-
分类 生成模型 判别模型查看全部
-
机器学习解决问题的总体框架，在总体框架的指导下再去深究每一个主流算法查看全部
-
机器学习常见的问题导出常见的算法！查看全部
-
机器学习查看全部
-
课程主要内容查看全部
-
机器学习和数学分析的区别<br> 行为数据 交易数据<br> 海量数据 少量数据<br> 全量分析 采样分析 NO SQL（分步式/CAP）：适用于行为数据 SQL：适用于交易数据，因为要保持数据的一致性，如两方之间的转账查看全部
-
算法查看全部
-
机器学习、相关算法查看全部
-
业务系统发展的历史 基于专家经验 基于统计-分维度统计 机器学习-在线学习查看全部
-
训练模型：定义模型-产生公式（根据具体要解决的问题）、定义损失函数（预测的结果与真实的结果之间的偏差最小的函数）、优化算法（使损失函数取极小值） 模型评估：交叉验证、效果评估查看全部
-
机器学习解决问题的框架：确定目标（业务需求、数据、特征工程：数据的预处理（清洗、整合））查看全部
-
机器学习算法分类：（1）有监督学习（分类算法：Y类-垃圾邮件、X类-正常邮件&回归算法）、无监督学习（聚类算法）、半监督学习（强化学习：小孩学走路，走的多了也就能走好了）（2）分类与回归、聚类、标注查看全部
-
数据分析（OLAP）（报告过去的事情） 机器学习（预测未来的事情）查看全部
-
交易数据：跟钱有关的数据，例如：电商网站的订单、银行的存取款账单、手机的花费账单~ 行为数据：对互联网公司来说，用户的搜索历史、点击历史、浏览历史、评论 对于交易数据：SQL 对于行为数据：NO SQL=No Only SQL查看全部
-
呵呵查看全部
举报
0/150
提交
取消