随笔分类 -  机器学习

机器学习（二）工作流程与模型调优
摘要：上一讲中主要描述了机器学习特征工程的基本流程，其内容在这里：机器学习（一）特征工程的基本流程 本次主要说明如下： 1）数据处理：此部分已经在上一节中详细讨论 2）特征工程：此部分已经在上一节中详细讨论 3）模型选择 4）交叉验证 5）寻找最佳超参数 首先看下总图： （一）模型选择： 1）交叉验证 交 阅读全文
posted @ 2018-03-31 17:17 Infaraway 阅读(2563) 评论(0) 推荐(0)
机器学习（一）特征工程基本流程
摘要：前言 特征是数据中抽取出来的对结果预测有用的信息，可以是文本或者数据。特征工程是使用专业背景知识和技巧处理数据，使得特征能在机器学习算法上发挥更好的作用的过程。过程包含了特征提取、特征构建、特征选择等模块。 特征工程的目的是筛选出更好的特征，获取更好的训练数据。因为好的特征具有更强的灵活性，可以用简 阅读全文
posted @ 2018-03-25 16:06 Infaraway 阅读(27103) 评论(2) 推荐(7)
Google免费GPU使用教程（亲测可用）
摘要：今天突然看到一篇推文，里面讲解了如何薅资本主义羊毛，即如何免费使用Google免费提供的GPU使用权。 可以免费使用的方式就是通过Google Colab，全名Colaboratory。我们可以用它来提高Python技能，也可以用Keras、TensorFlow、PyTorch、OpenCV等等流行 阅读全文
posted @ 2018-01-28 23:25 Infaraway 阅读(20365) 评论(4) 推荐(4)
XGBoost、LightGBM的详细对比介绍
摘要：sklearn集成方法 集成方法的目的是结合一些基于某些算法训练得到的基学习器来改进其泛化能力和鲁棒性(相对单个的基学习器而言)主流的两种做法分别是： bagging 基本思想 独立的训练一些基学习器(一般倾向于强大而复杂的模型比如完全生长的决策树)，然后综合他们的预测结果，通常集成模型的效果会优于 阅读全文
posted @ 2017-11-24 14:42 Infaraway 阅读(54017) 评论(0) 推荐(7)
终身机器学习：一种可持续学习的范式
摘要：前言： 最近发现了一篇很有意思的论文，有关集成学习中的可持续性的研究，这里翻译了一下，供了解和学习使用 刘兵：美国芝加哥大学的计算机科学教授。他的研究包括情绪分析和意见挖掘、终身机器学习、数据挖掘、机器学习和自然语言处理。他目前担任ACM SIGKDD的主席，ACM Fellow, AAAI Fel 阅读全文
posted @ 2017-10-26 12:32 Infaraway 阅读(2860) 评论(0) 推荐(1)
机器学习中安全与隐私问题（对抗性攻击）
摘要：近几年，机器学习异常火爆，可以用来解决各种各样的问题，但却很少有人意识到机器学习本身也容易受到攻击，终于Ian Goodfellow和Papernot首次将机器学习的攻击提出，并且做了很多非常重要的研究，这里给出这二位大牛的博客的翻译，有兴趣的朋友可以关注一下，觉得还是很有意思的研究。本文也是安全方 阅读全文
posted @ 2017-07-25 21:56 Infaraway 阅读(12377) 评论(3) 推荐(4)