为你会发现你不会的东西太多了,千万不要被带跑了。
MachineLP
2022-05-09
266
0
机器学习-18:MachineLN之逻辑回归源码
机器学习
神经网络
深度学习
人工智能
上一节:MachineLN之逻辑回归,讲述了逻辑回归的原理,今天看一下带详细注释的源码:切记好代码都是敲出来的,并且越敲越有感觉:
MachineLP
2022-05-09
157
0
机器学习-17:MachineLN之逻辑回归
编程算法
机器学习
神经网络
深度学习
人工智能
逻辑回归可以这样理解: 和感知机比较着来看或许更好,将感知机的表达式中的sign函数换成sigmoid就是逻辑回归的表达式,但是这一换不要紧,导致后边参数更新的方式完全不同,因为逻辑回顾的损失函数是参数连续可导的,还记得我们说过感知机的损失函数是参数连续不可导的吗? :MachineLN之感知机
MachineLP
2022-05-09
165
0
机器学习-16:MachineLN之感知机源码
机器学习
神经网络
深度学习
人工智能
编程算法
其实很多东西还是要靠自己,靠自己去完成最大的一点就是远离舒适区,试想一下自己每时每刻都要为下一顿能不能吃上饭而奋斗,是一种什么样的体验,估计你连想都不敢想;最近又听到说下岗的问题,有一个人说他除了收钱什么都不会,有时候也要多培养点自己的能力,做好一项,其他的也了解(当然也不了太多),多给自己备好能力,远离舒适区,但无论在哪里都有这么一批人,那你考虑过没有公司万一不景气,第一个下岗的会是谁?下岗了又可以迅速跨到别的领域的又是谁?我做不到这一点,但我在加油,要永远记住:公司不养闲人!比你优秀的人比你还努力,你还好意思说你不会?不会可以学啊,不学永远不会,哈哈,言辞过激了吗,也不知道咋地,最近着魔了吧!!!
MachineLP
2022-05-09
237
0
机器学习-14:MachineLN之kNN源码
机器学习
神经网络
深度学习
人工智能
其实你坚持的东西都是有意义的,就好比给代码加注释,你真去做了就知道了;另外建议大家建立一个自己的工具箱,就像我建立一个MachineLP_tools,里面放可以复用的代码,然后支持大家开源,你手上现有的代码可能很快就会过时,希望能够在有效期内发挥最大的功效;最后建议自己搭建一个自己的机器学习训练框架,用着顺手、用着舒服、用着放心,比起相信别人,相信大家更相信自己。
MachineLP
2022-05-09
250
0
机器学习-13:MachineLN之kNN
编程算法
机器学习
神经网络
深度学习
人工智能
其实训练模型是个力气活,有人说训练模型很简单,把数据塞进去,然后跑完就好了,哦,这样的话谁都会,关键的也就在这里,同样的数据同样的模型,有些人训练的模型在测试集上99%,有些人的则只有95%,甚至90%,其实学习最关键的也在这里,大家同时学一个知识,也都学了,但是理解的程度会大相径庭,注意trick不可不学,并且坑不得不踩。唉,前几天训练好的一个模型,再让自己复现感觉也很难搞定了,天时地利人和!!!今天开始搞传统机器学习的理论和实践,突然发现这是自己的短板,其实也不是啦:李航老师统计学看了4遍,周志华老师机器学习看了一遍,模式分类那本大厚书粗略看了一遍,经典的数据挖掘看了一遍,还看了一本机器学习的忘记名字了,吴恩达的课看了一遍,还看了一些英文资料,机器学习实践照着敲了一遍,在就是一些零零碎碎的.....,虽然做过一些实践,但是缺乏工程上的磨练。
MachineLP
2022-05-09
348
0
机器学习-12:MachineLN之优化算法
编程算法
机器学习
深度学习
神经网络
人工智能
其实很多时候应该审视一下自己,知道自己的不足和长处,然后静下来去做一些事情,只有真正静下来才能深下去,只有深下去了才能有所突破,不要被别人的脚步带跑,无论什么时候专而精更重要,同时我也知自己的不足,有点狂、有点浮躁、坚持自己观点喜欢争论、说话有时候伤人等等,但是我的优点也正在此(下面是05年9月份写的《自己-社会-机器学习》的一篇文章,虽然有点浮躁,但是值得我再去回顾):感觉自己成长了不少,不再抱怨,不再发脾气,不再那么要强,不再看重别人的眼光,更加注重自己的评价,开始接受一些事情,棱角开始慢慢圆滑,但是我了解自己,是绝不会消失,有些东西决不能随波逐流,社会锻炼了我们,最终也会将越来越好的自己放到社会中实践,这是一个无限循环的事情,最后的结果就是社会和我们都将越来越好,这也是一个漫长的过程,也需要充足的空间给我们释放,这就要看你的程序的时间复杂度和空间复杂度,这个好了,过程就会快一点,其实想一下,很多时候,我们就是在找一个最优解,但是社会的进步估计我们永远找到的也只能是局部最优了吧,也就是说在某个时间段我们尽最大可能想到的最好决策,至于全局最优解,这个问题还真是个无人能解的问题吧,马克思列宁提的共产主义可能就是我们最想要的那个损失函数的最小值,但是怎么能找到那个最适合的权重呢,来达到全局最优,值得思考?我们可能要像梯度下降那样了,慢慢的来调节权重,达到某阶段的最优,当然大神们都有自己的方法,这点不能否认,但是弯路是要走的,不如把眼光放长远,让我们一起期待。
MachineLP
2022-05-09
383
0
机器学习-11:MachineLN之过拟合
机器学习
神经网络
人工智能
正则表达式
深度学习
其实很多时候大家都想自己做一些事情,但是很多也都是想想而已,其实有了想法自己感觉可行,就可以去行动起来,去尝试,即使最后败了,也无怨无悔,有句话说的很好:成功收获成果,失败收获智慧,投入收获快乐!反而有时候顾及的太多,本应该做的事情错过了,怪谁呢?我跟大家不同的是无论什么事情,先做了再说吧!
MachineLP
2022-05-09
328
0
机器学习-10:MachineLN之样本不均衡
机器学习
神经网络
深度学习
人工智能
其实很多时候,有竞争是好的事情,可以促进你的成长,可以磨练你的耐性,可以提升你的魅力,可以表现你的豁达,可以体验成功的喜悦,可以感受失败其实并不可怕,可怕的是你没有面对失败的勇气;而今天的社会达尔文的进化论其实从来没有变过,唯一不变的事情想必就是变了,做慈善的是慈善机构,做教育的是学校,百依百顺的是父母,只要踏上社会,那么对不起,优胜劣汰,适者生存,你必须面对,并且你面对的都是高手,是多个依依东望的诸葛亮,你要脱颖而出除了变的更优秀没有出路! 那么你打算怎么做呢?
MachineLP
2022-05-09
264
0
机器学习-9:MachineLN之数据归一化
机器学习
神经网络
深度学习
人工智能
编程算法
有时候很羡慕一些人,从开始的无到有,譬如一些人平常工资三四千,但是由于很长时间的积累和习惯,他们的睡后收入是上班工资的四倍甚至五倍,但是我感觉他们可以,我也一定可以,所以这半年我就拿出更多的时间睡觉,但是我这半年的睡后收入可能只在五千左右;难道我做错了嘛?那么我就从每天的睡觉十个小时缩减到六个小时试试吧,测试一下睡眠时间是不是和睡后收入成反比的(测试结果明年公布),真是奇怪哈,不应该睡的越久睡后收入越多嘛!!!(哈哈哈,真实幽默哈,但是不一定有人欣赏你哈)
MachineLP
2022-05-09
194
0
机器学习-8:DeepLN之BN
机器学习
神经网络
深度学习
人工智能
又到了每天写东西的时间了,这时候最兴奋,这种兴奋可以延续到后半夜,两点甚至三点;以前写博客都是杂乱无章的,现在写公众号决定按照一个框架,按照一个系列来写;
MachineLP
2022-05-09
285
0
机器学习-7:MachineLN之激活函数
机器学习
深度学习
人工智能
神经网络
很长一段时间都在想,有些问题不去弄明白为什么,遇到瓶颈就傻逼了,一个bug整你一个月,原来只是一个细节问题,就好如:你不知道从哪里来? 又怎么知道往哪里去? 现在遗留的小问题,将来都会是大问题!
MachineLP
2022-05-09
266
0
机器学习-6:DeepLN之CNN源码
机器学习
神经网络
深度学习
人工智能
腾讯云开发者社区
可能一直关注我更新文章的童鞋,可能看出我的布局,基本是先搭一个框架然后挖坑去填,这可能是我做事情一个优点,当接触到新事物总是能快速建立一个框架,然后去慢慢填,可能刚开始建立的框架是错的,但是没关系,后面随着认知的加深慢慢去改,这可能与我数学比较好有点关系(又开始了...对你无语!!!),跟着清华宁向东老师学习管理学半年,感觉在宁老师上课方式跟我学习知识有点相似(当然应该是我跟宁老师相似),框架搭好挖坑去填,然后多问为什么?另外我也一直反对老师上课用ppt,为什么不用板书,由以前的事半功倍,变成现在事倍功半,反而让学生课后要花更多时间去自己琢磨学习,爱学习的还好,就像我这种不爱学习的简直是大坑。清华老校长梅贻琦先生的话:大学者,非有大楼之谓也,而有大师之谓也。
MachineLP
2022-05-09
311
0
机器学习-4:DeepLN之CNN解析
卷积神经网络
机器学习
神经网络
深度学习
人工智能
很感谢谭哥的开篇废话这四个字,让我把一些废话说出来了,是时候还给谭哥了。因为废话太多会让人感觉,没有能力净废话。
MachineLP
2022-05-09
366
0
机器学习-3:MachineLN之dl
机器学习
深度学习
神经网络
人工智能
对外人提起人工智能感觉很牛逼很了不起、高大上或者一些其他的吹捧、羡慕的词都出来,那么今天就通过一篇文章带到dl的世界,如果你是小白这篇文章会感觉挺好玩,如果你是大牛,你会感觉这个玩意谁不会?!不管怎么样请保持平常心,因为深度学习很普通,并且现在很多人感觉已经遇到了瓶颈,大牛都在寻找其他更好的方法,但不得不承认dl确实比传统机器学习的方法好,先看一下dl的局限性,给你挖一些坑自己去填可好?
MachineLP
2022-05-09
433
0
机器学习-2:MachineLN之模型评估
机器学习
深度学习
http
神经网络
人工智能
很多文章其实都是将书中的东西、网上课程、或者别人的论文的东西总结一下,发出来,但是个人感觉还是加入个人的理解,然后加上一些工程中遇到的问题一起发出来会更好些。
MachineLP
2022-05-09
289
0
机器学习-1:MachineLN之三要素
编程算法
机器学习
神经网络
深度学习
人工智能
机器学习解决的问题和李航老师统计学习方法所描述的统计学问题不谋而合。李老师定义为统计学习三要素:方法=模型+策略+算法。这不光是统计学习必经之路,这也是ML、DL三大关键所在,如果你这三块系统化了以后,都可以往里套。
MachineLP
2022-05-09
261
0
[语音识别] 单音素、三音素、决策树
决策树
机器学习
神经网络
深度学习
人工智能
以前的音标现在也可以叫音素,而且现在正广泛的把音标叫音素。 每一种语言中的音素都是不一样的,即使是同种语言中,方言的音素也是不一样的。音素应该与人体的发音严格的区分开,因为音素是指一个有规律的有限的发音系统而人体的发音则是无限的。 以英语为例,英语共有48个音素,其中元音20个,辅音28个。英语辅音和元音在语言中的作用,就相当于汉语中的声母和韵母。记录语音音素的符号叫做音标。音标可以分为两种,即严式音标和宽式音标。一般学习语言使用宽式音标即可,比如广泛运用的英语国际音标。而对于语音、音韵等专业研究来说,用严式音标则最大可能地记录任意一种语言的语音。 音素是构成音节的最小单位或最小的语音片段,是从音质的角度划分出来的最小的线性的语音单位。在语音学与音韵学中,音素一词所指的是说话时所发出的声音。音素是具体存在的物理现象。国际音标(这里指的是国际语音协会制定的国际音标,注意同英语国际音标区分)的音标符号与全人类语言的音素具有一一对应。
MachineLP
2020-03-25
2.7K
0
DL杂记:再议长短时记忆网络(Long Short Term Memory Network, LSTM)
机器学习
神经网络
深度学习
人工智能
首先看一下原始rnn: 其实rnn可以看成是一个很深的network。 如下图所示的形式。
MachineLP
2019-05-26
744
0
点击加载更多
社区活动
腾讯技术创作狂欢月
“码”上创作 21 天,分 10000 元奖品池!
立即发文
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