搜索[机器学习系统]结果-低调大师优秀个人博客

精选列表

搜索[机器学习系统]，共10022篇文章

CentOS7,CentOS8安装Elasticsearch6.8.6

elasticsearch.yml配置文件添加 sh 复制代码 network.host: 0.0.0.0 http.port: 9200 若出现无法启动问题(以root用户权限下修改以下文件并重启系统

2025-09-05

Docker使用Oracle官方镜像安装(12C,18C,19C)

安装准备操作系统CentOS7_x64 已经安装了Docker环境需要检查是否有swap分区，如果没有请设置 Oracle官方dockerfiles下载 1.下载地址:https://github.com

2025-09-05

如何使用JavaScript构建机器学习模型

目前，机器学习领域建模的主要语言是 Python 和 R，前不久腾讯推出的机器学习框架 Angel 则支持 Java 和 Scala。

2017-06-22

分布式机器学习平台 VELES

VELES 详细介绍 VELES 是分布式深度学习应用系统，用户只需要提供参数，剩下的都可以交给 VELES。

2017-06-03

阿里云机器学习技术与应用

讲义主要分享了阿里云机器学习系统PAI2.0的算法、框架及其关键技术和应用举例。

2017-05-30

3.6 结果解释通过了模型评估，并决定选择估计模型作为最终模型之后，我们需要向公司执行团队和技术团队解释执行结果。接下来，我们将讨论一些经常使用的结果解释方法，使用图表来表达影响评估。一些用户喜欢使用ROI的形式解释我们的结果，这就需要成本和效益的数据。当我们拥有成本和效益数据时，结果可以很方便地覆盖ROI主题。当然，需要一些优化才可以应用到实际决策中。影响的评估正如在Spark整体视图一节中所介绍的，本项目的主要目的是获得销售团队成功的整体视图。例如，公司希望比较一下市场营销与培训和其他因素对销售团队成功的影响。我们已经使用线性回归模型进行了估计，一个简单的影响比较方法是使用每个特征组的ANOVA来总结这种变化。下图是另一个使用图形解释结果的例子：

2017-05-01

Apache Spark机器学习3.7 部署Apache

3.7 部署有一些用户可能已经拥有了部署系统，按用户所需的格式将所开发的模型导出即可。

2017-05-01

Apache Spark机器学习.2.2 数据清洗

学习完本节，我们将能够完成数据清洗，并为机器学习准备好数据集。 2.2.1 处理数据不完备性对于机器学习，数据越多越好。然而，通常数据越多，“脏数据”也会越多——这意味着会有更多的数据清洗工作。

2017-05-01

Apache Spark机器学习3.3 特征准备

3.3 特征准备在前面几节，我们选择了模型并且准备了监督学习所需的因变量。本节，我们需要准备自变量，他们是影响因变量因素（销售团队的成功）的所有特征。

2017-05-01

Apache Spark机器学习3.4 模型估计

3.4 模型估计在上一节完成了特征集选择，接下来需要评估模型参数。我们可以使用MLlib或者R语言进行评估，并准备分布式的计算。为了简化操作，我们使用Databricks的作业特性。具体来讲，在Databricks环境中，前往“Job”菜单，创建作业，如下图所示：接着，用户可以选择notebook来运行，指定集群并且调度作业。一旦作业被调度，用户可以监视作业的执行，并收集结果。在3.2节，我们为选择的3个模型准备了一些代码。现在，需要修改这些代码和上一节讨论的最终特征集，以创建最终的notebook。换句话说，我们有1个因变量和通过PCA和特征选择得到的17个特征。因此，我们需要将这些变量插入到我们第2节开发的代码中，以建立我们的notebook。然后，我们将使用Spark作业特征以分布式的方式执行这些notebook。 3.4.

2017-05-01

Apache Spark机器学习3.5 模型评估

3.5 模型评估在上一节，我们完成了模型估计任务。现在，对我们来讲是时候评估模型是否满足模型质量标准，以决定我们进行下一步的结果解释还是回到前面的阶段改善模型。本节，我们将使用均方根误差（Root-Mean-Square Error，RMSE）和受试者工作特征（Receiver Operating Characteristic，ROC）曲线来评估我们模型的质量。计算RMSE和ROC曲线，我们需要使用测试数据而不是训练数据来评估模型。 3.5.1 快速评价很多软件包为用户提供一些算法来快速评估模型。例如，在MLlib和R语言中，逻辑回归模型都提供混淆矩阵和误报数计算。具体来讲，MLlib为我们提供confusionMatrix 和numFalseNegatives()这两个函数和一些算法来快速计算MES，如下所示：此外，R语言为我们

2017-04-30

Cloudera正在重建机器学习方法

作者：Derrick Harris 翻译：岳辰校对: 陈洁(转载请保留) 摘要：Cloudera目前正在进行一个名叫Oryx的开源项目，旨在将机器学习的方法代入Hadoop，而这个早些时候Apache

2017-04-02

机器学习实现海量新闻自动分类

通过最佳实践帮助您实现上述案例效果 Step1：数据导入MaxCompute 1.1 创建需要上传的本地数据新闻文本表：字段名含义类型描述 category 新闻类型 string 体育、女性、社会、军事、科技等 title 标题 string 新闻标题 content 内容 string 新闻内容源数据：nlp_use stop_words表：字段名含义类型描述 point 用户名 string 人 stop_words 标点符号 string " " ,等源数据：stop_words 1.2 创建MaxCompute表 1.2.1 开通MaxCompute 阿

2017-02-07

《Spark机器学习》读书笔记总结

Spark机器学习《Machine Learning with Spark》书评与作者访谈 1 编程入门 2 准备数据 3 推荐引擎 4 分类模型 5 回归模型 6 聚类模型 7 降维模型 8 文本处理

2016-12-26

Spark机器学习5·回归模型(pyspark)

Spark机器学习分类模型的预测目标是：类别编号回归模型的预测目标是：实数变量回归模型种类线性模型最小二乘回归模型应用L2正则化时--岭回归(ridge regression) 应用L1正则化时

2016-12-20

Spark机器学习2·准备数据(pyspark)

Spark机器学习准备环境 anaconda nano ~/.zshrc export PATH=$PATH:/anaconda/bin source ~/.zshrc echo $HOME echo

2016-12-20

(课程)基于Spark的机器学习经验

如何基于Spark做机器学习（Spark-Shell其实也算的上即席查询了）基于Spark做新词发现（依托Spark的强大计算能力）基于Spark做智能问答（Spark上的算法支持）其中这些内容在我之前写的一篇描述工作经历的文章

2016-09-06

阿里云机器学习平台——PAI平台

在云栖TechDay第十五期活动上，阿里云iDST资深技术专家褚崴给大家带来了《阿里云机器学习平台》的分享，他以机器学习的概念入手展开了此次分享，演讲中他重点介绍了阿里云机器学习平台的基础架构和产品特点

2016-07-12

史上最全的机器学习资料（下）

推荐：史上最全的机器学习资料（上）机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。

2016-05-11

史上最全的机器学习资料（上）

Erlang 通用机器学习 Go 自然语言处理通用机器学习数据分析 /数据可视化 Haskell 通用机器学习 Java 自然语言处理通用机器学习数据分析 /数据可视化深度学习 Javascript

2016-05-11

Scikit Learn: 在python中机器学习

Varoquaux 先决条件 Numpy, Scipy IPython matplotlib scikit-learn 目录载入示例数据一个改变数据集大小的示例：数码数据集(digits datasets) 学习和预测

2015-09-29

人工智能,深度学习和机器学习之间的区别

机器学习是人工智能的一个子集，它包括使计算机能够从数据中找出问题并交付人工智能应用程序的技术。与此同时，深度学习是机器学习的一个子集，它使计算机能够解决更复杂的问题。

2019-09-09

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

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。

精选列表

CentOS7,CentOS8安装Elasticsearch6.8.6

Docker使用Oracle官方镜像安装(12C,18C,19C)

如何使用JavaScript构建机器学习模型

分布式机器学习平台 VELES

阿里云机器学习技术与应用

Apache Spark机器学习3.6 结果解释

Apache Spark机器学习3.7 部署Apache

Apache Spark机器学习.2.2 数据清洗

Apache Spark机器学习3.3 特征准备

Apache Spark机器学习3.4 模型估计

Apache Spark机器学习3.5 模型评估

Cloudera正在重建机器学习方法

机器学习实现海量新闻自动分类

《Spark机器学习》读书笔记总结

Spark机器学习5·回归模型(pyspark)

Spark机器学习2·准备数据(pyspark)

(课程)基于Spark的机器学习经验

阿里云机器学习平台——PAI平台

史上最全的机器学习资料（下）

史上最全的机器学习资料（上）

Scikit Learn: 在python中机器学习

人工智能,深度学习和机器学习之间的区别

资源下载

腾讯云软件源

Spring

Sublime Text

WebStorm

欢迎您来访！