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
ml
专栏作者
举报
664
文章
633437
阅读量
64
订阅数
订阅专栏
申请加入专栏
全部文章(664)
编程算法(281)
数据结构(126)
java(108)
其他(97)
c++(38)
linux(21)
python(12)
游戏(12)
机器学习(11)
c 语言(11)
深度学习(10)
数据库(8)
人工智能(8)
数据处理(8)
html(6)
云数据库 SQL Server(6)
神经网络(6)
input(6)
jsp(5)
spring(5)
tensorflow(4)
mvc(4)
图像处理(4)
数据挖掘(3)
ios(3)
xml(3)
qt(3)
windows(3)
limit(3)
line(3)
servlet(2)
云数据库 Redis(2)
sql(2)
git(2)
api(2)
tomcat(2)
ubuntu(2)
容器镜像服务(2)
容器(2)
存储(2)
分布式(2)
html5(2)
mybatis(2)
numpy(2)
决策树(2)
二叉树(2)
nat(2)
case(2)
code(2)
function(2)
microsoft(2)
output(2)
sample(2)
模型(2)
php(1)
javascript(1)
bash(1)
.net(1)
css(1)
json(1)
eclipse(1)
github(1)
struts(1)
windows server(1)
centos(1)
bash 指令(1)
http(1)
网络安全(1)
jdk(1)
hadoop(1)
opencv(1)
jdbc(1)
监督学习(1)
推荐系统(1)
socket编程(1)
大数据(1)
https(1)
hbase(1)
nest(1)
kafka(1)
apply(1)
chess(1)
colors(1)
configuration(1)
dp(1)
eof(1)
error(1)
file(1)
height(1)
hidden(1)
integer(1)
join(1)
key(1)
map(1)
member(1)
model(1)
nullable(1)
numbers(1)
paint(1)
prediction(1)
return(1)
scope(1)
set(1)
stack(1)
sum(1)
this(1)
wifi(1)
word2vec(1)
yaml(1)
笔记(1)
编程(1)
部署(1)
对象(1)
数据(1)
数组(1)
线程(1)
压缩(1)
字符串(1)
搜索文章
搜索
搜索
关闭
N-gram的简单的介绍
机器学习
N-gram是机器学习中NLP处理中的一个较为重要的语言模型,常用来做句子相似度比较,模糊查询,以及句子合理性,句子矫正等. 再系统的介绍N-gram前,我们先了解一下这几种概率.
Gxjun
2018-08-13
1.1K
0
关于TF(词频) 和TF-IDF(词频-逆向文件频率 )的理解
机器学习
TF(词频): 假定存在一份有N个词的文件A,其中‘明星‘这个词出现的次数为T。那么 TF = T/N; 所以表示为: 某一个词在某一个文件中出现的频率. TF-IDF(词频-逆向文件频率): 表示的词频和逆向文件频率的乘积. 比如: 假定存在一份有N个词的文件A,其中‘明星‘这个词出现的次数为T。那么 TF = T/N; 并且‘明星’这个词,在W份文件中出现,而总共有X份文件,那么 IDF = log(X/W) ; 而: TF-IDF = TF * IDF = T/N * log(X/W);
Gxjun
2018-04-11
1.5K
0
使用感知机训练加法模型
深度学习
机器学习
感知机此处不介绍,这里只是简单的做了一个使用感知机思路,训练一个y=a+b计算模型. 1 # -*-coding:utf-8-*- 2 '@author: xijun.gong' 3 import numpy as np 4 import random 5 import math 6 7 8 class Perceptron: 9 def __init__(self, learnRate, maxIter, bit_len): 10 """ 11
Gxjun
2018-03-27
702
0
读RCNN论文笔记
深度学习
机器学习
1. RCNN的模型(如下图)描述: RCNN相比传统的物体检测,还是引入传统的物体检测的基本流程,先找出候选目标物体,逐个的提取特征,不过rbg大神引入了当时炙手可热的CN
Gxjun
2018-03-27
922
0
评估一个预测模型性能通常都有那些指标
编程算法
python
机器学习
对于不同类型的模型,会有不同的评估指标,那么我们从最直接的回归和分类这两个类型,对于结果连续的回归问题, 一般使用的大致为:MSE(均方差),MAE(绝对平均差),RMSE(根均方差)这三种评估方法,这三种方式公式此处补贴出来。 对于离散的分类问题,我们一般看ROC曲线,以及AUC曲线,一般好的模型,ROC曲线,在一开始就直接上升到1,然后一直保持1,也就是使得AUC=1.0或者尽可能的让其 接近这个值,这是我们奋斗的目标. 摘个实际的例子:--出自《预测分析核心算法》这本书. 1 #-*-coding:
Gxjun
2018-03-27
1.2K
0
调参过程中的参数 学习率,权重衰减,冲量(learning_rate , weight_decay , momentum)
深度学习
机器学习
无论是深度学习还是机器学习,大多情况下训练中都会遇到这几个参数,今天依据我自己的理解具体的总结一下,可能会存在错误,还请指正. learning_rate , weight_decay , momen
Gxjun
2018-03-27
2.7K
0
机器学习之决策树熵&信息增量求解算法实现
机器学习
决策树
编程算法
此文不对理论做相关阐述,仅涉及代码实现: 1.熵计算公式: P为正例,Q为反例 Entropy(S) = -PLog2(P) - QLog2(Q); 2.信息增
Gxjun
2018-03-27
1.2K
0
机器学习之KNN算法思想及其实现
机器学习
编程算法
从一个例子来直观感受KNN思想 如下图 , 绿色圆要被决定赋予哪个类,是红色三角形还是蓝色四方形?如果K=3,由于红色三角形所占比例为2/3,绿色圆将被赋予红色三角形那个类,如果K=5,由于蓝色四方形
Gxjun
2018-03-27
594
0
机器学习之最小二乘法
机器学习
1.背景: 1801年,意大利天文学家朱赛普·皮亚齐发现了第一颗小行星谷神星。经过40天的跟踪观测后,由于谷神星运行至太阳背后,使得皮亚齐失去了谷神星的位置。随后全世界的科学家利用皮亚齐的观测数据开始寻找谷神星,但是根据大多数人计算的结果来寻找谷神星都没有结果。时年24岁的高斯也计算了谷神星的轨道。奥地利天文学家海因里希·奥伯斯根据高斯计算出来的轨道重新发现了谷神星。 高斯使用的最小二乘法的方法发表于1809年他的著作《天体运动论》中,而法国科学家勒让德于1806年独立发现“最小二乘法
Gxjun
2018-03-27
781
0
机器学习优化算法之爬山算法小结
机器学习
编程算法
简言 机器学习的项目,不可避免的需要补充一些优化算法,对于优化算法,爬山算法还是比较重要的.鉴于此,花了些时间仔细阅读了些爬山算法的paper.基于这些,做一些总结. 目录 1. 爬山算法简单描述 2. 爬山算法的主要算法 2.1 首选爬山算法 2.2 最陡爬山算法 2.3 随机重新开始爬山算法 2.4 模拟退火算法(也是爬山算法) 3. 实例求解 正文 爬山算法,是一种局部贪心的最优算法.
Gxjun
2018-03-27
2.9K
0
神经网络模型之AlexNet的一些总结
神经网络
机器学习
深度学习
说明: 这个属于个人的一些理解,有错误的地方,还希望给予教育哈~ 此处以caffe官方提供的AlexNet为例. 目录: 1.背景 2.框架介绍 3.步骤详细说明 5.参考文献 背景: AlexNet是在2012年被发表的一个金典之作,并在当年取得了ImageNet最好成绩,也是在那年之后,更多的更深的神经网路被提出,比如优秀的vgg,GoogleLeNet. 其官方提供的数据模型,准确率达到57.1%,top 1-5 达到80.2%. 这项对于传统的机器学习分类算法而言,已经相当的出色。 框架介绍: Al
Gxjun
2018-03-26
678
0
没有更多了
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