机器学习

做机器学习项目数据不够?这里有5个不错的解决办法

许多开展人工智能项目的公司都具有出色的业务理念,但是当企业AI团队发现自己没有足够多的数据时,就会慢慢变得十分沮丧......不过,这个问题的解决方案还是有的。 本文将简要介绍其中一些经笔者实践证明确实有效的办法。

机器学习之归一化(Normalization)

数据标准化处理是数据挖掘的一项基础工作,不同评价指标往往具有不同的量纲和量纲单位,这样的情况会影响到数据分析的结果,为了消除指标之间的量纲影响,需要对数据进行归一化处理,解决数据指标之间的可比性问题。

作为机器学习研究者,你需要了解的八种神经网络结构!

这篇文章主要介绍了机器学习中最先进的算法之一——神经网络的八种不同架构,并从原理和适用范围进行了解读。机器学习和神经网络如此优秀,我们先来探讨两个问题——为什么需要机器学习?为何要使用神经网络?之后在来详细了解八种不同的网络架构。

为什么一些机器学习模型需要对数据进行归一化?

机器学习模型被互联网行业广泛应用,如排序、推荐、反作弊、定位等。一般做机器学习应用的时候大部分时间是花费在特征处理上,其中很关键的一步就是对特征数据进行归一化,为什么要归一化呢?很多同学并未搞清楚,维基百科给出的解释:① 归一化后加快了梯度下降求最优解的速度;② 归一化有可能提高精度。本文将简单扩展解释下这两点。

机器学习为5G带来的12种数据新视角

本文探讨了在5G领域使用机器学习的一些实例,为基于机器学习在5G 领域的高级应用和分析方法指出了潜在的可能方向。随着5G应用对网络性能的要求日益增加,更加强大和优化的网络将会为大幅度提高网络性能,随之而来也为用户带来更好的体验。

入坑机器学习,你首先得知道这十个知识点...

这篇文章主要面向的是非专业的读者,简单直白地介绍了机器学习的概念、内涵、以及机器学习的相关问题。对于专业人士而言也可以依据这篇文章对机器学习的概念做更深入的理解,看看如何向身边朋友们解释你所从事的工作。

机器学习三兄弟概念大揭秘:「监督学习」「非监督学习」「强化学习」

在这篇文章中,我们将帮助你更好的理解监督学习、非监督学习和强化学习的定义的内涵,并从更广阔的视角中阐述它们与机器学习之间的联系。深入理解它们的内涵不仅有助于你在这一领域的文献中尽情的徜徉,更能引导你敏锐地捕捉到AI领域的发展和技术进步的气息。