码迷,mamicode.com
首页 >  
搜索关键字:人工智能 机器学习 资源分享    ( 12648个结果
Introduction to Machine Learning
引言 在现实生活中,我们每天都可能在不知不觉中使用了各种各样的机器学习算法。 例如,当你每一次使用 Google 时,它之所以可以运行良好,其中一个重要原因便是由 Google 实现的一种学习算法可以“学会”如何对网页进行排名。每当你使用 Facebook 或者 Apple 的照片处理应用时,它们都...
分类:系统相关   时间:2014-10-12 02:28:17    阅读次数:442
OpenCV中的SVM參数优化
SVM(支持向量机)是机器学习算法里用得最多的一种算法。SVM最经常使用的是用于分类,只是SVM也能够用于回归,我的实验中就是用SVM来实现SVR(支持向量回归)。 对于功能这么强的算法,opencv中自然也是有集成好了,我们能够直接调用。OpenCV中的SVM算法是基于LibSVM软件包开发...
分类:其他好文   时间:2014-10-11 16:43:15    阅读次数:473
Mahout推荐算法之ItemBased
基于item的推荐是常用并且高效的一种推荐方式,最重要的是它可以做实事推荐。...
分类:编程语言   时间:2014-10-11 14:41:25    阅读次数:337
Mahout推荐算法之SlopOne
Mahout推荐算法之SlopOne...
分类:编程语言   时间:2014-10-11 10:14:25    阅读次数:430
朴素贝叶斯python实现
朴素贝叶斯python实现 ,实例学习朴素贝叶斯分类方法。...
分类:编程语言   时间:2014-10-11 00:29:04    阅读次数:628
K-近邻算法的Python实现 : 源码分析
网上介绍K-近邻算法的例子很多,其Python实现版本基本都是来自于机器学习的入门书籍《机器学习实战》,虽然K-近邻算法本身很简单,但很多初学者对其Python版本的源代码理解不够,所以本文将对其源代码进行分析。 什么是K-近邻算法? 简单的说,K-近邻算法采用不同特征值之间的距离方法进行分类。所以它是一个分类算法。 优点:无数据输入假定,对异常值不敏感 缺点:复杂度高 ...
分类:编程语言   时间:2014-10-10 23:56:14    阅读次数:326
最新机器视觉研究团队汇总
原文:http://blog.sciencenet.cn/blog-714246-812365.html本文主要是对机器视觉以及与其密切相关的机器学习,模式识别等领域的研究团队做一个的汇总。网上目前流传最广的几个版本中有很多链接已经失效,同时许多新的研究小组没有加入,因此对最新信息的一个聚合应当会十...
分类:其他好文   时间:2014-10-10 19:29:54    阅读次数:546
使用Python做机器学习的准备工作
机器学习的入门书籍《机器学习实战》使用的语言是python。下面介绍利用Python开始“机器学习”的准备工作。(环境:CentOS 7) 1, 两个重要的包 NumPy 和 SciPy。(http://scipy.org/scipylib/download.html )主要是处理数值运算,矩阵操作等。 注:Sci是Science的缩写。 官网介绍了安装方法,可以手动安装,也可以使...
分类:编程语言   时间:2014-10-10 18:20:44    阅读次数:232
对话机器学习大神 Michael Jordan:解析领域中各类模型
乔丹教授(Michael I. Jordan)教授是机器学习领域神经网络的大牛,他对深度学习、神经网络有着很浓厚的兴趣。因此,很多提问的问题中包含了机器学习领域的各类模型,乔丹教授对此一一做了解释和展望。首先被提到的就是经典的贝叶斯非参数模型。今年暑假,乔丹教授在Como开设了贝叶斯非参数模型的课程...
分类:其他好文   时间:2014-10-10 13:52:04    阅读次数:169
利用朴素贝叶斯(Navie Bayes)进行垃圾邮件分类
贝叶斯公式描述的是一组条件概率之间相互转化的关系。 在机器学习中,贝叶斯公式可以应用在分类问题上。这篇文章是基于自己的学习所整理,并利用一个垃圾邮件分类的例子来加深对于理论的理解。 这里我们来解释一下朴素这个词的含义: 1)各个特征是相互独立的,各个特征出现与其出现的顺序无关; 2)各个特征地位同等重要; 以上都是比较强的假设 下面是朴素贝叶斯分类的流程:...
分类:其他好文   时间:2014-10-09 21:39:17    阅读次数:205
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!