一 写在前面 未经允许，不得转载，谢谢~~ 最近在学图像检索这一方面的内容，所以挑了两篇比较经典的论文来学习： 论文：Learning visual similarity f...
发简信
IP属地：山西
-
论文 | FaceNet脸部识别《FaceNet：A unified embedding for face recognition and clustering》 -
> 所有文章和译文仅用于个人学习，不涉及商业利益<br>> 欢迎指出文章中的错误<br><br>▼GitHub和微信▼<br>讨论、学习、共同进步
-
留下你的学校，专业，城市，看看能不能找到校友
最好是大学，中小学也可以，如果有一个学校的，一起为评论点赞，把它顶上去吧，看看能找到几个校友！ 「复古情书笔记本」丝绒烫金玫瑰材质，简书交友首款周边浓情来袭。 限时特价39元...
-
【机器学习实战】第12章 使用 FP-growth 算法来高效发现频繁项集第12章 使用FP-growth算法来高效发现频繁项集 前言 在 第11章 时我们已经介绍了用 Apriori 算法发现 频繁项集 与 关联规则。本章将继续关注发现 频繁项集...
-
-
【机器学习实验】scikit-learn的主要模块和基本使用
引言 对于一些开始搞机器学习算法有害怕下手的小朋友，该如何快速入门，这让人挺挣扎的。在从事数据科学的人中，最常用的工具就是R和Python了，每个工具都有其利弊，但是Pyth...
-
《机器学习》— 第2章 模型评估与选择1. 经验误差与过拟合 错误率：分类错误的样本数占样本总数的比例 例如：m个样本中有a个样本分类错误，则错误率为 E=a/m 精度：分类正确的样本数占样本总数的比例。即：精度...
-
胡适：怕什么真理无穷，进一寸有进一寸的欢喜.
-
机器学习实战（笔记）：第 1 章 机器学习基础第一部分 分类 本书前两部分主要探讨监督学习（supervised learning）。 监督学习一般使用两种类型的目标变量： 标称型：目标变量的结果只在有限目标集中取值：真...
-
Java面试题整理（转）
转自 www.jianshu.com/p/bd1bfc0c34b8 作为一个程序员,在找工作的过程中,都会遇到笔试,而很多笔试里面都包括java,尤其是作为一个Android...
-
常见面试题-计算机网络一、简述TCP/UDP的区别 TCP和UDP是OSI模型中的运输层中的协议。TCP提供可靠的通信传输，而UDP则常被用于让广播和细节控制交给应用的通信传输。两者的区别大致如下...
-
-
大数据挖掘技术-->1.1 标准流程最后欢迎光临小站：yuruotong.com 以下是文字提取部分，阅读完毕的同学可以离开了上回说到大数据挖掘的;标准流程;但不够详细这次把流程;捋清楚; ;业务理解;你要有一...
-
机器学习基本算法
1Logistic回归： 优点：计算代价不高，易于理解和实现。 缺点：容易欠拟合，分类精度可能不高。 适用数据类型：数值型和标称型数据。 类别：分类算法。 适用场景：解决二分...
-
数据挖掘关联分析中的支持度、置信度和提升度
作者：hooly微信公众号：一口袋星光 购物篮分析 利用关联分析的方法可以发现联系如关联规则或频繁项集。 二元表示 每一行对应一个事务，每列对应一个项，项用二元变量表示 项在...
-
决策树的剪枝问题
决策树的过拟合问题 决策树是一种分类器，通过ID3，C4.5和CART等算法可以通过训练数据构建一个决策树。但是，算法生成的决策树非常详细并且庞大，每个属性都被详细地加以考虑...
-
数据挖掘面试题
1、k-Means算法的原理和过程2、随即森林 决策树3、二分类算法衡量标准4、对于缺失值的处理5、监督算法和非监督算法的区别6、树回归7、支持向量机中的C8、回归分析，过拟...
