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
深度学习之tensorflow实战篇
专栏成员
举报
603
文章
1471778
阅读量
84
订阅数
订阅专栏
申请加入专栏
全部文章(603)
python(167)
编程算法(129)
数据库(83)
sql(66)
r 语言(44)
mongodb(33)
云数据库 SQL Server(30)
其他(29)
http(25)
机器学习(24)
linux(21)
人工智能(21)
神经网络(19)
html(18)
深度学习(18)
hive(18)
https(18)
java(17)
大数据(17)
numpy(15)
云数据库 MongoDB(14)
windows(14)
NLP 服务(13)
django(13)
网络安全(12)
hadoop(12)
数据结构(12)
tensorflow(11)
github(11)
决策树(11)
ide(10)
git(10)
数据分析(10)
数据处理(10)
javascript(9)
bash(9)
json(8)
开源(8)
数据挖掘(7)
node.js(7)
ubuntu(7)
线性回归(7)
go(6)
bash 指令(6)
shell(6)
anaconda(6)
xml(5)
windows server(5)
mapreduce(5)
爬虫(5)
spark(5)
正则表达式(5)
云数据库 Redis(4)
存储(4)
text(4)
c 语言(3)
c++(3)
oracle(3)
nosql(3)
ruby on rails(3)
api(3)
jar(3)
中文分词(3)
nginx(3)
腾讯云测试服务(3)
分布式(3)
html5(3)
ssh(3)
sql server(3)
监督学习(3)
推荐系统(3)
csv(3)
data(3)
label(3)
list(3)
sort(3)
txt(3)
博客(3)
字符串(3)
区块链(2)
php(2)
c#(2)
css(2)
access(2)
打包(2)
unix(2)
apt-get(2)
批量计算(2)
文件存储(2)
访问管理(2)
云推荐引擎(2)
网站(2)
xslt & xpath(2)
jdk(2)
gui(2)
ftp(2)
grep(2)
pytorch(2)
db(2)
dot(2)
edge(2)
file(2)
graph(2)
header(2)
igraph(2)
integer(2)
key(2)
max(2)
min(2)
plot(2)
poi(2)
sample(2)
scale(2)
size(2)
stdout(2)
sum(2)
time(2)
集合(2)
开发(2)
日志(2)
调试(2)
终端(2)
费用中心(1)
官方文档(1)
ios(1)
.net(1)
jsp(1)
scala(1)
单片机(1)
sqlalchemy(1)
eclipse(1)
matlab(1)
搜索引擎(1)
centos(1)
日志服务(1)
命令行工具(1)
NAT 网关(1)
数据加密服务(1)
电商(1)
企业(1)
容器(1)
缓存(1)
运维(1)
压力测试(1)
数据迁移(1)
jvm(1)
yum(1)
面向对象编程(1)
hashmap(1)
keras(1)
二叉树(1)
tcp/ip(1)
单元测试(1)
kernel(1)
scikit-learn(1)
socket编程(1)
kerberos(1)
系统架构(1)
nat(1)
kafka(1)
特征工程(1)
聚类算法(1)
unicode(1)
腾讯云图数据可视化(1)
数据库管理(1)
add(1)
app(1)
apple(1)
apply(1)
axis(1)
bayesian(1)
bi(1)
bit(1)
blob(1)
boolean(1)
break(1)
browser(1)
center(1)
character(1)
cmd(1)
code(1)
codec(1)
configuration(1)
copy(1)
count(1)
counter(1)
criteria(1)
database(1)
default(1)
desktop(1)
distance(1)
distribution(1)
driver(1)
encode(1)
encoding(1)
error(1)
excel(1)
exists(1)
flags(1)
flatten(1)
frame(1)
frequency(1)
gaussian(1)
ggplot2(1)
global(1)
handle(1)
hash(1)
input(1)
instance(1)
int(1)
lapply(1)
limit(1)
line(1)
map(1)
median(1)
multiprocessing(1)
na(1)
normalization(1)
pandas(1)
path(1)
pool(1)
predict(1)
probability(1)
proc(1)
ps(1)
pycharm(1)
random(1)
reduce(1)
require(1)
root(1)
sampling(1)
scanf(1)
server(1)
slice(1)
static(1)
sudo(1)
table(1)
tar(1)
tensor(1)
transpose(1)
typeerror(1)
union(1)
vector(1)
version(1)
view(1)
width(1)
word(1)
word2vec(1)
xgboost(1)
zip(1)
笔记(1)
编程(1)
遍历(1)
编码(1)
程序(1)
登录(1)
递归(1)
函数(1)
加密(1)
解决方案(1)
快捷键(1)
连接(1)
数据(1)
数据中心(1)
数组(1)
索引(1)
虚拟机(1)
压缩(1)
优化(1)
语法(1)
原理(1)
搜索文章
搜索
搜索
关闭
使用 IBM SPSS Modeler 进行社交网络分析,用15哦
数据挖掘
编程算法
网络安全
社交网络分析是人、组织、计算机或者其他信息或知识处理实体之间的关系和流动信息的映射和测量。图 1 是社交网络的一个示意图,其中的节点表示人、组织、计算机或者其他信息或知识处理实体;连线表示节点之间的关系或信息流动。信息流动的方式有很多,比如邮件,电话,短信,博客,等等。假设 A 经常与 B 和 C 通电话,通过分析 A 的电话 ID 记录,可以构筑出图 1 中的简单社交网络。从此图中我们可以看出 A, B, C, 三人 中,A 具有较强的影响力。如果 A 获得了正面或者负面的消息,这消息会很快传递给 B 和 C。而 B 与 C 之间的影响力是间接的,只能通过 A 来传播。
学到老
2019-02-14
1K
0
推荐系统-通过数据挖掘算法协同过滤讨论基于内容和用户的区别
推荐系统
数据挖掘
编程算法
概念 个性化推荐是根据用户的兴趣特点和购买行为,向用户推荐用户感兴趣的信息和商品。 为什么要个性化推荐? - 商品个数和种类快速增长,顾客需要花费大量的时间才能找到自己想买的商品 - 浏览大量无关的信息和产品,信息过载问题,用户难以获取所需要的信息 分类 基于内容的推荐 根据用户的历史数据,推荐用户感兴趣的产品。 1. 产品表示: 为每个item 抽取出一些 特征来表示此item;结构化属性如身高、学历、籍贯等;非结构化属性如item自己写的交友宣言,博客内容等等,需要转化成结
学到老
2018-04-02
892
0
基于R语言利用QQ群进行数据挖掘案例整理
r 语言
数据挖掘
机器学习
hive
利用QQ群进行数据挖掘案例,数据源来源于2016年12-2017年大致一个月的QQ群基本数据,通过对聊天内容的分析,了解QQ聊天群资料了解时间,人群以及关键词,并构建相应图表、云图等,下
学到老
2018-03-19
966
0
使用 IBM SPSS Modeler 进行社交网络分析,用15哦
数据挖掘
数据库
背景知识:社交网络分析、数据挖掘、IBM SPSS Modeler 社交网络分析是人、组织、计算机或者其他信息或知识处理实体之间的关系和流动信息的映射和测量。图 1 是社交网络的一个示意图,其中的节点表示人、组织、计算机或者其他信息或知识处理实体;连线表示节点之间的关系或信息流动。信息流动的方式有很多,比如邮件,电话,短信,博客,等等。假设 A 经常与 B 和 C 通电话,通过分析 A 的电话 ID 记录,可以构筑出图 1 中的简单社交网络。从此图中我们可以看出 A, B, C, 三人 中,A 具有较强的
学到老
2018-03-19
920
0
用户画像行为分析流程
数据挖掘
推荐系统
编程算法
什么是用户画像? 简而言之,用户画像是根据用户社会属性、生活习惯和消费行为等信息而抽象出的一个标签化的用户模型。构建用户画像的核心工作即是给用户贴“标签”,而标签是通过对用户信息分析而来的高度精炼的特征标识。 举例来说,如果你经常购买一些玩偶玩具,那么电商网站即可根据玩具购买的情况替你打上标签“有孩子”,甚至还可以判断出你孩子大概的年龄,贴上“有5-10岁的孩子”这样更为具体的标签,而这些所有给你贴的标签统在一次,就成了你的用户画像,因此,也可以说用户画像就是判断一个人是什么样的人。 除去“标签化”,用
学到老
2018-03-16
3.3K
0
算法岗位做数据挖掘大多都是抽特征跑跑现成模型”
编程算法
数据挖掘
这句话,说起来很简单,看起来也很容易,但真的是这样吗? 我列举几点,扩展一下上面这句话: 1、label符合业务场景吗?label准确吗?能够校准吗?放在哪张表里,怎么正确关联特征? 2、特征合理吗?预处理流程正确吗?有效吗?特征会泄露标签信息吗?特征时间维度一致吗? 3、用什么模型?模型出来的结果有什么业务含义?该怎么定义合适的指标来判断模型的性能? 4、根据模型结果,怎么回调特征,参数? 还有很多。造轮子,在工业界的数据挖据流程当中真的不重要。 假设你很牛逼,造了个GBDT,但是你比xgboost在同一
学到老
2018-03-16
731
0
数据挖掘PageRank算法(网页排名原理)及Map-Reduce实现
数据挖掘
编程算法
方法/步骤 1 一、什么是pagerank PageRank的Page可是认为是网页,表示网页排名,也可以认为是Larry Page(google 产品经理),因为他是这个算法的发明者之一,还是google CEO(^_^)。PageRank算法计算每一个网页的PageRank值,然后根据这个值的大小对网页的重要性进行排序。它的思想是模拟一个悠闲的上 网者,上网者首先随机选择一个网页打开,然后在这个网页上呆了几分钟后,跳转到该网页所指向的链接,这样无所事事、漫无目的地在网页上跳来跳 去,Pag
学到老
2018-03-16
1.5K
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