凌风探梅的专栏

scikit-learn (sklearn) 官方文档中文版 sklearn 0.21.3 中文文档 sklearn 0.21.3 中文示例 sklearn 英文官网 介绍sklearn (scikit-learn) 是基于 Python 语言的机器学习工具简单高效的数据挖掘和数据分析工具可供大家在各种环境中重复使用建立在 NumPy ，SciPy 和 matplotlib 上开源，可商业使用 - BSD许可证

Multivariate Time Series Forecasting with LSTMs in KerasBy Jason Brownlee on August 14, 2017 in Deep Learning for Time SeriesNeural networks like Long Short-Term Memory (LSTM) recurrent neural networks are able to almost seamlessly model problems with

CODE URL: https://github.com/zjucsxxd/Bing-Objectness-linuxCODE ZIP: https://github.com/zjucsxxd/Bing-Objectness-linux/archive/master.zipFROM: http://www.cvchina.info/2014/02/25/14cvprbing

传说中的贝叶斯统计到底有什么来头？2016-08-17 20:37 Blake 0条评论 贝叶斯统计在机器学习中占有一个什么样的地位，它的原理以及实现过程又是如何的？本文对相关概念以及原理进行了介绍。引言：在很多分析学者看来，贝叶斯统计仍然是难以理解的。受机器学习这股热潮的影响，我们中很多人都对统计学失去了信心。我们的关注焦点已经缩小到只探索机器学习了，难道不是吗？

编辑部按：本文转载Yang Can主页中的文章，稍有修改，原文链接请点击此处。作者简介：杨灿，香港科技大学电子与计算机工程系。主页：http://ihome.ust.hk/~eeyang/index.html在港科大拿到PhD，做的是Bioinformatics方面的东西。Bioinformatics这个领域很乱，从业者水平参差不齐，但随着相关技术（比如Microarray, Ge

转载时请注明来源：http://www.cnblogs.com/jerrylead1判别模型与生成模型上篇报告中提到的回归模型是判别模型，也就是根据特征值来求结果的概率。形式化表示为，在参数确定的情况下，求解条件概率。通俗的解释为在给定特征后预测结果出现的概率。比如说要确定一只羊是山羊还是绵羊，用判别模型的方法是先从历史数据中学习到模型，然后通过提取这只羊的特征来预测出这只

本文使用Word2vec结合K-Means聚类，Word2vec结合层次聚类，和隐含狄利克雷分布三种方法描述工作技能的相关性，在评估整体关联性方面它们都是有效的，最终结果在很大程度上取决于实际应用场景。此项目的成员包括Brett Amdur，Christopher Redino和Amy (Yujing) Ma。他们毕业与今年1月11日至4月1日举办的为期十二周的纽约数据科学全职训练营。

【CCAI大咖秀】AlphaGo/Mobileye教父：智能科学需要融合机器学习、计算神经科学与认知科学8月26-27日，由中国人工智能学会（CAAI）发起并主办、中科院自动化研究所与优快云共同承办的2016中国人工智能大会（CCAI 2016）将于在北京盛大召开，汇聚全球顶级人工智能专家共论前沿技术与产业实践。本次大会大咖云集，麻省理工学院人工智能实验室（MIT CSAIL）教授、美国

原文：Multi-class SVM Loss 作者： Adrian Rosebrock 翻译： KK4SBB 责编：何永灿from: http://geek.youkuaiyun.com/news/detail/101547几个星期之前，我们讨论了线性分类和参数化学习的概念。这类学习方法使我们能够输入一组数据和类别标签，然后从中学到一个从输入值到预测值的映射关系，而我

Support vector machineFrom Wikipedia, the free encyclopediaNot to be confused with Secure Virtual Machine.Machine learning anddata miningProblems[show]

奇异值分解(SVD) --- 几何意义 2013-12-16 22:33:42分类： 大数据PS：一直以来对SVD分解似懂非懂，此文为译文，原文以细致的分析+大量的可视化图形演示了SVD的几何意义。能在有限的篇幅把 这个问题讲解的如此清晰，实属不易。原文举了一个简单的图像处理问题，简单形象，真心希望路过的各路朋友能从不同的角度阐述下自己对SVD实际意义的

原文：5 free e-books for machine learning mastery 作者：Serdar Yegulalp 翻译：赖信涛 责编：仲培艺There are few subjects in computing as fascinating, or intimidating, as machine learning. Let's face it -

8种常见机器学习算法比较2016-08-04 17:46 转载 陈圳 0条评论 雷锋网(搜索“雷锋网”公众号关注)按：本文转自刘志伟责编，在机器学习中选择一个恰当的算法十分重要，文中主要介绍了8种计算机算法及其优缺点，为大家进行算法选择时提供一点意见。简介机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在

号外！ 大维度机器学习也有计算框架了2016-08-04 17:57 转载 陈圳 0条评论 雷锋网(搜索“雷锋网”公众号关注)按：本文转自腾讯大数据，这篇文章主要介绍了腾讯数据平台联合香港科技大学所开发，面向机器学习的分布式计算框架，进而解决了大维度机器学习的问题。简介为支持超大维度机器学习模型运算，腾讯数据平台部与香港科技大学合作开发了面向机器学习

如何实现拼音与汉字的互相转换发表于2个月前(2016-02-16 15:01)   阅读（58） | 评论（0） 6人收藏此文章, 我要收藏赞04月23日，武汉源创会火热报名中，期待您的参与>>>>>   目录[-]基于词库的汉字转拼音基于词库和分词工具的汉字转拼音基于HMM的拼音转汉字基于词库的拼音转汉字代码实现

原文： http://book.thunlp.org/knowledge_graph/ 第二章 知识图谱——机器大脑中的知识库Published by  liuzy on July 6, 2015作者：刘知远（清华大学）；整理：林颖（RPI）版权所有，转载请注明出处知识就是力量。——[英]弗兰西斯·培根1 什么是知识图谱

R： Hierarchical Cluster 层次聚类发表于2年前(2014-10-05 12:05)   阅读（1884） | 评论（0） 0人收藏此文章, 我要收藏赞0目录[-]构造数据：聚类：分成两个簇：参考：构造数据：?123456

例如要把一组数据分成两个簇： ?1234567891011121314151617181920212223242526272829

新浪科技讯 北京时间7月9日早间消息，微软本周宣布，将人工智能平台Project Malmo提供给开源社区。　　此前只有一小部分计算机科学家可以使用Project Malmo，而未来这一平台将开放给所有人。利用Project Malmo，研究者可以通过微软《我的世界》游戏去测试人工智能算法。　　Project Malmo此前名为Project AIX。这一平台的设计

Logistic Regression--逻辑回归算法汇总**转自别处 有很多与此类似的文章  也不知道谁是原创 因原文由少于错误 所以下文对此有修改并且做了适当的重点标记(横线见的内容没大明白 并且有些复杂，后面的运行流程依据前面的得出的算子进行分类) 初步接触谓LR分类器(Logistic Regression Classifier)，并没有什么神秘的。在分类的情形下，经过学习

from: http://it.sohu.com/20160804/n462610626.shtml 　　图片来源：IBM　　编者按：从AlphaGo击败李世石，宣布超级计算机攻克了围棋这一穷举法不可能征服的领域后，人工智能（AI）又成了所有人最热门的话题之一。　　对于不少该领域的科学家而言，人工智能的终极目标之一就是用机器实现人脑的全部功能，而作为人脑的最小细胞单

from: http://www.voidcn.com/blog/Mark_LQ/article/p-5983585.htmlIntroductionIn this post you will get to grips with what is perhaps the most essential concept in machine learning: thebias-varia

人脸检测发展：从VJ到深度学习（上）2016-08-10 14:13 转载 深度学习大讲堂 0条评论 雷锋网(搜索“雷锋网”公众号关注)按：本文作者邬书哲, 中科院计算所智能信息处理重点实验室VIPL课题组博士生，研究方向：目标检测，尤其关注基于深度学习的目标检测方法。本文分上下两篇，上篇主要介绍人脸检测的基本流程，以及传统的VJ人脸检测器及其改进，下篇介绍基于

计算机也可以看“视频”，理解“视频”2016-08-08 15:56 高婓 0条评论 联合编译： 高斐  章敏摘要我们将在文中介绍一种用于视频中动作检测的端对端方法，该方法用于学习直接预测动作的瞬时改变。我们认为，动作检测是一个对运动目标进行观察并细化假设的过程：观察视频中每一个动作变化瞬间，细化关于一个动作将何时发生的所有假设。基于该观点，我们将提出的模型视为

在这篇文章中，我们以几何的视角去观察矩阵奇异值分解的过程，并且列举一些奇异值分解的应用。介绍矩阵奇异值分解是本科数学课程中的必学部分，但往往被大家忽略。这个分解除了很直观，更重要的是非常具有实用价值。譬如，Netflix（在线电影租赁公司）对能够提高其电影推荐系统准确率10%的人提供100万美元的丰厚奖金。令人惊奇的是，这个看似简单的问题却非常具有挑战性，相关的团队正在使用非常复杂

from:雷锋网吴恩达写给产业界的一份信：《你要弄明白人工智能能做什么，不能做什么》 许多高管问我人工智能能够做什么？这些人想知道 AI 是如何颠覆他们从处的行业，以及他们该如何利用 AI 重塑自己的公司。这段日子，有媒体在描述人工智能时总是夹杂着一些不切实际的观点：如人工智能很快就会接管全世界！是的，人工智能确实在改变着搜索、广告、电商、金融、物流、媒体等行业，但

2017年深度学习十大趋势预测本文作者曾经多次预测了技术发展的趋势，最近的一次预测是“2011年软件发展的趋势与预测”。10项预言中，准确地命中了6项，比如JavaScript VM、NoSQL、大数据分析、私有云、Scala语言等等。今年，他对深度学习的发展趋势做了一个预测，主要是研究领域的趋势预测，而不是工业界的应用。深度学习框架Caffe源码解析作者按

本文提供了十种算法的高水平理解，并非从数据出发，适合初学者。如果你想要在开始一个机器学习项目之前做些准备，你会喜欢这篇文章的。这十种算法包括：线性回归、逻辑回归、决策树、SVM、朴素贝叶斯、K最近邻算法、K均值算法、随机森林算法、降维算法、Gradient Boost 和 Adaboost 算法。

在做分类时常常需要估算不同样本之间的相似性度量(SimilarityMeasurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。　　本文的目的就是对常用的相似性度量作一个总结。本文目录：1.欧氏距离2.曼哈顿距离3. 切比雪夫距离4. 闵可夫斯基距离5.标准化欧氏距离6

数学中的Regularization是为了解决overfitting问题而引入的一种方法。所谓overfitting就是在一些数学模型中由于过于复杂，有太多的观测参数，以至于一点点微小的误差都回产生巨大的影响，任何微小的数据扰动都会带来巨大的改变。在一些训练模型中用来fitting的data也会因为结构问题而Overfitting。 一般来说有两种克服Overfitting的方法：一是补偿

原文地址：数据的规范化，归一化，标准化，正则化作者：打湿井盖    数据的规范化，归一化，标准化，正则化，这几个破词整得我头晕，首先这些词就没规范好，对数据做实验更晕，网上狂搜一阵后，发现数据归一化，标准化，正则化，还是有差别数据规范化  一种是针对数据库的解释   规范化理论把关系应满足的规范要求分为几级，满足最低要求的一级叫做第一范式(1NF)，在第一范式的

原文标题：15 Trending Data Science GitHub Repositories you can not miss in 2017作者：SUNIL RAY翻译：杨金鸿校对：闵黎 本文长度为3400字，建议阅读5分钟本文为你分享2017年最热门的GitHub项目列表。简介GitHub最初的只是一个控制软件版本的

A准确率（accuracy）分类模型预测准确的比例。在多类别分类中，准确率定义如下：在二分类中，准确率定义为：激活函数（Activation function）一种函数（例如 ReLU 或 Sigmoid），将前一层所有神经元激活值的加权和输入到一个非线性函数中，然后向下一层传递该函数的输出值（典型的非线性）。AdaGrad一种复杂的梯度下降算法，重新调节每个参数的梯度，高...

from: https://www.jianshu.com/u/c9bd3225567e前言分类问题的评价指标是准确率，那么回归算法的评价指标就是MSE，RMSE，MAE、R-Squared。下面一一介绍均方误差（MSE）MSE （Mean Squared Error）叫做均方误差。看公式image.png这里的y是测试集上的。用 真实值-预测值 然后平方之后求和平均。...

from: https://blog.youkuaiyun.com/danmeng8068/article/details/80143306SSE(和方差、误差平方和)：The sum of squares due to errorMSE(均方差、方差)：Mean squared errorRMSE(均方根、标准差)：Root mean squared errorR-square(确定系数)：Coeffic...

作者简介： 鲍捷，文因互联CEO。Iowa State University博士，研究领域包括神经网络、信息论、机器学习、逻辑与推理、语义网、自然语言处理等。三星S-Voice个人助手个核心设计者、语义网基础国际标准OWL2作者之一。 王丛，文因互联CKO。美国Wright State University辍学博士生，专长知识提取、本体建模、语义推理。曾参与欧盟的大规模知识加速器项目、爱尔

作者：张夏天，TalkingData首席数据科学家。12年大规模机器学习和数据挖掘经验，对推荐系统、计算广告、大规模机器学习算法并行化、流式机器学习算法有很深的造诣；在国际顶级会议和期刊上发表论文12篇，申请专利9项；前IBM CRL、腾讯、华为诺亚方舟实验室数据科学家；KDD2015、DSS2016国际会议主题演讲；机器学习开源项目Dice创始人。 欢迎技术投稿、约稿、给文章纠错，请发送邮件

原文： Machine learning finds new ways for our data centers to save energy 译者： KK4SBB 欢迎技术投稿、约稿、给文章纠错，请发送邮件至heyc@youkuaiyun.com虚拟的网络世界都是以现实世界为基础的。当我们浏览网站、发送邮件、上传视频灌水论坛时，这些数据都将流经占地面积超过足球场的数据中心。数据中心内成千

原文： Graph-powered Machine Learning at Google 作者： Sujith Ravi 译者： KK4SBB 责编：何永灿，关注人工智能，投稿请联系heyc@youkuaiyun.com或微信号289416419from: 如何让机器获得幽默感——Goolge图学习技术揭秘近些年来，机器学习技术取得了巨大的进步，使得计算机系统能够解决复杂的现实问题

from: http://blog.youkuaiyun.com/hdanbang/article/details/50198415在OpenCL2.0中，增加了SVM(shared virtual memory)的特性。在开始讲解SVM之前，我们先用图片来看下OpenCL1.2中主机与设备端的地址空间：