榜单
服务器优惠
AI论文
-
特征工程
Quantile离散 Quantile离散预测(stream) Quantile离散预测(batch) Quantile离散训练(batch) OneHot编码 OneHot编码预测(stream) OneHot编码训练(batch) OneHot编码预测(batch) 卡方筛选(batch) 二值化 二值化(stream) 二值化... -
特征工程
Quantile离散 Quantile离散预测(stream) Quantile离散预测(batch) Quantile离散训练(batch) OneHot编码 OneHot编码预测(stream) OneHot编码训练(batch) OneHot编码预测(batch) 卡方筛选(batch) 二值化 二值化(stream) 二值化(b... -
四、FFM模型
四、FFM模型 4.1 模型 4.2 优化算法 4.3 field 分配 4.4 实验效果 四、FFM模型 考虑一组特征：“性别、年龄、城市”。为简化讨论，假设：“年龄”取值集合为 [18,19,20] ， “城市” 取值集合为 [北京,上海,广州,深圳] 。 把离散特征 one-hot 编码，设各 binary 特征分别记作：ma... -
朴素贝叶斯
朴素贝叶斯 1 介绍 1.1 朴素贝叶斯的优缺点 2 朴素贝叶斯概率模型 从概率模型中构造分类器 3 参数估计 3.1 高斯朴素贝叶斯 3.2 多元朴素贝叶斯 3.3 伯努利朴素贝叶斯 4 源码分析 4.1 实例 4.2 训练模型 4.3 预测数据 参考文献 朴素贝叶斯 1 介绍 朴素贝叶斯是一种构建分类器的简单方法... -
挂载磁盘资源
挂载磁盘资源 使用 Mesos 挂载存储资源 使用回送设备示例 在 Marathon 应用程序中使用挂载卷示例 云提供程序资源 最佳实践 挂载磁盘资源 使用 Mesos 挂载存储资源 使用 DC/OS，您可以在集群中配置 Mesos Mount 磁盘资源 ，只需使用常见的路径在代理节点上挂载存储资源即可。 当 DC/OS 代理节点启... -
5.6 深度卷积神经网络（AlexNet）
5.6 深度卷积神经网络（AlexNet） 5.6.1 学习特征表示 5.6.1.1 缺失要素一：数据 5.6.1.2 缺失要素二：硬件 5.6.2 AlexNet 5.6.3 读取数据 5.6.4 训练 小结 参考文献 5.6 深度卷积神经网络（AlexNet） 在LeNet提出后的将近20年里，神经网络一度被其他机器学习方法超越，... -
使用飞桨探索电影推荐
使用飞桨探索电影推荐 数据集介绍 如何实现推荐 如何获得有效特征 从原始特征到特征向量之间是怎样设计的？ 使用飞桨探索电影推荐 本章我们探讨基于深度学习模型实现电影推荐系统，同时利用用户特征、电影特征和用户对电影的评分数据。 在开始动手实践之前，我们先来分析一下数据集和模型设计方案。 数据集介绍 个性化推荐算法的数据大多是文本和... -
文本
Word2Vec Word2Vec预测(stream) Word2Vec训练(batch) Word2Vec预测(batch) Tokenizer Tokenizer(stream) Tokenizer(batch) RegexTokenizer RegexTokenizer(stream) RegexTokenizer(batch) ... -
文本
Word2Vec Word2Vec预测(stream) Word2Vec训练(batch) Word2Vec预测(batch) Tokenizer Tokenizer(stream) Tokenizer(batch) RegexTokenizer RegexTokenizer(stream) RegexTokenizer(batch) N... -
2 处理特征结构
2 处理特征结构 2 处理特征结构 在本节中，我们将展示如何在 NLTK 中构建和操作特征结构。我们还将讨论统一的基本操作，这使我们能够结合两个不同的特征结构中的信息。 NLTK 中的特征结构使用构造函数FeatStruct() 声明。原子特征值可以是字符串或整数。 >>> fs1 = nltk . FeatStruct ( TENSE =...