文章分类 -  机器学习（转载）

False Positive 和 False Negative 含义记忆法
摘要：False Positive 和 False Negative 含义记忆法 False Positive : False(检测模型不能成功地) Positive (判定出结果是Positive的) False Negative : False(检测模型不能成功地) Negative (判定出结果是N 阅读全文
posted @ 2018-06-12 10:13 菜鸡一枚 阅读(3533) 评论(0) 推荐(0)
机器学习中的 precision、recall、accuracy、F1 Score
摘要：机器学习中的 precision、recall、accuracy、F1 Score 1. 四个概念定义：TP、FP、TN、FN 先看四个概念定义： - TP，True Positive - FP，False Positive - TN，True Negative - FN，False Negativ 阅读全文
posted @ 2018-06-12 09:18 菜鸡一枚 阅读(432) 评论(0) 推荐(0)
给机器学习初学者的一点建议
摘要：给机器学习初学者的一点建议 本文译自康奈尔大学信息科学系助理教授David Mimno写的《Advice for students of machine learning》，Mimno先生总结了一些对于机器学习学生/初学者的建议，强调理论与实践相结合，要有耐心和毅力，并提出了深入研究一篇论文的方法。 阅读全文
posted @ 2016-05-20 18:50 菜鸡一枚 阅读(214) 评论(0) 推荐(0)
机器学习/自然语言处理/语言处理什么教材比较好？
摘要： 阅读全文
posted @ 2016-05-05 19:28 菜鸡一枚 阅读(115) 评论(0) 推荐(0)
7 common mistakes when doing Machine Learning
摘要：7 common mistakes when doing Machine Learning In statistical modeling, there are various algorithms to build a classifier, and each algorithm makes a 阅读全文
posted @ 2016-03-28 19:59 菜鸡一枚 阅读(149) 评论(0) 推荐(0)
聚类算法总结
该文被密码保护。
posted @ 2016-01-23 19:54 菜鸡一枚 阅读(0) 评论(0) 推荐(0)
8 Proven Ways for improving the “Accuracy” of a Machine Learning Model
摘要：8 Proven Ways for improving the “Accuracy” of a Machine Learning ModelIntroductionEnhancing amodel performancecan be challenging at times. I’m sure, a... 阅读全文
posted @ 2015-12-29 19:03 菜鸡一枚 阅读(316) 评论(0) 推荐(0)
EM算法实例分析
摘要：EM算法实例分析 阅读全文
posted @ 2015-12-22 19:55 菜鸡一枚 阅读(235) 评论(0) 推荐(0)
模型选择的一些基本思想和方法
该文被密码保护。
posted @ 2015-12-09 21:35 菜鸡一枚 阅读(0) 评论(0) 推荐(0)
逻辑回归 vs 决策树 vs 支持向量机（II）
摘要：逻辑回归 vs 决策树 vs 支持向量机（II）摘要：本文讨论了如何在逻辑回归、决策树和SVM之间做出最佳选择。结论：首先应该选择逻辑回归，然后试试决策树（随机森林）是否可以大幅度提升模型性能；特征的数量和观测样本特别多、资源和时间充足时，可使用SVM。本文是该系列的第二篇，第一篇参见： 逻辑回归V... 阅读全文
posted @ 2015-12-07 21:29 菜鸡一枚 阅读(612) 评论(0) 推荐(0)
Predictive modeling, supervised machine learning, and pattern classification
摘要：Predictive modeling, supervised machine learning, and pattern classificationWhen I was working on my next pattern classification application, I realiz... 阅读全文
posted @ 2015-12-06 20:47 菜鸡一枚 阅读(272) 评论(0) 推荐(0)
机器学习：你需要多少训练数据？
摘要：机器学习：你需要多少训练数据？作者为Google 软件工程师，美国西北大学电子信息工程博士，擅长大规模分布式系统，编译器和数据库。从谷歌的机器学习代码中得知，目前需要一万亿个训练样本训练数据的特性和数量是决定一个模型性能好坏的最主要因素。一旦你对一个模型输入比较全面的训练数据，通常针对这些训练数据，... 阅读全文
posted @ 2015-12-06 20:38 菜鸡一枚 阅读(13469) 评论(0) 推荐(1)
Overfitting, Regularization, and Hyperparameters
摘要：Overfitting, Regularization, and HyperparametersOverfittingOne of the goals of machine learning is generalizability. A model that only works on the ex... 阅读全文
posted @ 2015-12-02 20:49 菜鸡一枚 阅读(291) 评论(0) 推荐(0)
逻辑回归、决策树和支持向量机（I）
摘要：逻辑回归、决策树和支持向量机（I）摘要：分类问题是商业业务中遇到的主要问题之一。本文对三种主要技术展开讨论，逻辑回归（Logistic Regression）、决策树（Decision Trees）和支持向量机（Support Vector Machine，SVM）。分类问题是我们在各个行业的商业业... 阅读全文
posted @ 2015-12-02 19:58 菜鸡一枚 阅读(705) 评论(0) 推荐(0)
Xavier带来的10个新机器学习认识
摘要：Xavier带来的10个新机器学习认识Xavier Amatriain今年年初从Netflix跑到Quora去当副总裁了，不过依旧发扬着他的分享精神。这篇文章我主要跟着他最近分享的slides1并结合自己的看法来简单说说。这个slides其实已经是Xavier这个系列的第二部分了，第一部分2是他20... 阅读全文
posted @ 2015-12-01 19:44 菜鸡一枚 阅读(357) 评论(0) 推荐(0)
The Three Cultures of Machine Learning
摘要：The Three Cultures of Machine Learningby Jason Eisner (2015)Everyone should read Leo Breiman's 2001 article,Statistical Modeling: The Two Cultures. (S... 阅读全文
posted @ 2015-11-18 19:28 菜鸡一枚 阅读(183) 评论(0) 推荐(0)
Some of useful machine learning resources from beginner to intermediate.
摘要：Some of useful machine learning resources from beginner to intermediate.For updated list keep follow my BLOGA Blog From a Human-engineer-being - Eren ... 阅读全文
posted @ 2015-11-13 18:54 菜鸡一枚 阅读(256) 评论(0) 推荐(0)
机器学习实践中应避免的七种常见错误
摘要：机器学习实践中应避免的七种常见错误摘要：在机器学习领域，每个给定的建模问题都存在几十种解法，本文作者认为，模型算法的假设并不一定适用于手头的数据；在追求模型最佳性能时，重要的是选择适合数据集（尤其是“大数据”）的模型算法。【编者按】在机器学习领域，每个给定的建模问题都存在几十种解法，每个模型又有难以... 阅读全文
posted @ 2015-11-11 19:07 菜鸡一枚 阅读(159) 评论(0) 推荐(0)
贝叶斯、概率分布与机器学习
该文被密码保护。
posted @ 2015-08-26 14:10 菜鸡一枚 阅读(0) 评论(0) 推荐(0)