阿里的商业越成功，技术能力就被掩盖的越显著。但随着AI产品和解决方案的落地，我们对阿里“重商”的印象可能会悄然改变，而这些正在发生。 阿里无疑是中国最成功的商业航母，凭借着以天猫为首的电商平台和以支付宝为首的互联网金融平台，阿里直接变现的商业能力毋庸置疑。相比腾讯靠社交做流量，再通过游戏和投资获取利 ...
分类：
其他好文 时间：
2018-10-22 17:45:49
阅读次数：
159
题外话： From 《白话深度学习与TensorFlow》 深度残差网络： 深度残差网络的设计就是为了克服这种由于网络深度加深而产生的学习效率变低，准确率无法有效提升的问题（也称为网络退化）。 甚至在一些场景下，网络层数的增加反而会降低正确率。这种本质问题是由于出现了信息丢失而产生的过拟合问题（ov ...
分类：
Web程序 时间：
2018-10-21 17:51:52
阅读次数：
606
在做机器学习的项目中，常常会出现这么一个常见而又头痛问题: 训练出来的模型效果不够好。这可怎么办呢？ 不着急，本文分析了这个问题的几种类型，并对其中一种类型介绍一种解决办法：正则化。 先讲一个故事: 老师给你布置了一个人脸识别的问题，你很快做出了一个模型。很快你发现你的模型在训练集上准确率很高，达到 ...
分类：
其他好文 时间：
2018-10-20 21:08:29
阅读次数：
165
本文主要讲述基于协同训练的半监督算法做文本分类，用三个差异性比较大的分类器对未标注数据进行标注，它们可以进行交叉验证，大大提升了对未标注数据标记的置信度(简单理解就是三个分类器同时对一个未标注数据标记一样的标签，那么这个标签就可信了)，从而提高分类器标注的准确率 ...
分类：
编程语言 时间：
2018-10-20 13:37:08
阅读次数：
213
这里主要讲的是对分类模型的评估。 1、准确率（Accuracy) 准确率的定义是：【分类正确的样本】 / 【总样本个数】，其中分类正确的样本是不分正负样本的 优点：简单粗暴 缺点：当正负样本分布不均衡的情况（假设一种极端情况，正样本1个，负样本99个），此时即使一个比较差的模型（只会将所用的样本预测 ...
分类：
其他好文 时间：
2018-10-19 23:42:08
阅读次数：
209
1 学习目标： 学习基本的 TensorFlow 概念 在 TensorFlow 中使用 LinearRegressor 类并基于单个输入特征预测各城市街区的房屋价值中位数 使用均方根误差 (RMSE) 评估模型预测的准确率 通过调整模型的超参数提高模型准确率 备注：数据基于加利福尼亚州 1990 ...
分类：
其他好文 时间：
2018-10-14 01:52:21
阅读次数：
177
召回率（Recall），精确率（Precision），平均正确率（AP），交除并（IoU） 详见https://blog.csdn.net/syoung9029/article/details/56276567 有点代码在 https://blog.csdn.net/gubenpeiyuan/art ...
分类：
其他好文 时间：
2018-10-13 10:26:12
阅读次数：
253
这天，老板跟你说，希望能在手机上跑深度神经网络，并且准确率要和 VGG、GoogleNet 差不多。 接到这个任务后你有点懵逼，这些网络别说计算量大，就连网络参数也要 100MB 的空间才存得下，放在手机上跑？开玩笑呗。 老板又说，怎么实现是你的事，我要的只是这个功能。 你默默地点了点头。 <! m ...
分类：
移动开发 时间：
2018-10-05 22:39:41
阅读次数：
445
一、分类算法评价指标 1.分类准确度的问题 分类算法如果用分类准确度来衡量好坏将会存在问题。例如一个癌症预测系统，输入体检信息，可以判断是否有癌症，预测准确度可以达到99.9%，看起来预测系统还可以，但是如果癌症的产生概率只有0.1%，那么系统只要预测所有人都是健康的就可以达到99.9%的准确率，因 ...
分类：
编程语言 时间：
2018-10-04 22:03:25
阅读次数：
171
Ensemble learning 集成算法 目的：让机器学习效果更好，单个不行，群殴走起 Bagging：并行 训练多个分类器取平均 全称：bootstrap aggregation（说白了就是并行训练一堆分类器） 最典型的代表就是随机森林啦 随机：数据采样随机，特征选择随机 森林：很多个决策树并 ...
分类：
编程语言 时间：
2018-10-04 10:06:59
阅读次数：
253
