坨之歌

摘要： Celery - 概念 简单的灵活可靠的处理大量消息的分布式系统 专注于实时处理的异步任务队列, 同时也支持任务调度 结构图 使用场景 异步任务 将耗时的操作任务提交给 Celery 去异步执行 - 比如发送短信 / 邮件, 消息推送, 音视频处理等 定时任务 类似于 crontab, 比如每日的数 阅读全文

摘要： 应用场景 拼写检查, 关键词检索 文本挖掘 文本分类 机器翻译 客服系统 复杂对话系统 深度学习 手工特征耗时耗力, 还不易拓展 自动特征学习快, 方便扩展 深度学习提供了一种通用的学习框架, 可以用来表示世界, 视觉和语言学信息 深度学习可以无监督学习, 也可以监督学习 语言模型 概念 我 今天 阅读全文

摘要： 安装 能直接安装就再好不过 pip install xgboost 如果不能就下载之后本地安装 安装包下载地址 这里 想要啥包都有 数据集 pima-indians-diabetes.csv 文件 调查印度糖尿病人的一些数据, 最终的预测结果是是否患病 # 1. Number of times pr 阅读全文

摘要： 工作原理 基于集成算法的多个树累加, 可以理解为是弱分类器的提升模型 公式表达 基本公式 目标函数 目标函数这里加入了损失函数计算 这里的公式是用的均方误差方式来计算 最优函数解 要对所有的样本的损失值的期望, 求解最小的程度作为最优解 集成算法表示 集成算法中对所有的树进行累加处理 公式流程分解 阅读全文

摘要： 深度学习背景引入 和机器学习的关系对比 机器学习是很大的一个范围, 包好了深度学习在内的很多内容 卷积神经网络又是深度学习中的一个特化的子类 在数据量不大的程度下, 深度学习和传统的人工智能算法没有太大的区别 但是上限方面就要高得多, 而且数据规模越大差距越大 计算机视觉 深度学习和计算机视觉几乎是 阅读全文

摘要： PCA 主成分分析 原理概述 用途 - 降维中最常用的手段 目标 - 提取最有价值的信息( 基于方差 ) 问题 - 降维后的数据的意义 ? 所需数学基础概念 向量的表示 基变换 协方差矩阵 协方差 优化目标 降维实例 代码实现 """ 这里假设原始数据集为矩阵 dataMat，其中每一行代表一个样本 阅读全文

摘要： 聚类算法 概述 无监督问题 手中无标签 聚类 将相似的东西分到一组 难点 如何 评估, 如何 调参 基本概念 要得到的簇的个数 - 需要指定 K 值 质心 - 均值, 即向量各维度取平均 距离的度量 - 常用 欧几里得距离 和 余弦线相似度 ( 先标准化 ) 优化目标 - 需求每个簇中的点, 到质心 阅读全文

摘要： SVM 代码实现展示 相关模块引入 %matplotlib inline import numpy as np import matplotlib.pyplot as plt from scipy import stats import seaborn as sns;sns.set() # 使用se 阅读全文

摘要： SVM 原理引入 支持向量机( SVM，Support Vector Machine ) 背景 2012年前较为火热, 但是在12年后被神经网络逼宫, 由于应用场景以及应用算法的不同, SVM还是需要有所了解，而且在面试中SVM一般都会问到, 支持向量机是一个非常 经典且高效的分类模型 要解决的问题 阅读全文

摘要： 文本分析概念 停用词 语料中大量出现, 无用数据, 如下类似的这种词语 Tf - 词频统计 TF 的计算方式有很多, 最常见的用 某词文章中出现次数 / 文章总词数 idf - 逆文档频率 TF - idf 关键词提取 相似度 分词 语料库 词频 词频向量 整体流程 语料清洗 (去掉停用词, 去掉大 阅读全文