搜索[机器学习]结果-低调大师优秀个人博客

精选列表

搜索[机器学习]，共10007篇文章

CentOS6,CentOS7官方镜像安装Oracle11G

oracle.install.db.config.starterdb.memoryOption=true # 最小256M oracle.install.db.config.starterdb.memoryLimit=1024 # 是否安装学习的

2025-09-05

MySQL8.0.19开启GTID主从同步CentOS8

server_uuid，是在MySQL第一次启动时自动生成并持久化到auto.cnf文件（存放在数据目录下，每台机器的server_uuid都不一样。

2025-09-05

机器学习路线图

机器学习路线图 1. 引言最近google的阿尔法狗大战李世石刷屏了，闲下来时也了解点机器学习or深度学习的理论 2.

2016-03-09

网络安全与机器学习（一）：网络安全中的机器学习算法

相当多的文章已经描述了机器学习在网络安全的应用以及保护我们免受网络攻击的能力。

2018-11-10

机器学习必备：前20名Python人工智能和机器学习开源项目

如今机器学习和人工智能已经变得家喻户晓，有很多爱好者进入了该领域。但是，什么才是能够进入该领域的正确路径呢？如何保持自己跟上该领域的发展步伐呢？

2018-04-03

《构建实时机器学习系统》一1.6 实时应用对机器学习的要求

1.6 实时应用对机器学习的要求现今每年都会发表成千上万的机器学习相关的论文，其中不乏表现突出的方法论，但是并不是所有的机器学习模型在实际应用中都适用。实时机器学习的应用主要有以下几个方面的要求。

2017-09-07

【机器学习PAI实践九】如何通过机器学习实现云端实时心脏状况监测

目前，机器学习PAI已经支持实验模型一键部署到云端生成API，通过向这个API推送用户的实时体检数据，就可以实时拿到反馈结果，做到心脏状况的云端的在线监测。下面看下如何实现这套在线预测服务。

2017-06-22

机器学习算法与Python学习

在过去十年中，人们对机器学习的兴趣激增。几乎每天，我们都可以在各种各样的计算机科学课程、行业会议、华尔街日报等等看到有关机器学习的讨论。

2018-09-10

机器学习 vs. 深度学习

本文在透彻剖析深度学习及机器学习的同时，就多方面对两者进行比较，进而探究其未来的发展趋势。深度学习及机器学习 A.

2018-08-18

机器学习（三）--- scala学习笔记

的通用并行框架，Spark，拥有Hadoop MapReduce所具有的优点；但不同于MapReduce的是Job中间输出结果可以保存在内存中，从而不再需要读写HDFS，因此Spark能更好地适用于数据挖掘与机器学习等需要迭代的

2017-12-03

机器学习 | 基于机器学习的银行电话营销客户购买可能性预测分析

数据集：uci下载的某家银行电话营销与是否购买定期存储的数据。模拟目标：知道客户数据，预测购买理财产品概率我认为将电话营销的数据消除只保留基本属性可以模拟实际银行能够获取的数据。电话营销数据代表一些对用户决定由影响但是获取难度较大的数据。比如说，买房、买车、小孩上学，这些数据银行不能立刻获得，或者获取成本较高。这里不使用这些数据参与预测。虽然预测准确度会降低，但是更符合实际情况。然后定期存储是一种产品，可以当做一种理财，如果能对一种进行预测行进实现和验证，那么可以扩展到多种产品的预测数据情况，见下表 Age 年龄 Job 工作 Marital 婚姻情况 Education 教育情况 Default 违约情况 - no 无违约 yes 有违约 Balance 账户余额 House 是否买房子 - no 无房产 yes 有房子 Loan 贷款 - no 无贷款 yes 有贷款数据处理数据清洗常规套路（空值检查，去重，去异常值）由于数据集较好，基本不需要处理，但实现数据很有可能需要清洗，比如说，年龄缺失不能简单补0。 balance处理的尝试 1.balance的分布在较大值较少，需要处理 2.balance不处理对数据one-hot encoding，对yes，no等2分类用0,1替换处理之后数据为使用lightgbm建模，参数如下对测试集预测的结果左边为客户序号，predict为预测购买的可能性（推荐度），real为真是购买情况（0为未购买，1为已购买）评价模型的好坏，对于少部分人购买（大部分预测都低于百分之50），很难用accurate去评价举个例子，真实情况是A类人购买率0.1，B类人购买率0.2，C类人购买率0.2。即真实100个A， 100个 B， 100个 C 分别购买为10,20,20 2个模型经过训练对A，B，C，3类人的购买可能性预测为0.3 ，0.2， 0.1；0.15， 0.2， 0.2模型认为A，B，C三类人都不会购买。 accurate为预测正确人数/总人数 accurate(模型1)=accurate(模型2)=250(250没买东西，模型预测所有人都不会购买)/300=83% 如果用accurate去评价，模型1的性能是等于模型2的。但是显然模型2更符合真实情况，所以这里不再使用accurate来作为标准。这里使用的方法是，对预测值进行排序，如果预测准确，那么可能性高的人一定会多买产品。通过下图来衡量模型的好坏，红色为随机推荐，绿色为安概率排序后推荐。如果绿线开始上升越快，说明模型效果越好。这图除了来衡量模型好坏，也是一个有用的结论：对一个人群范围，可以先通过模型排序，然后选取一定范围进行营销活动，提高转换率。这里用1000的人来做标准，之后的模型也使用这个数据来做判断标准。排序前推荐1000人，购买率为104/1000=10.4%，排序后推荐1000人，购买率为270/1000=27%，差距最大点为1362。在推荐1362人是使用排序算法都购买人数和随意推荐差距最大。特征值的重要程度如下图，可以看出账户余额和年龄是最重要的2个特征值通过dnn和xgboost建模（具体见py代码） 3种建模的效果比较 1000人时，实际购买人数如下图 3种取现结论分析在目前的参数设置来说效果为xgboost>lightgbm>dnn 对比试验，之前的数据集是认为只有客户的基础属性，然后对客户的购买可能性做出预测。现在增加电话营销的数据，来模拟一些营销数据（比如说发过几封推荐邮件）。新增3个参数为 Duration：最后一次通话持续时间 Campaign：在这一次推广活动中，练习次数 Poutcome：之前的推广活动的结果，success为成功，failure为失败，unknown和other不是很清楚是什么属性使用lightgbm建模结果如下特征值的重要程度如下图，新增的特征值duration（持续通话时间）和campaign（联系次数）对预测有相当重要的影响。对比没有这3个特征值时的预测（同样使用lightgbm）这个对比说明了，在有效的特征值越多的情况下，预测越准确。

2020-12-03

《机器学习系统设计：Python语言实现》一第1章机器学习的思维

本节书摘来自华章出版社《机器学习系统设计：Python语言实现》一书中的第1章，作者 [美] 戴维·朱利安（David Julian），更多章节内容可以访问云栖社区“华章计算机”公众号查看第1章机器学习的思维机器学习系统具有意义深远且令人兴奋的能力

2017-05-01

老婆问我机器学习是什么

上周六晚上，我和老婆躺在沙发上刷手机。她突然把手机怼到我脸前，问我："你看这个推荐，淘宝怎么知道我想买这条裙子的？我就跟闺蜜聊天提了一嘴，它就给我推了。"

2026-07-10

Ray 2.2 发布，机器学习框架

在这个版本中，Ray 团队集中精力通过避免不必要的数据转换来减少深度学习模型批量预测的延迟和内存占用。

2023-02-11

TensorFlow 2.8.3 发布，机器学习平台

TensorFlow 是一个用于机器学习的端到端开源平台。它有一个全面灵活的工具、库和社区资源所组成的生态，让开发人员轻松建立和部署由 ML 驱动的应用程序。

2022-09-02

基于 KubeVela 的机器学习实践

作者：KubeVela 社区在机器学习浪潮迸发的当下，AI 工程师除了需要训练、调试自己的模型之外，还需要将模型进行部署上线，从而验证模型的效果（当然，有的时候，这部分工作由 AI 系统工程师来完成）

2022-04-07

TensorFlow 2.6.1 发布，机器学习平台

2021-11-01

Python机器学习小知识：lambda

关于Lambda的定义：Lambdas are one line functions. They are also known as anonymous functions in some other languages. You might want to use lambdas when you don’t want to use a function twice in a program. They are just like normal functions and even behave like them. 大意为：lambda函数也叫匿名函数，即没有具体名称的函数，它允许快速定义单行函数，可以用在任何需要函数的地方。这区别于def定义的函数。 lambda调用方式为：lambda [arg1 [, agr2,.....argn]] : expression) lambda与def函数的区别： 1）lambda只是一个表达式，而def则是一个语句。lambda一般用来定义简单的函数，而def可以定义复杂的函数。 2）def创建的方法是有名称的，而lambda没有。 3）lambda会返回一个函数对象，但这个对象不会赋给一个标识符，而def则会把函数对象赋值给一个函数名。 4）lambda表达式的冒号（:）后面，只能有一个表达式，def则可以有多个。 5）像if或for或print等语句不能用于lambda中，def可以。例如：add = lambda x, y: x + y print(add(3, 5)) Output: 8 List排序a = [(1, 2), (4, 1), (9, 10), (13, -3)]a.sort(key=lambda x: x[1])print(a) Output: [(13, -3), (4, 1), (1, 2), (9, 10)]

2020-04-14

Flink on Zeppelin (4) - 机器学习篇

今天我来讲下如何在 Zeppelin 里做机器学习。机器学习的重要性我就不多说了，我们直奔主题。

2020-03-10

数据挖掘与机器学习释义

机器学习# 机器学习指的是计算机系统无需遵照显示的程序指令，而只是依靠暴露在数据中来提升自身性能的能力。机器学习关注的是“如何构建能够根据经验自动改进的计算机程序”。

2019-08-21

Python机器学习笔记：XgBoost算法

Python机器学习笔记：XgBoost算法前言 1，Xgboost简介 Xgboost是Boosting算法的其中一种，Boosting算法的思想是将许多弱分类器集成在一起，形成一个强分类器。

2019-03-03

机器学习开源一览

研究数据挖掘和机器学习有一段时间了,对数据挖掘来说,商用软件有SAS、Clementine、Oracle数据挖掘组件等等;由于个人学习和版权、算法定制等问题,开源的数据挖掘与机器学习软件(库)目前也十分必需

2018-12-30

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。