發(fā)簡信
IP屬地：廣東
-
-
-
評論較多拂酣，簡書回復(fù)也不太方便，如有問題麻煩關(guān)注下面的公眾號仲义，加入我的微信群一起討論婶熬。公眾號ID：小小挖掘機(jī)
-
Wide & Deep1.背景 Wide and deep 模型是 TensorFlow 在 2016 年 6 月左右發(fā)布的一類用于分類和回歸的模型，并應(yīng)用到了 Google Play 的應(yīng)用推薦...
-
GRU模型在問答系統(tǒng)中的應(yīng)用
GRU模型與LSTM模型設(shè)計上十分的相似埃撵，LSTM包含三個門函數(shù)（input gate赵颅、forget gate和output gate)，而GRU模型是LSTM模型的簡化版暂刘，...
-
xgboost的原理沒你想像的那么難xgboost 已然火爆機(jī)器學(xué)習(xí)圈饺谬，相信不少朋友都使用過。要想徹底掌握xgboost谣拣，就必須搞懂其內(nèi)部的模型原理商蕴。這樣才能將各個參數(shù)對應(yīng)到模型內(nèi)部，進(jìn)而理解參數(shù)的含義芝发，根據(jù)需...
-
數(shù)據(jù)降維——PCA、SVD1. 數(shù)據(jù)降維 數(shù)據(jù)降維的目的:數(shù)據(jù)降維苛谷，直觀地好處是維度降低了辅鲸，便于計算和可視化，其更深層次的意義在于有效信息的提取綜合及無用信息的擯棄腹殿。 降維方法__ 屬性選擇：過濾法独悴；...
-
PCA與SVD分解的關(guān)系
PCA： 目標(biāo)是使 因?yàn)榭蓪?E的每列是相應(yīng)的非線性相關(guān)且相互正交的特征向量，為正交陣锣尉。我們令 因?yàn)檫@樣P就成為了正交陣刻炒，有 則PCA是要對X的協(xié)方差矩陣進(jìn)行特征值分解，P即...
-
數(shù)據(jù)挖掘面試準(zhǔn)備（1）|常見算法（logistic回歸自沧，隨機(jī)森林坟奥，GBDT和xgboost）9.25r早上面網(wǎng)易數(shù)據(jù)挖掘工程師崗位，第一次面數(shù)據(jù)挖掘的崗位拇厢，只想著能夠去多準(zhǔn)備一些爱谁，體驗(yàn)面這個崗位的感覺，雖然最好心有不甘告終孝偎，不過繼續(xù)加油访敌。 不過總的來看，面試前有準(zhǔn)備...
-
機(jī)器學(xué)習(xí)必須熟悉的算法之word2vector（一）word2vector已經(jīng)成為NLP領(lǐng)域的基石算法衣盾。作為一名AI 從業(yè)者寺旺，如果不能主動去熟悉該算法爷抓，應(yīng)該感到臉紅。本文是一篇翻譯的文章阻塑，原文鏈接是：http://mccorm...
-
面試經(jīng)驗(yàn)（機(jī)器學(xué)習(xí)）
常見分類模型（ svm蓝撇，決策樹，貝葉斯等）的優(yōu)缺點(diǎn)叮姑，適用場景以及如何選型解決過擬合的方法有哪些唉地？ KNN（分類與回歸） 分類模型可以做回歸分析嗎？反過來可以嗎传透？ 分類模型和回...
-
機(jī)器學(xué)習(xí)算法小結(jié)與收割offer遇到的問題
機(jī)器學(xué)習(xí)是做NLP和計算機(jī)視覺這類應(yīng)用算法的基礎(chǔ)耘沼，雖然現(xiàn)在深度學(xué)習(xí)模型大行其道，但是懂一些傳統(tǒng)算法的原理和它們之間的區(qū)別還是很有必要的朱盐∪亨停可以幫助我們做一些模型選擇。本篇博文就...
-
機(jī)器學(xué)習(xí)面試之?dāng)?shù)據(jù)降維PCA（主成分分析）和LDA（線性判別分析兵琳，F(xiàn)isher Linear Discriminant Analysis）都是數(shù)據(jù)降維的一種方式狂秘。但是，PCA是無監(jiān)督的躯肌，而LDA是...
-
機(jī)器學(xué)習(xí)面試001—支持向量機(jī)SVM
1. 關(guān)于min和max交換位置滿足的 d* <= p* 的條件并不是KKT條件 Ans：這里并非是KKT條件者春，要讓等號成立需要滿足strong duality(強(qiáng)對偶)，之...
-
BAT機(jī)器學(xué)習(xí)面試1000題系列（二）
101.深度學(xué)習(xí)（CNN RNN Attention）解決大規(guī)模文本分類問題清女。 用深度學(xué)習(xí)（CNN RNN Attention）解決大規(guī)模文本分類問題 - 綜述和實(shí)踐 102...
