人工智能 | 数盟 | Page 133
t01d2d0591034ec18f2 0

豆瓣 PARACEL:让分布式机器学习变得简单

- 人工智能 - 阅 2,584

在豆瓣,我们常通过机器学习的方式从各种数据中训练出模型,利用这些模型帮助我们理解用户并为大家挖掘出有价值的内容:豆瓣FM的个性化歌曲推荐、书影音的喜欢也喜欢、首页的豆瓣猜等等。 早期的时候,单机训练的程序基本就能满足需求。一方面数据量不大,另一方面有的模型算…

t012d5ab9cd265b1b70 0

从一个R语言案例学线性回归

- 人工智能 - 阅 8,039

作者:jason 写在前面的话   按照正常的顺序,本文应该先讲一些线性回归的基本概念,比如什么叫线性回归,线性回规的常用解法等。但既然本文名为《从一个R语言案例学会线性回归》,那就更重视如何使用R语言去解决线性回归问题,因此本文会先讲案例。 线性回归简介 如下图…

t01073db403d98ffc07 0

四大机器学习降维算法:PCA、LDA、LLE、Laplacian Eigenmaps

- 人工智能 - 阅 69,933

作者:xbinworld 引言: 机器学习领域中所谓的降维就是指采用某种映射方法,将原高维空间中的数据点映射到低维度的空间中。降维的本质是学习一个映射函数 f : x->y,其中x是原始数据点的表达,目前最多使用向量表达形式。 y是数据点映射后的低维向量表达,通常y的维度小于x…

u=2891821452,2907039089&fm=23&gp=0 0

为什么机器学习广泛的用在谷歌的广告系统中,而很少用在搜索排序中?

- 人工智能 - 阅 4,173

译者:@王小科科科 [本文为Quora译文,原文地址见文尾] 不少我在谷歌的朋友告诉我,它们的广告系统多是基于机器学习的,而搜索排序则基于人凭借直觉撰写的函数(部分模块基于机器学习)。 是什么导致了这样的差异? Edmond Lau, 前谷歌搜索质量工程师 当我在谷歌…

u=374836790,3653571114&fm=23&gp=0 0

总结一下我在推荐系统里踩过的那些个坑(续篇)

- 人工智能 - 阅 2,234

作者:@王小科科科 上一篇《推荐系统的坑》主要讲了产品思路方面的坑,这一次,讲一讲做这个过程中的坑。这个坑,更坑。 第一坑,轻“效果”; “推荐系统是解决互联网海量信息资源出现信息过载问题的方法…”如同日本片子开头的那个黑色的文字序幕,我已经看到不下六百篇介…

201103052209058937 0

对线性回归,logistic回归和一般回归的认识

- 人工智能 - 阅 2,901

作者:JerryLead 1 摘要 本报告是在学习斯坦福大学机器学习课程前四节加上配套的讲义后的总结与认识。前四节主要讲述了回归问题,回归属于有监督学习中的一种方法。该方法的核心思想是从连续型统计数据中得到数学模型,然后将该数学模型用于预测或者分类。该方法处理的数据可以…

u=3131699732,3995036256&fm=23&gp=0 0

关于推荐系统中的特征工程

- 人工智能 - 阅 4,740

【数盟活动】Data Science Meetup(2015.04.11)@北京,听京东数据科学家李成华现场解读“深度学习与人工智能” 在多数数据和机器学习的blog里,特征工程 Feature Engineering 都很少被提到。做模型的或者搞Kaggle比赛的人认为这些搞feature工作繁琐又不重要不如多堆几个模型,想入…

5510f4de93adf 0

干货整理:深度学习 vs 机器学习 vs 模式识别

- 人工智能 - 阅 6,780

【数盟活动】Data Science Meetup(2015.04.11)@北京,听京东数据科学家李成华现场解读“深度学习与人工智能” 作者:Tomasz Malisiewicz 【编者按】本文来自CMU的博士,MIT的博士后,vision.ai的联合创始人Tomasz Malisiewicz的个人博客文章,阅读本文,你可以更好的理解计算机…