机器&深度学习与推荐系统
关注
分享
扫一扫
cv君
限时新年大礼包：所有专栏全部8折+送全部150篇文章+送3K人技术答疑群+本人答疑！！！ 新年贺送时间：25年2月1日-3月1日（联系VX：zxx15277368495z）
cv君是人工智能专业的AI科班优秀毕业生，从18年搞算法，至今已七年，曾在Vivo任职AI算法工程师；曾在Intel获得过多次带高薪的奖，曾获CCF视觉算法赛冠军、Kaggle银牌、阿里世界人工智能大赛Top10、ICLM Top5,任职期间获公司：唯一S级员工；微软黑客松比赛二等奖；多篇论文专利擅长AI全栈领域算法，。
cv君是科研热爱者，从不写水文，感谢订阅，愿你在此获得学习和成长！
因为热爱，所以坚持去做！ —cv君
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
NLP从入门到实战（一）
NLP自然语言处理技术，我将长期连载NLP技术，分享论文，源码，新科技，以学习为目的，建议大家关注博主，不断更，一起进步~本文为原理篇，部分来源网络资源，本文目的是综述NLP，让朋友们更清晰地明白！后期会不断实战训练。自然语言处理NLP概述自然语言处理（Natural language processing，NLP）是计算机和人类语言之间的关系纽带。更具体地说，自然语言处理是计算机对自然语言的理解、分析、操纵和/或生成。自然语言处理（NLP）可以被定义为人类语言的自动（或半自动）处理。“NLP..原创 2020-05-31 16:22:03 · 12006 阅读 · 1 评论 -
决策树分类与回归基础实战（一）
再刷DT，看完记得关注，能看完的是有缘人回归树import numpy as npfrom sklearn.tree import DecisionTreeRegressorimport matplotlib.pyplot as pltN = 100x = np.random.rand(N) * 6 - 3x.sort()y = np.sin(x) + np.random.rand(N) * 0.05# y[5] = 5print(y)x = x.reshape(-1, 1).原创 2020-05-31 12:54:04 · 12088 阅读 · 1 评论 -
决策树——从原理走向实战
决策树——既能分类又能回归的模型在现实生活中，我们会遇到各种选择，不论是选择男女朋友，还是挑选水果，都是基于以往的经验来做判断。如果把判断背后的逻辑整理成一个结构图，你会发现它实际上是一个树状图，这就是我们今天要讲的决策树。决策树学习的目的是为了生成一颗泛化能力强，即处理未见示例能力强的决策树，其基本流程遵循简单而直观的 分而治之 (Divide and Conquer) 策略，如下图所示：决策树的生成是一个自根结点一直到叶结点的递归生成过程。在递归生成的伪代码表述中，可以看到，有三个地方导致递归原创 2020-05-28 08:57:36 · 9470 阅读 · 5 评论 -
【详解】多元的智能推荐系统
写在前文：最近在涉猎推荐系统，可谓是内容繁多，我会偏向机器学习&深度学习方向探究推荐系统，尤其是协同过滤算法~一起学习吧协同过滤简介： 协同过滤(Collaborative Filtering)作为推荐算法中最经典的类型，包括在线的协同和离线的过滤两部分。所谓在线协同，就是通过在线数据找到用户可能喜欢的物品，而离线过滤，则是过滤掉一些不值得推荐的数据，比如推荐值评分低的数据，或者虽然推荐值高但是用户已经购买的数据。协同过滤的模型一般为m个物品，m个用户的数据，只有部分用户和部分数据之原创 2020-05-09 16:45:01 · 12723 阅读 · 2 评论