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
算法channel
专栏作者
举报
853
文章
1026177
阅读量
136
订阅数
订阅专栏
申请加入专栏
全部文章(853)
python(292)
编程算法(290)
机器学习(132)
其他(97)
深度学习(71)
神经网络(68)
numpy(43)
人工智能(41)
数据分析(38)
数据结构(35)
https(34)
java(30)
网络安全(26)
大数据(20)
javascript(19)
github(19)
api(19)
html(18)
函数(18)
游戏(17)
强化学习(17)
线性回归(17)
数据(16)
http(15)
NLP 服务(14)
开源(14)
决策树(14)
二叉树(14)
网站(13)
tensorflow(12)
git(12)
存储(12)
缓存(12)
matlab(11)
pandas(11)
模型(11)
算法(11)
文件存储(10)
爬虫(10)
监督学习(10)
数据库(9)
图像处理(9)
spark(9)
sql(8)
容器(8)
微信(8)
pdf(8)
json(7)
云数据库 SQL Server(7)
打包(7)
面向对象编程(7)
ide(6)
分布式(6)
卷积神经网络(6)
正则表达式(6)
pytorch(6)
数据处理(6)
程序(6)
对象(6)
网络(6)
装饰器(6)
c++(5)
php(5)
go(5)
node.js(5)
linux(5)
ubuntu(5)
mapreduce(5)
csv(5)
map(5)
编程(5)
工具(5)
jquery(4)
容器镜像服务(4)
腾讯云测试服务(4)
serverless(4)
shell(4)
hadoop(4)
keras(4)
selenium(4)
机器人(4)
腾讯云开发者社区(4)
kafka(4)
geo(4)
path(4)
pip(4)
工作(4)
数学(4)
图表(4)
自动驾驶(3)
数据挖掘(3)
scala(3)
xml(3)
flask(3)
搜索引擎(3)
unix(3)
短视频(3)
命令行工具(3)
svg(3)
图像识别(3)
zookeeper(3)
anaconda(3)
ascii(3)
chatgpt(3)
dataframe(3)
gpt(3)
jupyter(3)
matplotlib(3)
pivot(3)
self(3)
table(3)
编码(3)
表格(3)
地图(3)
基础(3)
技巧(3)
脚本(3)
配置(3)
数组(3)
思维导图(3)
索引(3)
优化(3)
官方文档(2)
c 语言(2)
css(2)
android(2)
sqlite(2)
批量计算(2)
云直播(2)
yarn(2)
自动化(2)
hive(2)
gui(2)
tcp/ip(2)
windows(2)
数据可视化(2)
nat(2)
敏感数据处理(2)
unicode(2)
学习方法(2)
app(2)
cut(2)
data(2)
dt(2)
google(2)
graph(2)
heatmap(2)
image(2)
iterable(2)
kaggle(2)
key(2)
label(2)
legend(2)
min(2)
nan(2)
plot(2)
rank(2)
seaborn(2)
state(2)
sum(2)
time(2)
width(2)
xlsx(2)
变量(2)
布局(2)
程序员(2)
动画(2)
接口(2)
开发(2)
可视化(2)
框架(2)
入门(2)
视频(2)
原理(2)
源码(2)
原型(2)
终端(2)
人脸识别(1)
区块链(1)
ios(1)
mac os(1)
iphone(1)
xcode(1)
c#(1)
bash(1)
.net(1)
bootstrap(1)
opengl(1)
qt(1)
oracle(1)
django(1)
spring(1)
日志服务(1)
消息队列 CMQ 版(1)
机器翻译(1)
电商(1)
金融(1)
医疗(1)
在线旅游(1)
企业(1)
webpack(1)
html5(1)
jdk(1)
ssh(1)
opencv(1)
npm(1)
单元测试(1)
scrapy(1)
markdown(1)
scikit-learn(1)
无监督学习(1)
迁移学习(1)
小程序(1)
canvas(1)
processing(1)
特征工程(1)
jupyter notebook(1)
utf8(1)
es(1)
flink(1)
验证码(1)
智能推荐平台(1)
add(1)
agent(1)
alpha(1)
apple(1)
apply(1)
argparse(1)
axis(1)
break(1)
bug(1)
cat(1)
center(1)
character(1)
code(1)
compare(1)
contains(1)
copy(1)
crosstab(1)
curve(1)
echarts(1)
error(1)
excel(1)
factory(1)
fibonacci(1)
gan(1)
glob(1)
greedy(1)
handle(1)
iconfont(1)
jieba(1)
line(1)
list(1)
matrix(1)
max(1)
maze(1)
mean(1)
nonetype(1)
object(1)
png(1)
policy(1)
precision(1)
pyautogui(1)
pygame(1)
pyinstaller(1)
random(1)
regression(1)
series(1)
socket(1)
split(1)
streamlit(1)
subplot(1)
timeline(1)
timeout(1)
title(1)
tooltip(1)
ui(1)
web(1)
word2vec(1)
zip(1)
笔记(1)
遍历(1)
部署(1)
测试(1)
插件(1)
代理(1)
单例模式(1)
递归(1)
动态规划(1)
翻译(1)
工程师(1)
工具软件(1)
公众号(1)
管理(1)
后台(1)
互联网(1)
继承(1)
集合(1)
计算机(1)
架构(1)
加密(1)
链表(1)
连接(1)
乱码(1)
命令行(1)
前端(1)
日志(1)
软件工程(1)
设计(1)
实践(1)
数据类型(1)
统计(1)
推送(1)
系统(1)
性能(1)
压缩(1)
异常处理(1)
语法(1)
重构(1)
字符串(1)
自然语言处理(1)
文本分析(1)
搜索文章
搜索
搜索
关闭
仅用Excel就可玩转逻辑回归?!
线性回归
可能没有不知道 excel 的了,但是仅仅靠excel就能玩转逻辑回归?有的小伙伴真想有人把这个做一下。
double
2019-06-19
3.9K
0
BAT面试题46:解释对偶这个概念
线性回归
一个优化问题可以从两个角度进行考察,一个是primal 问题,一个是dual 问题,就是对偶问题。
double
2019-03-07
917
0
BAT面试题4:简单聊聊特征工程
机器学习
大数据
卷积神经网络
编程算法
线性回归
接下来,每天推送一道BAT的面试题,一般问到的这些知识点都是很重要的,所以知道的就再复习一下,不知道的希望这篇可以帮助到你。日积月累,你会在不知不觉中就步入机器学习的大门,并且越走越远。同时,还能助你顺利拿到OFFER.
double
2018-10-23
1.6K
0
爱(AI)与你同行系列"(1):从哪三个方面入手做好特征选择工程?
机器学习
大数据
编程算法
卷积神经网络
线性回归
今天我们聊一聊特征工程方面的知识,随着大数据时代的到来,特征工程发挥着越来越重要的作用。当数据预处理完成后,我们需要选择有意义的特征输入机器学习的算法和模型进行训练。简单说,就是发现对因变量y有明显影响作用的特征,通常称自变量x为特征,特征工程的目的是发现重要特征。一般来说,特征工程大体上可以分为三个方面,一是特征构造,二是特征生成,三是特征选择。
double
2018-09-30
458
0
神经网络精炼入门总结:出现缘由,多层感知机模型,前向传播,反向传播,避免局部最小
神经网络
深度学习
线性回归
决策树
在本文中,我将初步介绍神经网络有关的概念和推导,本文是后续深度学习的入门,仅对神经网络做初步理解,后续文章中会继续进行学习。
double
2018-07-31
1.1K
0
北大才女笔记:这样学习线性回归和梯度下降(上篇)
线性回归
https
github
机器学习
我们说到,机器学习中主要的两个任务就是回归和分类。如果读者有高中数学基础,我们很容易回忆到我们高中学习过的一种回归方法——线性回归。我们将这种方法泛化,就可以得到机器学习中的一种常见模型——线性模型,线性模型是监督学习的一种。
double
2018-07-31
501
0
AI路上,她会一路相伴......
人工智能
编程算法
大数据
机器学习
线性回归
这是一条通往 AI 的路...... 和 AI 路上,第一步这么走下去... 谈到花一定时间研究基础算法的重要性。它们帮助我们夯实算法地基,领略到算法思想的魅力。如果不注重这方面的培养,容易陷入靠直觉去解决问题而效率不高的境地。它们是入门AI的前奏。
double
2018-07-25
303
0
机器学习之线性回归:OLS 无偏估计及相关性python分析
线性回归
编程算法
机器学习
0 回顾 在最近的推送中,先后总结了最小二乘法的原理,两个求解方法:直接法和梯度下降,最后利用这两种思路进行了python实战。在用直接法求出权重参数时,有一个假设是某个矩阵不能为奇异矩阵。在实战中,我们发现如果它近似为奇异矩阵,然后再利用最小二乘法(OLS)去计算权重参数会出现bug。出现的是什么bug?在OLS算法的基础上应该怎么进行优化解决这个bug呢? 1 无偏估计 先看一个无偏估计的例子。工人师傅一天制造了1000个小零件,现在质检人员准备要检验这1000个件的合格数量和不合格数量,要求控制在
double
2018-04-02
1.6K
0
案例实战|泰坦尼克号船员获救预测(XGBoost提交结果)
编程算法
线性回归
01 — 回顾 泰坦尼克号的案例系列已经推送了2个,分别解决了数据预处理:特征工程,数据清洗等,包括模型的BaseLine阶段的求解,关于这两篇文章,请参考: 案例实战|泰坦尼克号船员获救预测(数据预
double
2018-04-02
1.3K
0
Tensorflow笔记|tensorflow做线性回归
tensorflow
线性回归
编程算法
机器学习
本系列推送主要参考: Stanford University CS20SI: Tensorflow for Deep Learning Research. 01 — Tensorflow做线性回归 前面实现过最小二乘法的线性回归算法,梯度下降求解过程,详见文章: 机器学习之线性回归:算法兑现为python代码 那么,借助tensorflow如何实现最小二乘法的线性回归呢?基本的思路,首先生成拟合的数据集,然后构建线性回归的Graph,最后在Session中迭代train器,得到拟合的参数w和b,画出拟合曲线
double
2018-04-02
918
0
算法channel 2017回顾
编程算法
机器学习
深度学习
线性回归
1 算法channel 公众号才成立两个月,在这段日子,每天推送一篇算法,机器学习,深度学习相关的文章,包括: 算法的基本思想 算法的实例分析 有些算法的源代码的实现 案例实战 2 原创文章整理 1机器学习:不得不知的概念(1)2 机器学习:不得不知的概念(2)3 机器学习:不得不知的概念(3)4 回归分析简介5 最小二乘法:背后的假设和原理(前篇)6 最小二乘法原理(后):梯度下降求权重参数7 机器学习之线性回归:算法兑现为python代码8 机器学习之线性回归:OLS 无偏估计及相关性python分析9
double
2018-04-02
884
0
机器学习储备(3):似然函数例子解析
机器学习
线性回归
似然函数是个什么函数,它的意义是什么?它与概率相比,有什么不同吗? 1 似然函数 似然函数是一种关于统计模型中的参数的函数,表示模型参数中的似然性。 给定输出 x 时,关于参数 θ 的似然函数 L(
double
2018-04-02
585
0
机器学习线性回归:谈谈多重共线性问题及相关算法
机器学习
线性回归
编程算法
前面几天阐述了线性回归的最小二乘法(OLS)在做回归时,一致地看待每一个样本点,是典型的无偏估计,会得到一个使得残差最小的权重参数。然而,在面对一堆数据集存在多重共线性时,OLS 就变得对样本点的误差
double
2018-04-02
1.7K
0
机器学习:说说L1和L2正则化
机器学习
python
编程算法
线性回归
0 回顾 在最近的推送中,先后总结了最小二乘法的原理,两个求解方法:直接法和梯度下降,最后利用这两种思路进行了python实战;之后阐述了OLS算法使用的前提是必须满足数据集无多重共线性,因为它是无偏估计,这也带来了它非常惧怕多重共线性问题,在面对这些数据时,它往往得到的权重参数方差大,是一个不稳定的回归算法。 工程应用中,你拿到的数据集可能有上百个特征维度,实际上是很难保证数据集中的所有维度都满足无共线性,所以OLS实际上没有太多的实际应用价值,它必须要想到一种办法解决多重共线性,进而过滤掉那些权重参数等
double
2018-04-02
1.5K
0
机器学习逻辑回归:原理解析及代码实现
机器学习
线性回归
编程算法
前到现在为止,我们通过大约1周的时间初步对机器学习是怎么一回事算是有一些基本的理解了,从最基本的线性回归入手,讨论了如何在拿到一堆数据时,先进行数据预处理(暂时未详细阐述,会在以后某个时间段详细论述)
double
2018-04-02
838
0
「机器学习」:不得不知的概念(3)
机器学习
编程算法
线性回归
在上一篇推送中我们总结了机器学习第一课:一些最最基本的概念,比如特征,训练集,维数,假设空间等,通过一个例子说明什么是机器学习的泛化能力。接下来,再通过一个例子说明什么是归纳偏好。 归纳偏好 归纳偏好(inductive bias),机器学习算法在学习过程中对某种类型假设的偏好。 任何一个有效的机器学习算法必有其归纳偏好,否则它将被假设空间中看似在训练集上等效的假设所迷惑,而无法生成确定的学习结果,这也是机器学习中非常重要的概念,举例说明。 例子 如果我们在购买某个股票时假定根据两个主要特征:股票经纪公司等
double
2018-04-02
580
0
机器学习之线性回归:算法兑现为python代码
机器学习
线性回归
编程算法
python
前面三天推送机器学习线性回归算法之最小二乘法,从假设到原理,详细分析了直接求解和梯度下降两种算法,接下来手动编写python代码实现线性回归的算法吧。 01 数据预处理 在拿到一个数据集后,往往需要经
double
2018-04-02
823
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