许多行业专家认为，无人监督学习人工智能的下一个前沿，这可能是人工智能研究的关键，即所谓的一般人工智能。
由于世界上大多数数据都没有标记，因此无法应用传统的监督学习;这就是无监督学习的用武之地。
无监督学习可以应用于未标记的数据集，以发现埋藏在数据深处的有意义的模式，人类几乎不可能发现这些模式。
作者AnkurPatel使用两个简单的，生产就绪的Python框架-scikit-learn和使用Keras的TensorFlow，提供了有关如何应用无监督学习的实用知识。
通过提供实际操作示例和代码，您将识别难以发现的数据模式，获得更深入的业务洞察力，检测异常，执行自动特征工程和选择，以及生成合成数据集。
您只需要编程和一些机器学习经验即可开始使用。
由于世界上大多数数据都没有标记，因此无法应用传统的监督学习;这就是无监督学习的用武之地。
无监督学习可以应用于未标记的数据集，以发现埋藏在数据深处的有意义的模式，人类几乎不可能发现这些模式。
作者AnkurPatel使用两个简单的，生产就绪的Python框架-scikit-learn和使用Keras的TensorFlow，提供了有关如何应用无监督学习的实用知识。
通过提供实际操作示例和代码，您将识别难以发现的数据模式，获得更深入的业务洞察力，检测异常，执行自动特征工程和选择，以及生成合成数据集。
您只需要编程和一些机器学习经验即可开始使用。
2023/9/19 21:43:25
5.69MB
1
1、掌握选择term的方法；
2、权重计算(TermWeighting)：即计算每篇文权重计算(TermWeighting)：即计算每篇文档中每个term的权重，计算TF、IDF；
3、查询和文档的相似度计算(Siili•查询和文档的相似度计算(SimilarityComputation)。
2、权重计算(TermWeighting)：即计算每篇文权重计算(TermWeighting)：即计算每篇文档中每个term的权重，计算TF、IDF；
3、查询和文档的相似度计算(Siili•查询和文档的相似度计算(SimilarityComputation)。
2023/9/18 8:24:43
2.17MB
1
看了Stanford的AndrewNg老师的机器学习公开课中关于LogisticRegression的讲解，然后又看了《机器学习实战》中的LogisticRegression部分，写下此篇学习笔记总结一下。
首先说一下我的感受，《机器学习实战》一书在介绍原理的同时将全部的算法用源代码实现，非常具有操作性，可以加深对算法的理解，但是美中不足的是在原理上介绍的比较粗略，很多细节没有具体介绍。
所以，对于没有基础的朋友（包括我）某些地方可能看的一头雾水，需要查阅相关资料进行了解。
所以说，该书还是比较适合有基础的朋友。
首先说一下我的感受，《机器学习实战》一书在介绍原理的同时将全部的算法用源代码实现，非常具有操作性，可以加深对算法的理解，但是美中不足的是在原理上介绍的比较粗略，很多细节没有具体介绍。
所以，对于没有基础的朋友（包括我）某些地方可能看的一头雾水，需要查阅相关资料进行了解。
所以说，该书还是比较适合有基础的朋友。
2023/9/17 14:46:29
450KB
1
机器学习，神经网络多层感知器实现，稍事修改即可实现手写数字识别，鸢尾花识别实验等
2023/9/16 13:20:55
9KB
1
train.csv+UNRATE.csv+LogiReg_data.txt+creditcard.csv+fandango_score_comparison.csv+big.txt
2023/9/7 8:52:28
63.37MB
1
在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。
每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。
另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。
为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。
2024-04-09 15:03
15KB