当前标签：机器学习

异常检测——无监督、高斯分布模型，需要带标记的样本数据，基本假设：特征符合高斯分布

bonelee 2017-11-03 09:27 阅读:2908 评论:1 推荐:0

聚类-异常检测

bonelee 2017-11-03 09:01 阅读:10486 评论:0 推荐:0

一种神经元探索系统方法及装置

bonelee 2017-10-25 11:42 阅读:509 评论:0 推荐:0

neat算法——本质就是遗传算法用于神经网络的自动构建

bonelee 2017-10-24 19:12 阅读:12229 评论:0 推荐:0

递归神经网络——就是解决AST这样的问题

bonelee 2017-10-23 16:41 阅读:762 评论:0 推荐:0

循环神经网络

bonelee 2017-10-23 16:39 阅读:1381 评论:1 推荐:0

卷积神经网络——本质上是在利用卷积做特征压缩，然后再全连接

bonelee 2017-10-23 13:21 阅读:12649 评论:0 推荐:0

神经网络和反向传播算法——反向传播算法本质上是随机梯度下降，链式求导法则而来的

bonelee 2017-10-23 12:09 阅读:4834 评论:1 推荐:1

LSTM入门学习——结合《LSTM模型》文章看

bonelee 2017-10-23 10:34 阅读:23334 评论:0 推荐:1

LSTM入门学习——本质上就是比RNN的隐藏层公式稍微复杂了一点点而已

bonelee 2017-10-23 10:08 阅读:3910 评论:0 推荐:0

LSTM模型

bonelee 2017-10-23 09:47 阅读:4472 评论:0 推荐:0

机器学习样本标记示意代码

bonelee 2017-09-28 19:30 阅读:1630 评论:0 推荐:0

pandas groupby 分组操作

bonelee 2017-09-26 14:34 阅读:2352 评论:0 推荐:0

机器翻译引擎的基本原理 ——LSTM

bonelee 2017-08-22 20:12 阅读:3810 评论:0 推荐:0

Spark技术在京东智能供应链预测的应用——按照业务进行划分，然后利用scikit learn进行单机训练并预测

bonelee 2017-08-12 11:42 阅读:476 评论:0 推荐:0

英特尔深度学习框架BigDL——a distributed deep learning library for Apache Spark

bonelee 2017-08-12 11:05 阅读:539 评论:0 推荐:0

机器学习特征表达——日期与时间特征做离散处理（数字到分类的映射），稀疏类分组（相似特征归档），创建虚拟变量（提取新特征）本质就是要么多变少，或少变多

bonelee 2017-08-09 20:21 阅读:2420 评论:0 推荐:0

1. 批量梯度下降法BGD 2. 随机梯度下降法SGD 3. 小批量梯度下降法MBGD

bonelee 2017-08-03 09:37 阅读:991 评论:0 推荐:0

机器学习 LR中的参数迭代公式推导——极大似然和梯度下降

bonelee 2017-07-29 09:14 阅读:16024 评论:1 推荐:3

mahout demo——本质上是基于Hadoop的分步式算法实现，比如多节点的数据合并，数据排序，网路通信的效率，节点宕机重算，数据分步式存储

bonelee 2017-07-27 10:04 阅读:250 评论:1 推荐:0