机器
打造安全领域的神经中枢 看Splunk如何将机器数据转化为商业价值
毋庸置疑，数据在这个时代变得前所未有的重要。在这些数据中，很大一部分是机器数据，比如物联网数据等。 从数据中获取洞察力成为企业提升竞争力的重要途径，这也是目前大数据乃至人工智能要做的事情。 有这样一家企业，它的使命是使机器数据对每个人都可取可用，发挥价值。它就是Splunk。 Splunk公司北亚区总经理戴健庆(右一)、Splunk全球安全事业部总经理、公司高级副总裁宋海燕（中）与Spl
日期 2023-09-28 09:16:49
揭秘：机器究竟是怎么学习的？
从算法的角度看，机器学习有很多种算法，例如回归算法、基于实例的算法、正则化算法、决策树算法、贝叶斯算法、聚合算法、关联规则学习算法和人工神经网络算法。很多算法可以应用于不同的具体问题；很多具体的问题也需要同时应用好几种不同的算法。由于篇幅有限，我们仅介绍其中（可能是公众心目中名气最
日期 2023-09-28 09:16:49
【机器学习之线性回归】初识：多元线性回归 || 最优解 || 正规方程： 使用矩阵思想求解多元线性方程组
仅学习使用哦 ~ 文章目录 一、多元 线性回归 二、最优解 三、举例：使用（矩阵思想）计算二元一次方程组 四、使用（矩阵思想）计算三元一次方程组 五、sk
日期 2023-09-28 09:16:49
机器学习中常见的过拟合解决方法
在机器学习中，我们将模型在训练集上的误差称之为训练误差，又称之为经验误差，在新的数据集（比如测试集）上的误差称之为泛化误差，泛化误差也可以说是模型在总体样本上的误差。对于一个好的模型应该是经验误差约等于泛化误差，也就是经验误差要收敛于泛化误差，根据霍夫丁不等式可知经验误差在一定条件下是可以收敛于泛化误差的。 当机器学习模型对训练集学习的太好的时候（再学习数据集的通性的时候，也学习了数据集
日期 2023-09-28 09:16:49
当机器分析能减少投资亏损，基金经理会下岗吗？
从去年开始，美联社便开始使用 WordSmith 软件进行内容生产，平均每月能完成 1000 篇稿件的写作。 随着人工智能技术和大数据近两年的发展，计算机软件对海量互联网信息的处理和匹配越来越精确，并且整个过程也愈发智能和高效。 即便是在复杂多变的金融领域，这样的案例也为数不少。 2008 年，第一个以人工智能驱动的基金 Rebellion 预测了当年的股市崩盘；时隔一年， Rebe
日期 2023-09-28 09:16:49【机器学习】聚类算法：ISODATA算法
在之前的K-Means算法中，有两大缺陷： （1）K值是事先选好的固定的值 （2）随机种子选取可能对结果有影响
日期 2023-09-28 09:16:49
《Web安全之机器学习入门》一 1.2 人工智能的发展
本节书摘来自华章出版社《Web安全之机器学习入门》一 书中的第1章，第1.2节，作者：刘焱，更多章节内容可以访问云栖社区“华章计算机”公众号查看。 1.2 人工智能的发展 1.谷歌大脑谷歌大脑是“Google X实验室”一个主要研究项目，是谷歌在人工智能领域开发出的一款模拟人脑的软件，这个软件具备自我学习功能。Google X部门的科学家们通过将1.6万台电脑的处理器相连接建造出了全球为数不
日期 2023-09-28 09:16:49机器学习笔记之遗传算法(GA)
遗传算法是一种大致基于模拟进化的学习方法，假设常被描述为二进制串。在遗传算法中，每一步都根据给定的适应度评估准则去评估当前的假设，然后用概率的方法选择适应度最高的假设作为产生下一代的种子。产生下一代的办法有交叉和变异两种方法。 遗传算法和遗传编程是进化计算的两种普遍方法。 遗传算法原理
日期 2023-09-28 09:16:49如何为机器视觉系统选择合适的图像采集卡
随着信息化、自动化时代的到来，为了提高生产过程或是质量检测监督中的智能化程度，目前对信号的处理广泛的采用了机器视觉技术。我们知道一般机器视觉系统获取的都是一些模拟信号，要想能够对信号进行识别或是处理，就需要将这些模拟信号转换成数字信号。图像采集卡是连接图像采集部分与处理部分，通过图像采集卡可以接收相机获取的模拟视频信号，经过其对此信号的采集、量化，最终转换成数字信号，并输入、存储到输出设备中。
日期 2023-09-28 09:16:49机器学习初窥
(1) 机器学习已成为新的边缘学科并在高校形成一门课程。它综合应用心理学、生物学和神经生理学以及数学、自动化和计算机科学形成机器学习理论基础。 (2) 结合各种学习方法，取长补短的多种形式的集成学习系统研究正在兴起。特别是连接学习符号学习的耦合可以更好地解决连续性信号处理中知识与技能的获取与求精问题而受到重视。 (3) 机器学习与人工智能各种基础问题的统一性观点正在形成。例如学习与问题求解结合
日期 2023-09-28 09:16:49机器学习影响现代云计算的五种方式
本文讲的是机器学习影响现代云计算的五种方式【IT168 编译】云计算行业正逐渐向智能的方向转变。虽然计算、存储和网络仍然是云供应商的主要收入来源，但机器学习也正慢慢成为当代云计算的焦点。 本文讲的是机器学习影响现代云计算的五种方式【IT168 编译】云计算行业正逐渐向智能的方向转变。虽然计算、存储和网络仍然是云供应商的主要收入来源，但机器学习也正慢慢成为当代云计算的焦点。 以下是五种被机器
日期 2023-09-28 09:16:49OpenCV人工智能图像处理学习笔记 第6章 计算机视觉加强之机器学习中 SVM和HOG特征
目录 6-10 SVM支持向量机1 6-13 Hog特征1 6-10 SVM支持向量机1 # 1 思想 分类器 # 2 如何？ 寻求一个最优的超平面 分类 # 3 核：line # 4 数据：样本 # 5 训练 SVM_create train predict # svm本质 寻求一个最优的
日期 2023-09-28 09:16:49【机器学习算法-python实现】决策树-Decision tree（2） 决策树的实现
(转载请注明出处：http://blog.csdn.net/buptgshengod) 接着上一节说，没看到请先看一下上一节关于数据集的划分数据集划分。现在我们得到了每个特征值得信息熵增益，我们按照信息熵增益的从大到校的顺序，安排排列为二叉树的节点。数据集和二叉树的图见下。 （二叉树的图是用python的matplotlib库画出来的） 2.代码实现部分 因
日期 2023-09-28 09:16:49【机器学习PAI实践二】人口普查统计
感谢大家关注玩转数据系列文章，我们希望通过在阿里云机器学习平台上提供demo数据并搭建相关的实验流程的方式来帮助大家学习如何通过算法来挖掘数据中的价值。本系列文章包含详细的实验流程以及相关的文档教程，欢迎大家进入阿里云数加机器学习平台体验。实验案例请在新建实验页签查看，如下图。 本章作为玩转数据系列的开篇，先提供一个简单的案例给大家热身。通过截取一份人口普查的数据，对学历和收入进行统计和分析。
日期 2023-09-28 09:16:49机器学习：划分数据集用以评估机器学习算法
文章目录 划分测试集划分验证集对于更大的数据集 划分测试集 如果把所有的数据都拿去训练模型，最后测试的时候模型会在已有数据上拟合的非常好，因为我们算法的目的就是找到一个使
日期 2023-09-28 09:16:49python机器学习数据建模与分析——决策树详解及可视化案例
文章目录 前言：决策树的定义熵和信息熵的相关概念信息熵的简单理解经典的决策树算法 ID3算法划分选择或划分标准——信息增益ID3算法的优缺点 C4.5算法信息增益率
日期 2023-09-28 09:16:49机器学习：BM25算法【TD-IDF的优化版本】
一、BM25算法原理 BM25(BM=best matching)是TDIDF的优化版本，首先我们来看看TFIDF是怎么计算的 t f i d f i = t f ∗ i d f = 词 i 的 数 量 词
日期 2023-09-28 09:16:49【机器学习算法-python实现】扫黄神器-朴素贝叶斯分类器的实现
(转载请注明出处：http://blog.csdn.net/buptgshengod) 以前我在外面公司实习的时候，一个大神跟我说过，学计算机就是要一个一个贝叶斯公式的套用来套用去。嗯，现在终于用到了。朴素贝叶斯分类器据说是好多扫黄软件使用的算法，贝叶斯公式也比较简单，大学做概率题经常会用到。核心思想就是找出特征值对结果影响概率最大的项。公式如下： 什么是朴素贝叶斯
日期 2023-09-28 09:16:49Python 7步机器学习
http://python.jobbole.com/84108/ 由于我们要使用机器学习和科学计算的 packages ，这里建议安装 Anaconda。Anaconda 是一个可在 Linux , OSX , Windows 上运行的 Python 实现工具，拥有所需的机器学习 packages ，包括 numpy，scikit-learn，
日期 2023-09-28 09:16:49机器学习泛化能力的评价指标
目录一、回归模型评估1.均方误差2.绝对误差3.r24.可解释方差二、分类模型评估1.错误率与准确率2.查准率、查全率、F13. ROC 与 AUC 对机器学习泛化能力的评估，不仅需要可行的估计方法，还需要衡量模型泛化能力的标准，这就是性能度量（\(performance\ measure\)）。 模型的 “好坏” 不仅取决于算法和数据，还取决于任务需求。 一、回归模型评估 指标 描
日期 2023-09-28 09:16:49机器学习：指数函数和对数函数简单区别
区别指数函数对数函数英文exponentiallogarithm函数y=a^x (a>0，且a≠1)y=logax（a>0，且a≠1）定义域
日期 2023-09-28 09:16:49机器学习-无监督学习-主题模型：概述【用来在大量文档中发现潜在主题的一种统计模型】【生成式有向图模型：“文档”是“主题”的概率分布，“主题”是“单词”的概率分布】【在推荐系统领域又称“隐语义模型”】
一、“主题模型”定义 主题模型（Topic Model）是以非监督学习的方式对文集的隐含语义结构（latent semantic structure）进行聚类（clustering）的统计模型。 主题就是一个概念、
日期 2023-09-28 09:16:49【机器学习算法-python实现】逻辑回归的实现(LogicalRegression)
(转载请注明出处：http://blog.csdn.net/buptgshengod) 1.背景知识 在刚刚结束的天猫大数据s1比赛中，逻辑回归是大家都普遍使用且效果不错的一种算法。 （1）回归 先来说说什么是回归，比如说我们有两类数据，各有50十个点组成，当我门把这些点画出来，会有一条线区分这两组数据，我们拟合出这个曲线（因为很有可能是非线性）
日期 2023-09-28 09:16:49使用Python，OpenCV+OCR检测护照图像中的机器可读区域（MRZ Machine-Readable Zones）
使用Python，OpenCV+OCR检测护照图像中的机器可读区域（MRZ Machine-Readable Zones） 1. 效果图 2. 原理 3. 源码
日期 2023-09-28 09:16:49机器学习四大分类
机器学习分为四大块，分别是classification (分类)，regression (回归), clustering (聚类), dimensionality reduction (降维)。 聚类（clustering） 无监督学习的结果。聚类的结果将产生一组集合，集合中的对象与同集合中的对象彼此相似，与其他集合中的对象相异。
日期 2023-09-28 09:16:49Andrew Ng机器学习课程17(1)
Andrew Ng机器学习课程17(1) 声明：引用请注明出处http://blog.csdn.net/lg1259156776/ 说明：主要介绍了强化学习与监督学习的设定上的区别，以及强化学习的框架，结合着马尔可夫决策过程来公式化描述强化学习通常的形式。 2015-10-10
日期 2023-09-28 09:16:49【机器学习】Learning to Rank之Ranking SVM 简介
Learning to Rank之Ranking SVM 简介 排序一直是信息检索的核心问题之一，Learning to Rank(简称LTR)用机器学习的思想来解决排序问题(关于Learning to Rank的简介请见我的博文Learning to Rank简介)。LT
日期 2023-09-28 09:16:49关于机器学习你必须了解的十个真相
作为一个经常向非专业人士解释机器学习的人，我整理了以下十点内容作为对机器学习的一些解释说明。 机器学习意味着从数据中学习；而AI则是一个时髦的词。机器学习并不像天花乱坠的宣传那样：通过向适当的学习算法提供适当的训练数据，你可以解决无数的难题。把它称之为AI吧，如果这有助于销售你的AI系统的话。但你要知道，AI只是一个时髦的词，这只代表了人们对它的期望而已。 机器学习主要涉及到数据和算法，但最主
日期 2023-09-28 09:16:49阿里云机器学习系列直播--AutoEncoder实现语音降噪 附PAI深度学习完全使用教程【巨额福利-云栖大会门票】
直播地址1：https://www.douyu.com/2181595 直播地址2：https://tianchi.aliyun.com/competition/videoStream.html 1. 使用AutoEncoder实现语音增强 使用卷积网络和AutoEncoder结合, 实现从混合了多种不同的杂音音频中抽取人声, 去除杂音的目的2. PAI使用教程 从开通到上传数
日期 2023-09-28 09:16:49【机器学习算法-python实现】svm支持向量机(1)—理论知识介绍
强烈推荐阅读（http://www.cnblogs.com/jerrylead/archive/2011/03/13/1982639.html） 支持向量机SVM（support vector machines）。SVM是一种二值分类器，是近些年比较流行的一种 (转载请注明出处：http://blog.csdn.net/buptgshengod) 强烈推
日期 2023-09-28 09:16:49线性方程组数学原理、矩阵原理及矩阵变换本质、机器学习模型参数求解相关原理讨论
1. 线性方程组 0x1：无处不在的线性方程组 日常生活或生产实际中经常需要求一些量，用未知数 x1，x2，....，xn表示这些量，根据问题的实际情况列出方程组，而最常见的就是线性方程组（当然并不是说只能用线性方程组，深度神经网路里就是非线性方程组）。 需要特别理解和思考的是，数学的各个分支以及自然科学、工程技术中，有不少问题都可以归纳为线性方程组的问题，养成抽象思维非常重要。 1
日期 2023-09-28 09:16:49什么是机器学习
机器学习 机器学习从字面来看可以理解为是“让机器去学习”。我们人类，从小到大一直都在不停地学习与进步。最终用学来的知识造福整个社会。如果让某台机器也去学习，那么它将会具备和人类类似
日期 2023-09-28 09:16:49贷还是不贷：如何用 Python 和机器学习帮你决策？
耳闻目睹了机器学习的诸般神奇，有没有冲动打算自己尝试一下?本文我们通过一个贷款风险评估的案例，用最通俗的语言向你介绍机器学习的基础招式，一步步帮助你用Python完成自己的第一个机器学习项目。试过之后你会发现，机器学习真的不难。 任务 祝贺你，成功进入了一家金融公司实习。 第一天上班，你还处在兴奋中。这时主管把你叫过去，给你看了一个文件。文件内容是这个样子的： 主管说这是公司宝贵的
日期 2023-09-28 09:16:49机器学习-无监督学习-聚类：聚类方法（一）--- k-Means（k-均值）算法，k-Means++算法【使用最大期望值算法（EM算法）来求解】
一、聚类算法 1、聚类算法概述 聚类算法：一种典型的无监督学习算法(没有目标值)，主要用于将相似的样本自动归到一个类别中。在聚类算法中根据样本之间的相似性，将样本划分到不同的类别中，对于不同的相似度计算方法，会得到
日期 2023-09-28 09:16:49机器学习入门指南
0 前言 机器学习 作为人工智能领域的核心组成，是计算机程序学习数据经验以优化自身算法，并产生相应的“智能化的”建议与决策的过程。 一个经典的机器学习的定义是： A computer program is said to learn from experience E with respect to s
日期 2023-09-28 09:16:49机器学习-算法-有监督学习：EM（最大期望值算法）＜=＞ MLE（最大似然估计法）【关系类似“梯度下降法”＜=＞“直接求导法”】【EM&“梯度下降”：先初始化一个随机值，然后通过迭代不断靠近真实值】
机器学习-算法-有监督学习：EM（最大期望值算法）＜=＞ MLE（最大似然估计法）【关系类似“梯度下降法”＜=＞“直接求导法”】【EM&“梯度下降”：先初始化一个随机值，然后通过迭代不断靠近真实值】）＜==
日期 2023-09-28 09:16:49《构建实时机器学习系统》一2.3 实时线性分类器介绍
本节书摘来自华章出版社《构建实时机器学习系统》一 书中的第2章，第2.3节，作者：彭河森 汪涵，更多章节内容可以访问云栖社区“华章计算机”公众号查看。 2.3.1 广义线性模型的定义 （广义）线性模型是机器学习发展几十年来理论和工具上最为完备的模型：不管是分类还是预测，线性模型都可以进行实时更新和预测；线性模型的解释性非常优秀，每个变量的回归系数都可以用于解释模型；最后，我们可以通过增减变量
日期 2023-09-28 09:16:49MTK机器原始OTA更新方法
在源码中编译完成后会生成各类.img的文件，这时候make otapackage生成ota包 一般ota包在源码工程的out/target/...目录下 一、通过线刷模式 将生成OTA包拷贝到Windows系统上，将手机或者平板关机，按音量上键或者下键再同时按住开机进入recovery模式，将设备与电脑连接，打开cmd命令提示符：输入adb sideload xxx.zip(这个就是你的O
日期 2023-09-28 09:16:49机器学习技术如何打击网络零售欺诈行为
Amazon Prime会员日取得了巨大的成功。据称今年的销售总额较2016年提升了60%，总收入达到近20亿美元，称其为成功确实并不为过。 但同样着眼于数字，很多朋友可能并不清楚，Amazon公司有近5%的收入因欺诈行为而损失，总额达1亿美元。对于企业来说，这绝不是笔小钱。而且不仅仅是Amazon Prime会员日，事实上每一家网络零售商在每一天的运营当中都面临着网络欺诈的威胁。 而圣诞
日期 2023-09-28 09:16:49马云：机器要做人做不到的事才叫了不起！
本文讲的是马云：机器要做人做不到的事才叫了不起！ 【IT168 智能大会】“智能时代是解决人解决不了的问题，以及了解人不能了解的东西。机器做人能做的事情，我觉得没有什么了不起，机器要做人做不到的事情才了不起。”6月29日首届世界智能大会在天津开幕，马云在开幕式上谈了自己对“机器智能”的看法。 本文讲的是马云：机器要做人做不到的事才叫了不起！ 【IT168 智能大会】“智能时代是解决人解决不了的
日期 2023-09-28 09:16:49《构建实时机器学习系统》一1.7 案例：Netflix在机器学习竞赛中学到的经验
本节书摘来自华章出版社《构建实时机器学习系统》一 书中的第1章，第1.7节，作者：彭河森 汪涵，更多章节内容可以访问云栖社区“华章计算机”公众号查看。 1.7 案例：Netflix在机器学习竞赛中学到的经验 美国领先的付费视频公司 Netflix 在机器学习、系统推荐方面都做出了卓越的贡献， 早在 2007 年，Netflix 就率先提出了百万美元大奖，奖励在 Netflix Prize 竞
日期 2023-09-28 09:16:49机器学习之线性代数
简介 我们主要学习与机器学习相关的线性代数知识，主要包括向量和矩阵的乘法、范数、求导等基本运算，及其在机器学习中的应用等内容。 线性代数是数学的一个分支。相信你在大学时ÿ
日期 2023-09-28 09:16:49机器学习Normal Equation的推导（不要求矩阵求导）
首先是代价函数 J ( θ
日期 2023-09-28 09:16:49机器学习中Bagging和Boosting的区别
Bagging和Boosting都是将已有的分类或回归算法通过一定方式组合起来，形成一个性能更加强大的分类器，更准确的说这是一种分类算法的组装方法。即将弱分类器组装成强分类器的方法。 首先介绍Bootstraping，即自助法：它是一种有放回的抽样方法（可能抽到重复的样本）。 1. Bagging (bootstrap aggregating) Bagging即套
日期 2023-09-28 09:16:49机器学习之逻辑回归
逻辑回归概述 线性回归和逻辑回归区别？ 在前面讲述的回归模型中，处理的因变量都是数值型区间变量，建立的模型描述是因变量的期望与自变量之间的线性关系。比如常见的线性回归模
日期 2023-09-28 09:16:49机器学习笔记之使用sklearn做单机特征工程
0x00 特征工程是什么？ 有这么一句话在业界广泛流传：数据和特征决定了机器学习的上限，而模型和算法只是逼近这个上限而已。那特征工程到底是什么呢？顾名思义，其本质是一项工程活动，目的是最大限度地从原始数据中提取特征以供算法和模型使用。通过总结和归纳，人们认为特征工程包括以下方面： 特征处理是特征工程的核心部分，sklearn提供了较为完整的特征处理方法，包括数据预处理，特征选择，降
日期 2023-09-28 09:16:49机器学习如何帮助企业高效地管理数据？
机器学习是当今技术领域的热门话题。从自驾车，到反恐斗争中捕捉邪恶的内容，应用程序在您拍摄照片之前自动美图等，这些应用程序无处不在。每一项创新都创造了一个新的商业机会，同时简化和自动化通常远远超出了我们人类能够立即处理或花费一生处理的数据。 虽然机器学习是一个新兴的趋势，但其实也是一个突破。早在1959年，计算机科学和游戏先驱亚瑟·塞缪尔就将机器学习定义为“计算机没有被明确编程的情况下的学习能力”
日期 2023-09-28 09:16:49机器学习中的维数灾难
一.引言 这里我们将要讨论所谓的“维数灾难”，同时结合过拟合现象来解释它在分类器学习中的重要性。 举一个分类应用的简单例子，假设我们有一系列的图片，每张图片的内容可能是猫也可能是狗；我们需要构造一个分类器能够对猫、狗自动的分类。首先，要寻找到一些能够描述猫和狗的特征，这样我们的分类算法就可以利用这些特征去识别物体。猫和狗的皮毛颜色可能是一个很好的特征，考虑到红绿蓝构成图像的三基色，因此用图片
日期 2023-09-28 09:16:49机器学习术语词典
机器学习术语词典 emmm最近在准备机器学习课程的期中考试（开卷），由于是英文的，所以在语言上比较捉急。所以干脆准备了一个词典，里面的词是我从10+个PPT上手动撸下来然后翻译的，应该能保证在中文学术语境下是正确的。当然内容现在还比较局限，因为只是为了应付PolyU的期中考试。。。但是还是可扩展的！ 建了一个项目放在github上，里面有： MachineLearningDictonary.sq
日期 2023-09-28 09:16:49Python机器学习——DBSCAN聚类
密度聚类（Density-based Clustering）假设聚类结构能够通过样本分布的紧密程度来确定。DBSCAN是常用的密度聚类算法，它通过一组邻域参数（ϵϵ，MinPtsMinPts）来描述样本分布的紧密程度。给定数据集DD={x⃗ 1，x⃗ 2，x⃗ 3，...，x⃗ Nx→1，x→2，x→3，...，x→N}，数据集属性定义如下。 ϵϵ-邻
日期 2023-09-28 09:16:49