demi的博客

机器学习的核心在于使用学习算法建立模型，对已建立模型的质量的评价方法和指标不少，本文以准确率(也称为精度)或判定系数(Coefficient of Determination)作为性能指标对模型的偏差与方差、欠拟合与过拟合概念进行探讨。

机器学习只能记住训练数据中存在的模式。你只能认识你已经看到过的东西。利用机器学习对过去的数据进行训练，用于预测未来，这样的做法假设未来的行为将于过去类似。但是，通常并非如此。

在麻省理工学院第五届企业论坛“万物互联”的会议活动中，关于物联网发展现状的调查报告似乎带来了喜忧参半的结果。自该活动启动以来的五年中，物联网和边缘计算领域已经在某些方面得到长足的发展，而在其他领域并没有发生真正重大的变化。

在特征工程之特征选择中，我们讲到了特征选择的一些要点。本篇我们继续讨论特征工程，不过会重点关注于特征表达部分，即如果对某一个特征的具体表现形式做处理。主要包括缺失值处理，特殊的特征处理比如时间和地理位置处理，离散特征的连续化和离散化处理，连续特征的离散化处理几个方面。

OpenGL是一份API规范，并不是一个库。记住这点非常重要！它意味着每一个API背后的具体实现都依赖于你的GPU硬件、操作系统以及显卡驱动。

在Unity3D中，有多种方式可以改变物体的坐标，实现移动的目的，其本质是每帧修改物体的position。

数字信号处理的每个过程差不多都会有噪声出现，而最终得到的图像是噪声与信号的各种作用以后末级产生，噪声处理可以是最后统一处理也可是各个过程的分批处理，所以对噪声的产生以及分类的了解是很有必要的。

在这篇文章中，我将会介绍一些我们在 Cardiogram 中调试 DeepHeart 时用到的技术，DeepHeart 是使用来自 Apple Watch、 Garmin、和 WearOS 的数据预测疾病的深度神经网络。在 Cardiogram 中，我们认为构建 DNN 并不是炼金术，而是工程学。

大环境表明，智能语音技术最广泛的应用还是智能单品（智能音箱、机器人）以及智能家居等领域，且语音识别技术是智能语音技术最为核心的落地技术。但需要提及的是，进入智能语音技术的发展高潮期，智能语音技术是时候该有一些比较新颖的落地场景出现了。

边缘计算指的是接近于事物、数据和行动源头处的计算。进行边缘计算的载体，可以是具有专项处理能力的物联网终端，具有一定运算能力的网关或路由器，或者是具有较强运算能力的部署于场景一侧的服务器。