Lv.3
最后一个好人
更多个人资料
170
成长值
2
关注
2
粉丝
+ 关注
私信
个人介绍
努力成为一名优秀的算法工程师!
感兴趣或擅长的领域
人工智能、云计算
个人勋章
TA还没获得勋章~
成长雷达
140
15
0
15
0
个人资料
个人介绍
努力成为一名优秀的算法工程师!
感兴趣或擅长的领域
人工智能、云计算
达成规则
以上满足
项可达成此勋章
博客
关注
粉丝
论坛
全部时间
全部时间
最近三天
最近一周
最近一月
全部
暂无专栏分类
机器学习之线性回归(一)
通俗理解机器学习算法之线性回归
AI开发平台ModelArts
EI企业智能
EI智能体
机器学习
最后一个好人
2021-04-27 11:28:52
7722
0
0
2021-04-27 11:28:52
999+
0
0
机器学习之线性回归(二)
线性回归损失函数求解
AI开发平台ModelArts
EI企业智能
EI智能体
机器学习
最后一个好人
2021-04-27 11:28:14
7481
0
0
2021-04-27 11:28:14
999+
0
0
初识机器学习----人生若只如初见
通俗易懂的解答什么是机器学习
AI开发平台ModelArts
EI企业智能
EI智能体
机器学习
最后一个好人
2021-04-27 11:21:58
7441
0
0
2021-04-27 11:21:58
999+
0
0
机器学习之bagging和boosting
bagging和boosting思想
AI开发平台ModelArts
EI企业智能
EI智能体
机器学习
最后一个好人
2021-04-27 11:11:30
9119
0
0
2021-04-27 11:11:30
999+
0
0
机器学习之决策树
决策树的用法,优缺点,基本原理
AI开发平台ModelArts
EI企业智能
EI智能体
人工智能
机器学习
最后一个好人
2021-04-27 11:11:09
5230
0
0
2021-04-27 11:11:09
999+
0
0
机器学习之逻辑回归
轻松学逻辑回归
AI开发平台ModelArts
EI企业智能
EI智能体
机器学习
最后一个好人
2021-04-27 11:05:57
7160
0
0
2021-04-27 11:05:57
999+
0
0
机器学习之随机森林
机器学习之随机森林随机森林是bagging算法的代表,使用了CART树作为弱分类器,将多个不同的决策树进行组合,利用这种组合 来降低单棵决策树的可能带来的片面性和判断不准确性。对于普通的决策树,是在所有样本特征中找一个最优特征来做决策树的左右子树划分,而随机森林会先通过自助采样的方法(bootstrap)得到N个训练集,然后在 单个训练集上会随机选择一部分特征,来选择一个最优特征来做决策树的...
AI开发平台ModelArts
EI企业智能
EI智能体
人工智能
机器学习
最后一个好人
2021-04-27 11:02:15
8258
0
1
2021-04-27 11:02:15
999+
0
1
机器学习之GBDT
gbdt全称梯度下降树,在传统机器学习算法里面是对真实分布拟合的最好的几种算法之一,在前几年深度学习还没有大行其道之前,gbdt在各种竞赛是大放异彩。原因大概有几个,一是效果确实挺不错。二是即可以用于分类也可以用于回归。三是可以筛选特征。这三点实在是太吸引人了,导致在面试的时候大家也非常喜欢问这个算法。
AI开发平台ModelArts
EI企业智能
EI智能体
人工智能
机器学习
最后一个好人
2021-04-27 11:01:56
7741
0
0
2021-04-27 11:01:56
999+
0
0
机器学习之xgboost
xgboost详解
AI开发平台ModelArts
EI企业智能
EI智能体
人工智能
机器学习
最后一个好人
2021-04-27 11:01:35
8015
0
0
2021-04-27 11:01:35
999+
0
0
机器学习之xgboost的优缺点
机器学习之xgboost的优缺点
AI开发平台ModelArts
EI企业智能
EI智能体
人工智能
机器学习
最后一个好人
2021-04-27 11:00:27
25440
0
0
2021-04-27 11:00:27
999+
0
0
总条数:14
10
10
20
50
100
1
2
上滑加载中
https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
+ 关注