尽管我们还没有科幻电影中描述的那种个人机器人，但是人工智能 已经逐渐成为我们日常生活中不能分割的一个部分，福布斯宣布“2019 年 AI 将成为主流”。由于有了 AI，我们可以使用智能手机来存储支票。AI 可以将收到的垃圾邮件自动清理到垃圾邮箱中。Ube

本文将通过GitHub repos重点介绍一组精选的开源Python数据科学项目。之前的文章包括一些涵盖AutoML、自然语言处理、数据可视化、机器学习工作流程的库。该列表显然是主观的，由我遇到的代码组成，并且由于某种原因而发现这些代码有趣或有用。对于每个

它为你提供了"啊哈！原来是这样"的经历感受。只有你点击它的时候，你才会明白究竟发生了什么。这可以追溯到我最初所说的。如果你不了解基本知识，就不要从头开始处理算法。一些简单的用途可能是情绪分析或贷款违约预测。对于这两种情况，决策边界都需要

小编近日精心策划的5本免费电子书清单，可以帮助您更好地了解机器学习的各个方面，以及在该领域的职业生涯所需的技能。对机器学习的职业感兴趣却又不知道从哪里开始？并非所有机器学习职位都需要博士学位;这真的取决于人们想要适应的机器学习频谱。看看身边的激励和鼓舞人心

模型超参数是模型外部的一个特征，它的值不能从数据中估计。超参数的值必须在学习过程开始之前设置。例如，支持向量机中的c，最近邻中的k，神经网络中的隐藏层数。例如，线性/逻辑回归的beta系数或者支持向量机的支持向量。网格搜索用于查找模型的最佳 超参数，从而产

机器学习中的预测分析模型严重依赖回归、分类和聚类方法。在分析预测模型的有效性时，预测越接近实际数据越好。本条款希望成为主要问题和最流行/有效的解决方案的一种参考，而不需深入细节。在运行这些测试之后，您将返回到模型并进行那些更正，并将确定哪些机器学习模型是拟

自然语言处理在当今世界中最重要的研究领域之一，并且在过去十年中出现了惊人的兴趣增长。NLP的基础知识广为人知，易于掌握。但是当文本数据变得庞大且非结构化时，事情开始变得棘手了。这就是深度学习的意义所在。是的，我说的是针对NLP任务的深度学习——这是一种相对

本文是关于One Hot Encoder的快速解释。在上面的机器学习数据集中它们是三个类如果我给一个Apple数据集输入logistic回归或神经网络，但是它预测的是一只Chicken，所以我们要使用梯度下降来最小化损失函数来正确预测。如果我们使用数字标签

最近的机器学习圈让人有些看不懂。一边是今年的NIPS迎来了创纪录的8000多篇投稿，一边是李飞飞、Keras框架的作者Franois Chollet等大佬摊手承认，机器学习发展已进入瓶颈期。他们毫不留情面地指出：机器学习圈内有太多搞“伪科学”的现象！让我们

近日，伯克利和MIT研究者发布的一篇名为《Do CIFAR-10 Classifiers Generalize to CIFAR-10?》的新论文提出了学界一个尖锐的问题：包括CIFAR10在内的知名基准测试集，都存在验证集过拟合问题。这一论文引起了Ker

在本教程中，我们将介绍如何将PyTorch中的机器学习模型转换为ONNX格式，然后将其加载到Caffe2。然后我们将使用Caffe2’s mobile exporter在移动设备上执行它。Caffe2是一个可扩展的模块化深度学习框架，采用原始的Caffe框

聚类聚类是用于获得关于数据结构的直觉的最常见的机器学习中探索数据分析技术之一。它可以被定义为识别数据中的子组的任务，使得相同子组中的数据点非常相似，而不同clusters中的数据点非常不同。换句话说，我们试图在数据中找到同质子组，使得每个聚类中的数据点根据

随着世界迈向数字时代，我们能看到的现代创新之一就是机器学习。这种令人难以置信的人工智能形式已经在各行各业中得到应用。例如，图像和语音识别、医学诊断、预测、分类、学习关联、统计套利、提取、回归。今天，我们来看看当今现代世界中所有的这些机器学习应用程序。如果你

介绍在机器学习的所有高级流行语中，我们很少听到一个短语将统计学习、信息论和自然哲学的一些核心概念融合成一个三个单词的组合。并且，它不仅仅是一个用于机器学习博士和理论家的短语。对于任何有兴趣探索的人来说，它都具有精确且易于理解的含义，而且对于机器学习和数据科

在深度学习社区中，启用GPU的机器和集群将大大加快训练神经网络所需的时间，这已不是什么秘密。在本文中，我们将了解Gradient Descent的运行时间以及GPU降低时间复杂度的地方。然而，神经网络算法的最佳特征之一是它们的并行化可扩展性。这是可能的，因

任何机器学习算法的目标都是在给定输入数据的情况下，对目标变量的映射函数进行最优估计。该函数的泛化误差可以表示为三个非常不同的误差之和:. 偏差误差;方差误差;不可约误差。了解不同的误差来源如何影响机器学习算法的偏差和偏差，有助于我们改进数据拟合过程，从而获

Matplotlib是Python首先可视化包！它允许您使用Python代码创建显示数据的丰富图像。本文将重点关注两个对象：图和轴。我鼓励所有用户下载 Anaconda的Python发行版，这些软件已经安装了所有数学和科学库。介绍Matplotlib分为两

无监督学习的一个主要目的是为了获得对后续任务有用的数据分布，从而避免在有监督训练过程中需要对数据进行标注的繁琐步骤。本文提出了基于元学习的无监督学习更新规则，利用元学习技术对无监督权重的更新规则进行学习，在针对小样本分类任务上表现良好。

Naive Bayes是最常用的机器学习算法之一，通常用于文本分类。这篇文章将为您提供Naive Bayes分类器实际工作原理的完整见解。朴素贝叶斯究竟是如何运作的朴素贝叶斯是一种概率分类算法，因为它使用概率来进行分类目的的预测。让我们深入了解朴素贝叶斯的

机器学习作为一个领域至少已经存在了几十年。由于各行各业技术人士深入的学习、研究，这个术语现在成为一种主流，不再局限于研究和学术界。深度学习的巨大成功意味着在设计来自人类的算法方面具有价值。从机器学习的实践中我们能学到什么有价值的东西吗?机器学习不仅仅是神经