机器学习

半监督学习 (SSL) 是一种非常有趣的方法，用来解决机器学习中缺少标签数据的问题。SSL利用未标记的数据和标记的数据集来学习任务。SSL的目标是得到比单独使用标记数据训练的监督学习模型更好的结果。这是关于半监督学习的系列文章的第2部分，详细介绍了一些基本的SSL技术。

最近学习吴恩达教授的一些课程，其中提到解决过拟合的四种方法。我们从易到难逐一讨论：通常training set不是很丰富的情况下，更容易出现过拟合状况。但是label更多的数据也不是能够快速达成的事情。因此这个方法主要适合于图像识别领域，可以通过distortion人为的增加训练集，从而减轻overfitting……

作为机器学习开发人员，你可能已经接触到很多机器学习资源，今天给大家介绍10个机器学习开源工具，有很多都是可以在项目中使用的工具，希望能帮到你。

特征认识（Feature understanding）——结构化数据：可分解为观测记录和属性的数据，如表格数据，行为观测，列为属性；非结构化数据：数据形式随意，不遵循特定规则，如一堆数据（log文件），博客信息，或者只有一个特征的数据；定量数据：有明确数值的数据；定性数据：类别数据。

在做结构化数据训练时，类别特征是一个非常常见的变量类型。机器学习中有多种类别变量编码方式，各种编码方法都有各自的适用场景和特点。本文就对机器学习中常见的类别编码方式做一个简单的总结。

我们听到5G的好处已经很多年了，但直到今年，远程工作、视频会议和数字协作成为我们生活的核心部分，对可靠连接和更多带宽的需求才真正成为我们都能理解的一项具体好处。我们对手机、平板电脑和其他设备的依赖——包括越来越多的物联网传感器——凸显了对多车道信息高速公路的需求，电信公司早就知道我们会需要这种高速公路。如今，企业无法承受断开连接的后果，5G部署已经成为解决方案的一个重要组成部分。

人工智能技术关系到人工智能产品是否可以顺利应用到我们的生活场景中。在人工智能领域，它普遍包含了机器学习、知识图谱、自然语言处理、人机交互、计算机视觉、生物特征识别、AR/VR七个关键技术。

导读：ML工作流中最困难的部分之一是为模型找到最好的超参数。ML模型的性能与超参数直接相关。

在之前学习机器学习技术中，很少关注特征工程(Feature Engineering)，然而，单纯学习机器学习的算法流程，可能仍然不会使用这些算法，尤其是应用到实际问题的时候，常常不知道怎么提取特征来建模。 特征是机器学习系统的原材料，对最终模型的影响是毋庸置疑的。