首页
学习
活动
专区
工具
TVP
发布

AI研习社

专栏成员
1755
文章
2199265
阅读量
197
订阅数
利用 Spark 和 scikit-learn 将你的模型训练加快 100 倍
当我们使用 Spark 进行数据处理时,我们首选的机器学习框架是 scikit-learn。随着计算机变得越来越便宜,机器学习解决方案的上市时间变得越来越关键,我们探索了加快模型训练的各种方法。其中一个解决方案是将 Spark 和 scikit-learn 中的元素组合到我们自己的混合解决方案中。
AI研习社
2019-09-17
2K0
机器学习面试中常考的知识点,附代码实现(二)
其实用一下图片能更好的理解LR模型和决策树模型算法的根本区别,我们可以思考一下一个决策问题:是否去相亲,一个女孩的母亲要给这个女海介绍对象。
AI研习社
2019-08-29
5660
一文带你读懂机器学习和数据科学的决策树
决策树是一类非常强大的机器学习模型,在高度可解释的同时又在许多任务中有非常良好的表现。 决策树在ML模型的特殊之处在于它清晰的信息表示结构。 决策树通过训练学到的“知识”直接形成层次结构。 知识结构以这样的方式保存和显示,即使非专家也可以容易地理解。
AI研习社
2018-12-26
4400
决策树:一种像人脑一样工作的算法
决策树是用于机器学习最流行的算法之一,尤其对于分类和回归问题。我们每次做决策时大脑都像决策树一样工作。
AI研习社
2018-10-24
6230
Github 项目推荐 | 基于 ID3 算法的 ML 决策树的实现
本库是实现用于决策树学习的 ID3 算法的 Ruby 库,目前能够学习连续和离散的数据集。
AI研习社
2018-07-26
7940
开发者自述:我是如何理解决策树的
前言 最近学习了一段时间的决策树算法,但是感觉并没有达到自己预期的想法,所以这几天参考了一些决策树方面的资料,来将自己的学习的过程的笔记记录在这里,来加深理解和请教别人指出错误。 决策树的原理 决策树又叫做 decision tree,这个是一种比较简单但是又得到广泛应用的分类器的一种形式。我们一般都是通过训练的数据来搭建起决策树的模型。通过这个模型,我们可以高效的对于未知的数据进行归纳分类,类似于我们的聚类算法。 应用决策树有如下几个优点: 1:决策树的模型的可读性比较好,具有很强的可以描述性,有
AI研习社
2018-03-19
8160
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
Python精品学习库
代码在线跑,知识轻松学
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
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
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