随笔分类 - 数据挖掘及机器学习
protobuf，log4j，日志处理及挖掘
摘要：http://www.52nlp.cn/%E6%96%AF%E5%9D%A6%E7%A6%8F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%8Enlp%E7%AC%AC%E5%9B%9B%E8%AE%B2%E8%AF%8D%E7%AA%97%E5%8F%A3%
阅读全文
摘要：http://www.52nlp.cn/%E6%96%AF%E5%9D%A6%E7%A6%8F%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%8E%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86%E9%
阅读全文
摘要：http://www.52nlp.cn/%E6%96%AF%E5%9D%A6%E7%A6%8F%E5%A4%A7%E5%AD%A6%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%8E%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%
阅读全文
摘要：http://www.52nlp.cn/%E6%96%AF%E5%9D%A6%E7%A6%8F%E5%A4%A7%E5%AD%A6%E6%B7%B1%E5%BA%A6%E5%AD%A6%E4%B9%A0%E4%B8%8E%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%
阅读全文
摘要：https://www.zybuluo.com/hanxiaoyang/note/404582 Lecture 1：自然语言入门与次嵌入 1.1 Intro to NLP and Deep Learning 1.2 Simple Word Vector representations: word2v
阅读全文
摘要：http://blog.csdn.net/dinosoft/article/details/50103503 推荐一个deep learning绝佳的入门资料 * UFLDL(Unsupervised Feature Learning and Deep Learning)教程 http://deep
阅读全文
摘要：http://blog.csdn.net/malefactor/article/details/50725480 /* 版权声明：可以任意转载，转载时请标明文章原始出处和作者信息 .*/ author: 张俊林 序列标注问题应该说是自然语言处理中最常见的问题，而且很可能是最而没有之一。在深度学习没有
阅读全文
摘要：1、背景 CTR预估，广告点击率（Click-Through Rate Prediction）是互联网计算广告中的关键环节，预估准确性直接影响公司广告收入。CTR预估中用的最多的模型是LR（Logistic Regression）[1]，LR是广义线性模型，与传统线性模型相比，LR使用了Logit变
阅读全文
摘要：http://blog.csdn.net/han_xiaoyang/article/details/50629608 作者： 寒小阳 && 龙心尘 时间：2016年2月。 出处：http://blog.csdn.net/han_xiaoyang/article/details/50629608 ht
阅读全文
摘要：http://blog.csdn.net/jdbc/article/details/50586042 本文为第一部分,着重介绍文本预处理以及特征抽取的方法。 随着互联网技术的迅速发展与普及，如何对浩如烟海的数据进行分类、组织和管理，已经成为一个具有重要用途的研究课题。而在这些数据中，文本数据又是数量
阅读全文
摘要：新智元推荐 来源：LinkedIn 作者：Abhishek Thakur 译者：弗格森 【新智元导读】本文是数据科学家Abhishek Thakur发表的Kaggle热门文章。作者总结了自己参加100多场机器学习竞赛的经验，主要从模型框架方面阐述了机器学习过程中可能会遇到的难题，并给出了自己的解决方
阅读全文
摘要：所谓学习问题，是指观察由n个样本组成的集合，并根据这些数据来预测未知数据的性质。 学习任务（一个二分类问题）： 区分一个普通的互联网检索Query是否具有某个垂直领域的意图。假设现在有一个O2O领域的垂直搜索引擎，专门为用户提供团购、优惠券的检索；同时存在一个通用的搜索引擎，比如百度，通用搜索引擎希
阅读全文
摘要：摘要： 在机器学习中常用到各种距离或者相似度，今天在看美团推荐系统重排序的文章时看到了loglikelihood ratio 相似度,特总结起来。以后有时间再把常用的相似度或者距离梳理到一篇文章。 背景： 记录loglikelihood ratio 相似度概念 总结： 在mahout中，loglik
阅读全文
摘要：http://tech.meituan.com/mt-mlinaction-how-to-ml.html 前言 随着大数据时代的到来，机器学习成为解决问题的一种重要且关键的工具。不管是工业界还是学术界，机器学习都是一个炙手可热的方向，但是学术界和工业界对机器学习的研究各有侧重，学术界侧重于对机器学习
阅读全文
摘要：http://www.jianshu.com/p/ab697790090f 特征选择与特征学习 在机器学习的具体实践任务中，选择一组具有代表性的特征用于构建模型是非常重要的问题。特征选择通常选择与类别相关性强、且特征彼此间相关性弱的特征子集，具体特征选择算法通过定义合适的子集评价函数来体现。在现实世
阅读全文
摘要：http://www.letiantian.me/2015-03-31-bayes-classifier-for-text/ 2015-03-31 本文介绍如何使用scikit-learn工具包下的贝叶斯工具进行文本分类。 生成数据集 数据集是有8个分类的文本数据集，使用了结巴分词对每个文本分词，每
阅读全文
摘要：http://blog.csdn.net/w5310335/article/details/48972587 使用GBDT选取特征 2015-03-31 本文介绍如何使用scikit-learn的GBDT工具进行特征选取。 为什麽选取特征 有些特征意义不大，删除后不影响效果，甚至可能提升效果。 关于
阅读全文
摘要：http://blog.csdn.net/w5310335/article/details/48972587 使用GBDT选取特征 2015-03-31 本文介绍如何使用scikit-learn的GBDT工具进行特征选取。 为什麽选取特征 有些特征意义不大，删除后不影响效果，甚至可能提升效果。 关于
阅读全文
摘要：http://blog.csdn.net/superzrx/article/details/47073847 安装 SCIKIT-LEARN是一个基于Python/numpy/scipy的机器学习库 windows下最简单的安装方式是使用winpython进行安装 WinPython地址 GBDT使
阅读全文
摘要：http://www.52ml.net/1917.html 主题模型LDA（latent dirichlet allocation）的应用还是很广泛的，之前我自己在检索、图像分类、文本分类、用户评论的主题词抽取等都用过，做feature、降维等。例如可以用主题维度来表示原来的字典维度，大大的降低了文
阅读全文