-
概率论和数据统计查看全部
-
寻找规律：概率学 统计学 统计学方法：抽样 -> 统计 -> 假设检验 随着计算机处理能力增强 -> 不需要采样 数据增加 -> 维度增加 -> 无法可视化 -> 只能数学方式表示查看全部
-
利用计算机从历史数据中找出规律，并把这些规律用到对为未来不确定场景的决策。 不确定问题：例如下季度的销量 数据分析&机器学习：前者是人，后者是计算机 寻找规律：例如函数查看全部
-
拿支持向量机举个例子，分类问题和回归问题都要根据训练样本找到一个实值函数g(x). 回归问题的要求是：给定一个新的模式，根据训练集推断它所对应的输出y（实数）是多少。也就是使用y=g(x)来推断任一输入x所对应的输出值。分类问题是：给定一个新的模式，根据训练集推断它所对应的类别（如：+1，-1）。也就是使用y=sign(g(x))来推断任一输入x所对应的类别。综上，回归问题和分类问题的本质一样，不同仅在于他们的输出的取值范围不同。分类问题中，输出只允许取两个值；而在回归问题中，输出可取任意实数。查看全部
-
机器学习常用算法： 1.关联规则 2.查看全部
-
特征工程，数据清洗查看全部
-
训练模型 定义模型 定义损失函数 优化算法查看全部
-
确定目标 业务需求 数据 特称工程查看全部
-
电商的场景应用例子查看全部
-
利用计算机从历史数据中找出规律，并把这些规律用到对未来不确定场景的决策查看全部
-
机器学习常见算法查看全部
-
机器学习框架模块查看全部
-
算法分类： 有监督学习：明确给出分类算法、回归算法； 无监督学习：聚类； 半监督学习：即强化学习； 分类算法2： 分类与回归： 聚类： 标注：标签 算法分类3：*重要 生成模型：模糊判断 百分比 概率 判别模型：判断属于哪个类型查看全部
-
自然语言处理：情感分析，实体识别查看全部
-
推荐系统：协同过滤查看全部
举报
0/150
提交
取消