-
机器学习：行为数据+交易数据 海量数据 全量分析
数据分析：交易数据 少量数据 采样分析
查看全部 -
自然语言处理：
情感分析：语义分析，python，淘宝评论
实体识别：例如提取城市名称，人名，地名
图像识别：
深度学习
查看全部 -
互联网广告，百度搜索的广告推广
ctr预估算法：点击预估，核心为线性逻辑回归
推荐系统：协同过滤算法，例如淘宝 买此产品的人同时购买了。。。
查看全部 -
垃，圾邮件：朴素贝叶斯：1.建一个垃，圾邮件集和正常邮件集；2提取主题和正文的独立字符串，获取频，率；3对不同的集建立哈希表；4.计算每个哈希集中关键字串出现的频，率；5.综合两个集，判断一个字串出现时，为垃，圾邮件的概率，建立字串和垃，圾邮件概率哈希表；6.新邮件收到某个字串时，判断是否为垃，圾邮件；
信用卡欺诈：决策树，例如贷，款等场景的风控
查看全部 -
垃，圾邮件：朴素贝叶斯：1.建一个垃，圾邮件集和正常邮件集；2提取主题和正文的独立字符串，获取频，率；3对不同的集建立哈希表；4.计算每个哈希集中关键字串出现的频，率；5.综合两个集，判断一个字串出现时，为垃，圾邮件的概率，建立字串和垃，圾邮件概率哈希表；6.新邮件收到某个字串时，判断是否为垃，圾邮件；
信用卡欺诈：决策树，例如贷款等场景的风控
查看全部 -
垃圾邮件：朴素贝叶斯：1.建一个垃，圾邮件集和正常邮件集；2提取主题和正文的独立字符串，获取频，率；3对不同的集建立哈希表；4.计算每个哈希集中关键字串出现的频，率；5.综合两个集，判断一个字串出现时，为垃，圾邮件的概率，建立字串和垃，圾邮件概率哈希表；6.新邮件收到某个字串时，判断是否为垃，圾邮件；
信用卡欺诈：决策树，例如贷款等场景的风控
查看全部 -
垃圾邮件：朴素贝叶斯：1.建一个垃圾邮件集和正常邮件集；2提取主题和正文的独立字符串，获取频率；3对不同的集建立哈希表；4.计算每个哈希集中关键字串出现的频率；5.综合两个集，判断一个字串出现时，为垃圾邮件的概率，建立字串和垃圾邮件概率哈希表；6.新邮件收到某个字串时，判断是否为垃圾邮件；
信用卡欺诈：决策树，例如贷款等场景的风控
查看全部 -
垃圾邮件：朴素贝叶斯：1.建一个垃圾邮件集和正常邮件集；2提取主题和正文的独立字符串，获取频率；3对不同的集建立哈希表；4.计算每个哈希集中关键字串出现的频率；5.综合两个集，判断一个字串出现时，为垃圾邮件的概率，建立字串和垃圾邮件概率哈希表；6.新邮件收到某个字串时，判断是否为垃圾邮件；
信用卡欺诈：决策树，例如贷款等场景的风控
查看全部 -
垃圾邮件：朴素贝叶斯：1.建一个垃圾邮件集和正常邮件集；2提取主题和正文的独立字符串，获取频率；3对不同的集建立哈希表；4.计算每个哈希集中关键字串出现的频率；5.综合两个集，判断一个字串出现时，为垃圾邮件的概率，建立字串和垃圾邮件概率哈希表；6.新邮件收到某个字串时，判断是否为垃圾邮件；
信用卡欺诈：决策树，例如贷款等场景的风控
查看全部 -
垃圾邮件：朴素贝叶斯：1.建一个垃圾邮件集和正常邮件集；2提取主题和正文的独立字符串，获取频率；3对不同的集建立哈希表；4.计算每个哈希集中关键字串出现的频率；5.综合两个集，判断一个字串出现时，为垃圾邮件的概率，建立字串和垃圾邮件概率哈希表；6.新邮件收到某个字串时，判断是否为垃圾邮件；
信用卡欺诈：决策树，例如贷款等场景的风控
查看全部 -
用户细分精准营销：
算法：聚类
查看全部 -
购物篮分析：
算法：关联规则
查看全部 -
从大量的历史数据中总结出规律，来预测未来不确定的事，进行决策和判断
查看全部 -
主要是研究常用的十几种算法
查看全部 -
机器学习与数据分析查看全部
-
机器学习，确定性不确定性 解决问题查看全部
-
训练模型！
查看全部 -
机器学习flow
查看全部 -
现在的流行算法
查看全部 -
机器学习常见算法一览
查看全部 -
机器学习解决问题的框架：
二、训练模型
STEP1：定义模型（形成目标公式）
STEP2：定义损失函数（数学的方式定义预测值与现实值的差异）
STEP3：优化算法（寻找确定损失函数极小值）
三、模型评估（标准）
STEP1：交叉验证
STEP2：效果评估
查看全部
举报