-
几种机器学习算法的偏差以及防范
几种机器学习算法的偏差以及防范 2018-12-19 15:43:49摘要：编辑当人们对人工智能模型是有偏见的，他们通常意味着模型表现不好。但具有讽刺意味的是，糟糕的模型性能通常是由数据或算法中的各种实际偏差造成的。机器学习算法是完全按照之前教学要求进行的...当人们对人工智能模型是有偏见的，他们通常意味着模型表现不好。但具有讽刺意味的是，糟糕的模型性能通常是由数据或算法中的各种实际偏差
-
外行人都能看得懂的机器学习，错过了血亏！
这篇主要跟大家一起入门机器学习。作为一个开发者，”人工智能“肯定是听过的。作为一个开发面试者，肯定也会见过”机器学习“这个岗位(反正我校招的时候就遇到过)。
-
近期 github 机器学习热门项目top5
强化学习（RL）是一种机器学习方法，是智能体（agent）以“试错”的方式进行学习，通过与环境进行交互获得的奖赏指导行为，目标是使智能体获得最大的奖赏。深度强化学习是指强化学习与深度学习的结合。
-
随机森林和机器学习
随机森林和机器学习 http://blog.sina.com.cn/s/blog_cfa68e330102zelx.html 随机森林算法是当今最有用的机器学习算法之一。该算法被认为是机器学习世界的主力。本文目的是描述随机森林算法如何对数据集进行操作。我将描述随机森林算法的构建块，包括决策树，bootstrapping，bagging，并将它们放在一起以实际构建随机森林算法。另
-
哪些特征对我的机器学习模型影响最大？
哪些特征对我的机器学习模型影响最大？ http://blog.sina.com.cn/s/blog_cfa68e330102zelh.html 测量特征重要性没有灵丹妙药，排列重要性是常用的方法之一。与其他技术相比，它具有以下优点。快速计算易于使用和理解它具有我们想要的特征重要性度量的属性。 它是如何工作的 ？在训练机器学习模型之后计算置换重要
-
如何轻松利用GPU加速机器学习？
发布于今年10月份的英伟达RAPIDS开源软件，在GTC China 2018大会上再次被黄仁勋提及——作为英伟达AI软件生态中的重要一员。这是一款针对数据科学和机器学习的GPU加速平台，能够帮助数据科学家显著提高工作效率。
-
机器学习之超参数
机器学习之超参数http://blog.sina.com.cn/s/blog_cfa68e330102ze63.html 学习器模型中一般有两种参数： 一种参数是可以从学习中得到一种无法靠数据里面得到，只能靠人的经验来设定，这类参数就叫做超参数 超参数定义 超参数是在开始学习过程之前设置值的参数。 相反，其他参数的值通过训练得出。 定义
-
NML2.0|没有经验就不能部署自己的ML模型？不存在的！
开发人员目前可以基于NeoPulse AI Studio 2.0和其编程语言NML 2.0构建自己的机器学习模型，而不需要深入了解机器学习知识。使用这些工具，开发人员可以轻松利用AI的强大功能。
-
强化学习中的好奇心驱动学习算法：随机网络精馏探索技术
http://blog.itpub.net/31562043/viewspace-2284823/本文为翻译发表，转载需要注明来自公众号EAWorld。作者：Rani Horev译者：白小白 原题：Explained: Curiosity-Driven Learning in RL— Exploration By Random Network Distillation原文：http://
-
全球40亿人没有地址，于是数据科学家想到了机器学习
导读： 麻省理工学院和Facebook的研究人员正在研究一种新方法，通过从卫星图像中提取道路来生成街道地址。据统计，全球有40亿人缺乏实际地址，这意味着这些居民无法获得包裹递送，医疗保健和救灾等服务，且无法进行登记投票或驾驶执照考试，城市也难以规划新的基础设施，例如学校、供水管道和电力线路等。（这种现象不止存在于发展中国家，发达国家也是如此）。“随着你进入一个更加全球化的经济体，有越来越
-
一文让你快速理解机器学习决策树
http://blog.itpub.net/31555134/viewspace-2221927/ 米鼠网 干货分享：决策树在机器学习中一般不会单独使用,我们往往会使用基于决策树的另一个强大算法:随机森林.但是不了解决策树,咋学随机森林呢 1-决策树简介 我认为决策树和随机森林是机器学习中最容易理解的算法,因为它的构思同我们大脑是思考方式非常相同.比
-
数据预处理速度高倍提升，3行python代码简单搞定！
Python 是机器学习领域内的首选编程语言，它易于使用，也有很多出色的库来帮助你更快处理数据。但当我们面临大量数据时，一些问题就会显现……目前，大数据（Big Data）这个术语通常用于表示包含数十万数据点的数据集。在这样的尺度上，工作进程中加入任何额外的计算都需要时刻注意保持效率。在设计机器学习系统时，数据预处理非常重要——在这里，我们必须对所有数据点使用某种操作。在默认情况下，Python
-
全球40亿人没有地址，于是数据科学家想到了机器学习
据统计，全球有40亿人缺乏实际地址，这意味着这些居民无法获得包裹递送，医疗保健和救灾等服务，且无法进行登记投票或驾驶执照考试，城市也难以规划新的基础设施，例如学校、供水管道和电力线路等。
-
蚂蚁金服“定损宝”现身AI顶级会议NeurIPS
小蚂蚁说：长期以来，车险定损（通过现场拍摄定损照片确定车辆损失，以作为保险公司理赔的依据）是车险理赔中最为重要的操作环节。以往传统保险公司的车险处理流程，一般为报案、现场查勘、提交理赔材料、审核、最终赔付。对用户和保险公司分别造成了时间成本和人力 、管理成本。蚂蚁“定损宝”不仅能通过AI算法逐步替代定损环节中重复性人工作业流程，降低车险定损环节中的人力及管理成本，而且希望在未来通过深度学习
-
新人制作机器人的7大误区
我想做一个Wall-E一样的机器人，买了零部件就迫不及待的开始组装，不想用别人的模块产品就想自己搞.....作为一个初学者的你，是否也有过这些想法呢？
-
原来CNN是这样提取图像特征的。。。
阅读本文8分钟就够了吧？对于即将到来的人工智能时代，作为一个有理想有追求的程序员，不懂深度学习（Deep Learning）这个超热的领域，会不会感觉马上就out了？作为机器学习的一个分支，深度学习同样需要计算机获得强大的学习能力，那么问题来了，我们究竟要计算机学习什么东西？答案当然是图像特征了。将一张图像看做是一个个像素值组成的矩阵，那么对图像的分析就是对矩阵的数字进行分析，而图像的特征，就隐藏
-
一文让你快速理解机器学习决策树
米鼠网干货分享：决策树在机器学习中一般不会单独使用,我们往往会使用基于决策树的另一个强大算法:随机森林.但是不了解决策树,咋学随机森林呢 1-决策树简介 我认为决策树和随机森林是机器学习中最容易理解的算法,因为它的构思同我们大脑是思考方式非常相同.比如决定下班是否学习这件事情,人们的大概思路如下: a.看一下今天下班的时间是几
-
推送！10大主流AI模型适用盘点
http://blog.itpub.net/31545819/viewspace-2221163/人工智能和机器学习的出现，让各大企业瞬间走上捷径，不管是运营效率还是生产利润都得到了显著的提升。但世界上是没有“免费午餐”的，企业面临的问题数组庞大，用于解决这些问题的ML模型种类相当广泛，每一种算法擅长的领域都不同，选择一种合适的算法模型成为企业棘手难题。本文汇总了当下最流行的10种AI算法，对它们
-
六条规则让你更快部署机器学习模型！
数据科学和机器学习几乎可以改善组织的任何方面的业务，但其前提是企业的想法得到了实施。在过去的一年里，我们学到了很多关于更快地构建和部署机器学习模型的知识，我们希望分享一些我们在这里学到的东西。猎豹在棕色的田野上奔跑情况介绍在我们的组织中，我们需要尽快为我们的分析投资产生回报。我们需要更快地将机器学习模型部署到生产中。最重要的是，我们不希望很好的想法却束之高阁。传统上，我们将每个数据产品构建为定制解
-
如何利用机器学习创造价值？
想象一下这样一个场景：老板要求你构建一个机器学习模型，对每个月订阅服务中流失的客户进行预测。而客户流失被定义为超过31天没有活动。你可以通过人工的办法统计客户流失的数量，并采用头脑风暴和工程师特征的历史实例来精心估测，然后训练并人工调整机器学习模型以进行预测。你可能对于测试集的指标感到满意，然后将这个结果提交给到你的老板。但现在你必须要开发一个不同的解决方案：每两周进行一次预测，并将客户流失定义为
