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
机器学习算法工程师
机器学习、深度学习、数据挖掘等人工智能领域的技术实战干货文章,这里都有!
专栏成员
举报
197
文章
339370
阅读量
118
订阅数
订阅专栏
申请加入专栏
全部文章(197)
编程算法(69)
机器学习(56)
其他(52)
深度学习(34)
神经网络(21)
python(12)
tensorflow(8)
人工智能(8)
卷积神经网络(7)
决策树(6)
监督学习(5)
https(5)
html(4)
网络安全(4)
线性回归(4)
scikit-learn(4)
数据挖掘(3)
github(3)
http(3)
强化学习(3)
推荐系统(3)
大数据(3)
NLP 服务(2)
自动驾驶(2)
go(2)
opencv(2)
keras(2)
无监督学习(2)
机器人(2)
windows(2)
人脸识别(1)
java(1)
c 语言(1)
c++(1)
css(1)
打包(1)
机器翻译(1)
开源(1)
分布式(1)
spark(1)
无人驾驶(1)
图像识别(1)
二叉树(1)
pytorch(1)
kernel(1)
迁移学习(1)
数据处理(1)
数据结构(1)
max(1)
min(1)
搜索文章
搜索
搜索
关闭
# LightGBM大战XGBoost,谁将夺得桂冠?
编程算法
打包
windows
大数据
决策树
如果你是一个机器学习社区的活跃成员,你一定知道 提升机器(Boosting Machine)以及它们的能力。提升机器从AdaBoost发展到目前最流行的XGBoost。XGBoost实际上已经成为赢得在Kaggle比赛中公认的算法。这很简单,因为他极其强大。但是,如果数据量极其的大,XGBoost也需要花费很长的时间去训练。
机器学习算法工程师
2019-01-31
919
0
基础|认识机器学习中的逻辑回归、决策树、神经网络算法
机器学习
决策树
神经网络
编程算法
线性回归
逻辑回归。它始于输出结果为有实际意义的连续值的线性回归,但是线性回归对于分类的问题没有办法准确而又具备鲁棒性地分割,因此我们设计出了逻辑回归这样一个算法,它的输出结果表征了某个样本属于某类别的概率。逻辑回归的成功之处在于,将原本输出结果范围可以非常大的θTX 通过sigmoid函数映射到(0,1),从而完成概率的估测。sigmoid函数图像如下图所示:
机器学习算法工程师
2018-09-29
976
0
LightGBM大战XGBoost,谁将夺得桂冠?
其他
如果你是一个机器学习社区的活跃成员,你一定知道 **提升机器**(Boosting Machine)以及它们的能力。提升机器从AdaBoost发展到目前最流行的XGBoost。XGBoost实际上已经成为赢得在Kaggle比赛中公认的算法。这很简单,因为他极其强大。但是,如果数据量极其的大,XGBoost也需要花费很长的时间去训练。
机器学习算法工程师
2018-09-29
800
0
深入理解TensorFlow中的tf.metrics算子
其他
本文翻译自Avoiding headaches with tf.metrics,原作者保留版权。
机器学习算法工程师
2018-09-29
1.6K
0
LSTM模型与前向反向传播算法
其他
在循环神经网络(RNN)模型与前向反向传播算法中,我们总结了对RNN模型做了总结。由于RNN也有梯度消失的问题,因此很难处理长序列的数据,大牛们对RNN做了改进,得到了RNN的特例LSTM(Long Short-Term Memory),它可以避免常规RNN的梯度消失,因此在工业界得到了广泛的应用。下面我们就对LSTM模型做一个总结。 章节目录
机器学习算法工程师
2018-09-29
1.8K
0
机器学习模型,能分清川菜和湘菜吗?
其他
一个地区的文化和当地的特色食物总是分不开关系,可以说小到村庄,大到国家,每个地方都有自己的“味道”。
机器学习算法工程师
2018-09-29
586
0
循环神经网络(RNN)模型与前向反向传播算法
其他
在前面我们讲到了DNN,以及DNN的特例CNN的模型和前向反向传播算法,这些算法都是前向反馈的,模型的输出和模型本身没有关联关系。今天我们就讨论另一类输出和模型间有反馈的神经网络:循环神经网络(Recurrent Neural Networks ,以下简称RNN),它广泛的用于自然语言处理中的语音识别,手写书别以及机器翻译等领域。
机器学习算法工程师
2018-09-29
2.3K
0
七夕节最好的礼物:生成对抗网络的tensorflow实现
tensorflow
http
html
go
原文地址:http://blog.evjang.com/2016/06/generative-adversarial-nets-in.html
机器学习算法工程师
2018-09-29
475
0
深入理解注意力机制
深度学习
kernel
注意力机制和人类的视觉注意力很相似,人类的注意力是人类视觉所特有的大脑信号处理机制。人类通过快速扫描全局图像,获得需要重点关注的目标区域,得到注意力焦点,而后对这一区域投入更多注意力,以获取更多所需要关注目标的细节信息,从而抑制其他无用信息。这是人类利用有限的注意力资源从大量信息中快速筛选出高价值信息的手段,是人类在长期进化中形成的一种生存机制,极大地提高了视觉信息处理的效率与准确性。比如给一张印有图片的报纸,那人会先去看报纸的标题,然后会看显目的图片。
机器学习算法工程师
2018-08-17
1.8K
0
干货|(DL~3)deep learning中一些层的介绍
其他
文章来自:https://leonardoaraujosantos.gitbooks.io 原文作者:Leonardo Araujo dos Santos
机器学习算法工程师
2018-08-17
795
0
受限玻尔兹曼机(RBM)原理总结
其他
地址:http://www.cnblogs.com/pinard/p/6530523.html
机器学习算法工程师
2018-08-17
1.5K
0
听说比K-means厉害多了:谱聚类
其他
地址:https://www.cnblogs.com/pinard/p/6221564.html
机器学习算法工程师
2018-08-17
5.3K
0
随机采样方法——蒙特卡罗方法
其他
地址:http://www.cnblogs.com/pinard/p/6625739.html
机器学习算法工程师
2018-08-17
2.7K
0
BIRCH聚类算法原理
其他
在这篇博文中,我们来探讨循环网络模型和前馈模型之间的取舍。前馈模型可以提高训练稳定性和速度,而循环模型表达能力更胜一筹。有趣的是,额外的表现力似乎并没有提高循环模型的性能。
机器学习算法工程师
2018-08-06
1.5K
0
《机器学习》笔记-规则学习(15)
其他
如今机器学习和深度学习如此火热,相信很多像我一样的普通程序猿或者还在大学校园中的同学,一定也想参与其中。不管是出于好奇,还是自身充电,跟上潮流,我觉得都值得试一试。对于自己,经历了一段时间的系统学习(参考《机器学习/深度学习入门资料汇总》),现在计划重新阅读《机器学习》[周志华]和《深度学习》[Goodfellow et al]这两本书,并在阅读的过程中进行记录和总结。这两本是机器学习和深度学习的入门经典。笔记中除了会对书中核心及重点内容进行记录,同时,也会增加自己的理解,包括过程中的疑问,并尽量的和实际的工程应用和现实场景进行结合,使得知识不只是停留在理论层面,而是能够更好的指导实践。记录笔记,一方面,是对自己先前学习过程的总结和补充。 另一方面,相信这个系列学习过程的记录,也能为像我一样入门机器学习和深度学习同学作为学习参考。
机器学习算法工程师
2018-08-06
1.2K
0
基于深度学习的图像语义分割算法综述
深度学习
编程算法
卷积神经网络
自动驾驶
本文翻译自An overview of semantic image segmentation,原作者保留版权。
机器学习算法工程师
2018-08-06
2.4K
0
一种简单有效的网络结构搜索
其他
这篇文章主要介绍了一种方法用于解决网络结构搜索中,搜索空间过大且训练时间过长,算力要求过高的问题。运用了爬山算法来搜索优秀的网络结构,主要是用了一个很nb的技术叫network morphism的算法,极大的减小了训练时间,原因就是利用了之前训练的网络权重。
机器学习算法工程师
2018-08-06
609
0
fine-gained image classification
其他
我们在路边看到萌犬可爱至极,然后却不知道这个是哪种狗;看见路边的一个野花却不知道叫什么名字,吃着一种瓜,却不知道是甜瓜还是香瓜傻傻分不清……
机器学习算法工程师
2018-08-06
383
0
《机器学习》笔记-计算学习理论(12)
其他
如今机器学习和深度学习如此火热,相信很多像我一样的普通程序猿或者还在大学校园中的同学,一定也想参与其中。不管是出于好奇,还是自身充电,跟上潮流,我觉得都值得试一试。对于自己,经历了一段时间的系统学习(参考《机器学习/深度学习入门资料汇总》),现在计划重新阅读《机器学习》[周志华]和《深度学习》[Goodfellow et al]这两本书,并在阅读的过程中进行记录和总结。这两本是机器学习和深度学习的入门经典。笔记中除了会对书中核心及重点内容进行记录,同时,也会增加自己的理解,包括过程中的疑问,并尽量的和实际的工程应用和现实场景进行结合,使得知识不只是停留在理论层面,而是能够更好的指导实践。记录笔记,一方面,是对自己先前学习过程的总结和补充。 另一方面,相信这个系列学习过程的记录,也能为像我一样入门机器学习和深度学习同学作为学习参考。
机器学习算法工程师
2018-07-27
1.1K
0
DenseNet:比ResNet更优的CNN模型
其他
本篇文章首先介绍DenseNet的原理以及网路架构,然后讲解DenseNet在Pytorch上的实现。
机器学习算法工程师
2018-07-27
1.6K
0
点击加载更多
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