极客教程
NLP 、NLU 和 NLG 的区别
NLP 、NLU 和 NLG 的区别 自然语言处理(NLP)是人工智能的一个子集，人工智能涉及使用自然语言而不是编码语言或字节语言在人和机器之间进行通信。它提供了以更容易和有效的方式向机器发出指令的能力。 自然语言理解(NLU)是人工智能的...
机器学习
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
随机森林和AdaBoost的区别
随机森林和AdaBoost的区别 随机森林算法(Random Forest Algorithm)是一种常用的机器学习算法，它将多个决策树(Decision tree)的输出结合起来，得到一个单一的结果。它处理分类和回归问题，因为它结合了决策...
人工智能 和 认知计算 区别
人工智能 和 认知计算 区别 人工智能 是一个术语，指的是与人类展示的自然智能相比，机器展示的智能。它们被编程成我们可以让机器像人脑一样思考的方式，正如名字所指明的那样。它是数字计算机或机器人按预期执行任务的能力。该领域包括计算机科学和解决...
决策树
决策树（Decision tree）由一个决策图和可能的结果（包括资源成本和风险）组成， 用来创建到达目标的规划。决策树建立并用来辅助决策，是一种特殊的树结构。决策树是一个利用像树一样的图形或决策模型的决策支持工具，包括随机事件结果，资源代...
线性支持向量分类器(SVC)
线性支持向量分类器(SVC),线性SVC使用一度(线性/直线)边界对数据进行分类。与非线性分类器相比，该分类器的复杂度要低得多，只适用于小型数据集。更复杂的数据集需要一个非线性分类器。 下面是线性SVC机器学习支持向量机的Python例子。...
神经网络回归
神经网络回归(Neural Network Regression),顾名思义，神经网络的灵感来自大脑。它们形成一个由相互连接的节点组成的网络，这些节点按层排列，构成一个模型。当输入数据对于标准的机器学习方法来说太大时，神经网络被用来逼近函数...
分位数回归森林
分位数回归森林(Quantile Regression Forests)，一般回归模型预测均值，但该算法预测数据的分布。它可以用来预测给定输入的价格分布，例如，给定一些属性，汽车价格分布的第25和75百分位是多少。 大多数预测器在预测期间返...
多项式回归
多项式回归(Polynomial Regression),多项式回归与线性回归的概念相同，只是它使用的是曲线而不是直线(线性回归使用的是直线)。多项式回归学习更多的参数来绘制非线性回归曲线。对于不能用直线概括的数据，它是有益的。多项式回归是...
支持向量机 (SVM)(二)-Kernel SVM
支持向量机 (SVM)(二)-Kernel SVM,在前一节中，我们了解了如何使用简单的SVM算法来寻找线性可分数据的决策边界。然而，对于非线性可分数据，如下图1所示，直线不能作为决策边界。 图1:非线性可分数据 对于非线性可分数据，不能使...
支持向量机 (SVM)
支持向量机 (SVM)，SVM是一种分类回归算法。它的工作原理是识别一个超平面，该平面将数据中的类分隔开。超平面是一个几何实体，它的维数比周围的空间小1。 如果要求SVM对一个二维数据集进行分类，它会用一个一维的超空间(一条线)进行分类，三...