机器学习规则 (Rules of Machine Learning)下载

PIPI_333 2018-05-21 09:34:46

机器学习规则 (Rules of Machine Learning)：

关于机器学习工程的最佳实践

马丁•辛克维奇

术语

第 1 条规则：不要害怕发布未采用机器学习技术的产品。

第 2 条规则：首先设计并实现指标。

第 3 条规则：选择机器学习技术而非复杂的启发式算法。
。
。
。
。
。
。
第 43 条规则：在不同的产品中，您的好友基本保持不变，但您的兴趣并非如此。
相关下载链接：//download.csdn.net/download/dreamintheday/10426667?utm_source=bbsseo

...全文

550 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

This document is intended to help those with a basic knowledge of machine learning get the benefit of best practices in machine learning from around Google. It presents a style for machine learning, similar to the Google C++ Style Guide and other popular guides to practical programming. If you have taken a class in machine learning, or built or worked on a machinelearned model, then you have the necessary background to read this document.

weka作为一个公开的数据挖掘工作平台，集合了大量能承担数据挖掘任务的机器学习算法，包括对数据进行预处理，分类，回归、聚类、关联规则以及在新的交互式界面上的可视化。Weka is a collection of machine learning algorithms for data mining tasks. The algorithms can either be applied directly to a dataset or called from your own Java code. Weka contains tools for data pre-processing, classification, regression, clustering, association rules, and visualization. It is also well-suited for developing new machine learning schemes.

【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items：Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction：SVD&CUR 07-推荐系统 Recommender Systems：Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems：Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning：SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review

【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items：Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction：SVD&CUR 07-推荐系统 Recommender Systems：Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems：Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning：SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review

【课程大纲】 01-Mapreduce 02-关联规则 Association rules 03-LSH Finding Similar Items：Locality Sensitive Hashing 04-LSH theory of Locality Sensitive Hashing 05-聚类算法 clustering 06-降维技术 Dimensionality Reduction：SVD&CUR 07-推荐系统 Recommender Systems：Content-based Systems&Collaborative Filtering recsys1 08-双边序列推荐 recsys2 Recommender Systems：Latent Factor Models 09-PageRank 10-WebSpam 11-图论 graphs1 12-图论 graphs2 13-大规模机器学习 Large Scale Machine Learning：SVMs 14-决策树 Decision Trees on MapReduce 15-streams 16-streams 17-advertising 18-bandits 19-submodular 20-review

下载资源悬赏专区

13,655

社区成员

12,653,928

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章