Tags

keep hungry keep foolish
信息值

用信息值进行特征选择

特征选择

用信息值进行特征选择

资源

机器学习/数据科学公开课推荐

数据集推荐

主动学习

机器学习入门-机器学习的不同类型

分类器

分类器评价与在R中的实现：ROC图与AUC

分类器评价与在R中的实现：收益图与提升图

分类器评价与在R中的实现：混淆矩阵

机器学习入门-机器学习的不同类型

半监督式学习

机器学习入门-机器学习的不同类型

回归问题

动态局部回归过程

R语言中的泊松回归

机器学习入门-机器学习的不同类型

增强式学习

机器学习入门-机器学习的不同类型

批次学习

机器学习入门-机器学习的不同类型

监督式学习

机器学习入门-机器学习的不同类型

线上学习

机器学习入门-机器学习的不同类型

结构化预测

机器学习入门-机器学习的不同类型

非监督式学习

机器学习入门-机器学习的不同类型

神经网络

R语言中生成虚拟变量/哑变量

模型评价

分类器评价与在R中的实现：收益图与提升图

分类器评价与在R中的实现：混淆矩阵

算法

萌萌哒排序法声音

TED lessons 什么是算法

公开课

机器学习/数据科学公开课推荐

正则表达式

R语言中的正则表达式

hadoop

Hadoop生态圈简介

python

Python immutables异常行为

Python参数传递

timedelta求和

Python中的设计模式

SVM

SVM 101

机器学习

拉格朗日乘子法的几何意义

Ensemble 101

xgboost 101

xgboost

xgboost 101

L2R

Listwise Approach to Learning to Rank - Theory and Algorithm

Learning to Rank with Nonsmooth Cost Functions

排序模型L2R

Optimizing Search Engines using Clickthrough Data

LambdaRank

Learning to Rank with Nonsmooth Cost Functions

RankCosine

Listwise Approach to Learning to Rank - Theory and Algorithm

ListNet

Listwise Approach to Learning to Rank - Theory and Algorithm

ListMLE

Listwise Approach to Learning to Rank - Theory and Algorithm

RankMART,

Adapting Boosting for Information Retrieval Measures

Boosting

Adapting Boosting for Information Retrieval Measures

统计

离散分布

连续分布

贝叶斯

贝叶斯规划学习

CNN

Recent Advances in Convolutional Neural Networks

paper

Improved GAN