-
算法分类：
1、监督学习：分类算法、回归算法
2、无监督学习：聚类
3、半监督学习：主要考虑如何利用少量的标注样本和大量的未标注样本进行训练和分类的问题。主要分为半监督分类，半监督回归，半监督聚类和半监督降维算法。
查看全部 -
机器学习和数据分析的区别
查看全部 -
机器学习应用
查看全部 -
机器学习 & 数据分析
从数据中寻找规律
概率论 数据统计：抽样-描述统计-结论-假设检验
用模型刻画（拟合）规律
查看全部 -
机器学习的典型应用：
关联规则--啤酒+纸尿片，购物篮分析；
聚类--用户细分精准营销，中国移动的动感地带，全球通等针对不同典型用户推出的产品；
朴素贝叶斯--垃圾邮件检测（详细解释一下就好了）；
决策树--风险识别，无偿还能力的贷款还是欺诈贷款；
ctr预估--互联网广告，百度的前多少个词条（商业广告）（按照点击率排序）；
协同过滤--推荐系统，购物车推荐，例如购买此产品的其他人同时购买的其他产品（与第一条有类似之处）；
自然语言处理--情感分析（对文本抓关键情感词），实体识别（提取文本主要数据，人名等）；
深度学习--图像识别；
更多应用：语音识别，人脸识别，手势控制，智慧机器人，实时翻译。
查看全部 -
机器学习典型应用：
关联规则--购物车，根据喜好推荐产品；
聚类--用户细分精准营销，移动的动感地带，全球通等产品；
朴素贝叶斯--垃圾邮件识别；（这个应该细讲一下的）
决策树--信用卡欺诈，是真的想贷款还是纯粹欺诈；
查看全部 -
机器学习两种模式：离线机器学习（触发器？不变的屌丝）和在线机器学习（实时性！某天突然改变的屌丝）。
查看全部 -
机器学习就是计算机通过对大量历史数据进行挖掘和分析，总结出规律，并通过该规律对未来进行决策和评估。（类似于以前人通过对大量数据的分析，从而做出预测和评估，如今换计算机来做，更加高效快捷准确）
查看全部 -
传统：交易数据
机器：行为数据
查看全部 -
机器学习典型应用-关联规则
查看全部 -
挺好查看全部
-
规律
查看全部 -
查看全部 -
机器学习常见算法2
查看全部 -
机器学习常见算法一览，第1和第10现在很少被使用
查看全部 -
算法分类3
查看全部 -
算法分类2
查看全部
举报