-
极大似然估计思想的最简单解释
极大似然估计思想的最简单解释 https://blog.csdn.net/class_brick/article/details/79724660?from=timeline 极大似然估计法的理解可以从三个角度入手，一个是整体性的思想，然后两个分别是离散状态的极大似然估计和连续状态的极大似然估计的简单例子。一、思想极大似然估计可以拆成三个词，分别是“极大”、“似然”、“估计”，
-
理解矩阵
理解矩阵 转自：http://www.cnblogs.com/sumuncle/p/6373467.html#3703221 前言：读完本篇文章，自觉醍醐灌顶，矩阵的存在，完美的解释了自然空间中的多维空间的存在以及运动形式，自然的哲学中处处充满着数学的原理，感谢原博主分享，受益良多。 线性代数课程，无论你从行列式入手还是直接从矩阵入手，从一开始就充斥着莫名其妙。比如说
-
机器学习到底是什么？
http://blog.itpub.net/31137683/viewspace-2168747/关于机器学习最简单的定义来自于Berkeley所表述的:机器学习是AI的一个分支，它探索了让计算机根据经验提高效率的方法。为了更深刻的理解这一定义，接下来我们将对其进行拆分分析。AI的分支：人工智能是一种能够使得计算机及其系统能够成功完成通常需要人类智能行为才能完成的任务的研究和开发。机器学习是训练计
-
【方法论】机器学习算法概览
http://blog.itpub.net/31542119/viewspace-2168911/1、 监督式学习 工作机制：这个算法由一个目标变量或结果变量（或因变量）组成。这些变量由已知的一系列预示变量（自变量）预测而来。利用这一系列变量，我们生成一个将输入值映射到期望输出值的函数。这个训练过程会一直持续，直到模型在训练数据上获得期望的精确度。监督式学习的例子有：回归、决策树、随机森林、K –
-
为你的回归问题选择最佳机器学习算法
http://blog.itpub.net/31473948/viewspace-2168987/【IT168 编译】在处理任何类型的机器学习(ML)问题时，我们有许多不同的算法可供选择。而机器学习领域有一个得到大家共识的观点，大概就是：没有一个ML算法能够最佳地适用于解决所有问题。不同ML算法的性能在很大程度上取决于数据的大小和结构。因此，如何选择正确的算法往往是一个大难题，除非我们直接通过大量
-
推荐 | 掌握这12条经验，对理解机器学习至关重要！
http://blog.itpub.net/31542119/viewspace-2169004/1. “表征+评估+优化”构成机器的主要内容！ 构成机器学习算法的 3 部分： 表征（Representation） ：分类器必须用计算机可以处理的形式化语言来表示。相反地，为训练模型选择一个表征就等同于选择可训练分类器的集合。这个集合称为训练模型的「假设空间」。如果分类器不在「假设空间」中，那么它
-
TensorFlow入门简介，新手请看这里！
http://blog.itpub.net/31542119/viewspace-2169011/TensorFlow是一个使用数据流图进行数值计算的开源软件库，是谷歌基于DistBelief研发的第二代人工智能学习系统，命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端的计算过程。TensorF
-
深度解读TensorFlow，了解它的最新发展！
http://blog.itpub.net/31542119/viewspace-2184680/ TensorFlow的功能 TensorFlow适用于Matlab和C ++的API，有广泛的语言支持。在前段时间的TensorFlow峰会上，TensorFlow 发布了面向 JavaScript 开发者的全新机器学习框架 TensorFlow.js。TensorFlow.js 是一个开源的用于
-
Tensorflow多GPU使用详解
一． 介绍 在一个典型的系统中，有多个计算设备。在 TensorFlow 中支持的设备类型包括 CPU 和 GPU。他们用字符串来表达，例如： "/cpu:0": 机器的 CPU "/device:GPU:0": 机器的 GPU 如果你只有一个 "/device:GPU:1": 机器的第二个 GPU 如果
-
机器学习笔试题精选（五）
https://blog.csdn.net/red_stone1/article/details/81296337机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！今天的
-
机器学习笔试题精选（四）
https://blog.csdn.net/red_stone1/article/details/81162774机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！今天，
-
机器学习笔试题精选（三）
https://blog.csdn.net/red_stone1/article/details/81073650机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！Q1.
-
机器学习笔试题精选（二）
https://blog.csdn.net/red_stone1/article/details/81023976上次 机器学习笔试题精选（一）中，我们详细解析了机器学习笔试 15 道题。今天，红色石头带大家继续“死磕”相关笔试题！往期回顾：直通 BAT！机器学习笔试题精选（一）Q1. 假如我们使用 Lasso 回归来拟合数据集，该数据集输入特征有 100 个（X1，X2，…，X100）。现在，我
-
机器学习笔试题精选（一）
https://blog.csdn.net/red_stone1/article/details/80982149机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！Q1.
-
Ubuntu 安装 tensorflow-gpu 1.4 +CUDA 8.0 +cuDNN详细教程
在你清除 " Secure Boot keys" 之后，你将会有 "Install default Secure Boot keys" 选项来恢复默认的keys 。 在你清除 " Secure Boot keys" 之后， Secure Boot 会被自动关闭，你现在可以设置 "OS Type" 为"Other OS"。
-
Tensorflow多GPU使用详解
如果 TensorFlow 操作同时有 CPU 和 GPU 的实现，操作将会优先分配给 GPU 设备。例如，matmul 同时有 CPU 和 GPU 核心，在一个系统中同时有设备 cpu:0 和 gpu:0，gpu:0 将会被选择来执行 matmul。
-
深度解读TensorFlow，了解它的最新发展！
无论怎样，我们都不得不承认TensorFlow是一个很棒的系统，人们用人工智能做了很多令人惊叹的事情，包括一些医疗保健、电影推荐引擎、音乐、个性化广告以及社交媒体情感挖掘等，TensorFlow确实是实现这些目标的头等功臣！
-
TensorFlow入门简介，新手请看这里！
TensorFlow是一个使用数据流图进行数值计算的开源软件库，是谷歌基于DistBelief研发的第二代人工智能学习系统，命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端的计算过程。TensorFlow将复杂的数据结构传输至人工智能神经网络进行分析和处理。
-
推荐 | 掌握这12条经验，对理解机器学习至关重要！
机器学习的主要目标是对训练集之外的样本进行泛化。因为无论有多少数据，都不太可能在测试中再次看到完全相同的例子。在训练集上具有良好表现很容易。
-
为你的回归问题选择最佳机器学习算法
在处理任何类型的机器学习(ML)问题时，我们有许多不同的算法可供选择。而机器学习领域有一个得到大家共识的观点，大概就是：没有一个ML算法能够最佳地适用于解决所有问题。不同ML算法的性能在很大程度上取决于数据的大小和结构。因此，如何选择正确的算法往往是一个大难题，除非我们直接通过大量的试验和错误来测试我们的算法。
