机器学习

机器学习模型:缓解偏差

在这篇文章中,你将了解在机器学习模型开发生命周期(MDLC)中应用的一些缓解偏差的策略,以实现偏差感知机器学习模型,我们主要目标是实现更高精度的模型,同时确保模型与敏感/受保护属性相比具有较小的判别性。简单来说,分类器的输出不应与受保护或敏感属性相关联。

机器学习变革制造业的10种方式

人工智能的引入将为制造行业带来巨大的经济效益。对此,不同的调研机构给出了相关的数据参考:IDC数据显示,到2021年,20%的领先制造企业将通过嵌入式智能、人工智能、物联网和区块链等技术实现流程自动化,并将执行时间缩短25%;德勤表示,机器学习可以让离散制造业的产品质量提高35%.......

机器学习与统计学是互补的吗?

统计学和机器学习之间的界定一直很模糊。无论是业界还是学界一直认为机器学习只是统计学批了一层光鲜的外衣。而机器学习支撑的人工智能也被称为“统计学的外延”。例如,诺奖得主托马斯·萨金特曾经说过人工智能其实就是统计学,只不过用了一个很华丽的辞藻。

机器学习系统受到攻击怎么办?

机器学习是当下人工智能浪潮的核心技术,受到了工业界的广泛应用,为社会带来了巨大的产业价值。然而,如果机器学习系统受到攻击,将会带来怎样的严重后果?我们该如何分析、规避这种风险?下面,本文作者将基于 6 个月的研究心得,教给大家破解机器学习系统攻击的正确方式!

机器学习-损失函数

损失函数(loss function)是用来估量你模型的预测值f(x)与真实值Y的不一致程度,它是一个非负实值函数,通常使用L(Y, f(x))来表示,损失函数越小,模型的鲁棒性就越好。损失函数是经验风险函数的核心部分,也是结构风险函数重要组成部分。