归档 | G&L博客

2019

10

04

特征工程入门与实践----特征增强

特征增强是对数据的进一步修改，我们开始清洗和增强数据。主要涉及的操作有识别数据中的缺失值删除有害数据输入缺失值对数据进行归一化/标准化

2019-10-04 特征工程

特征工程，数据挖掘，数据分析

03

特征工程入门与实践----特征理解

特征理解，简单说就是理解数据中都有什么，对数据的理解方便我们认清数据，从而对数据进行操作，构造有用的特征。我们将从以下几个方面来认清数据：结

2019-10-03 特征工程

特征工程，数据挖掘，数据分析

01

特征工程入门与实践----特征工程简介

人工智能的发展，让我们将那些需要手动操作才能处理的问题，让计算机也可以解决。例如，自然语言处理、人脸识别和图片分类等。因此，我们需要借助机器学习

2019-10-01 特征工程

特征工程，数据挖掘，数据分析

09

26

CNN模型之GoogLeNet

一、介绍 GoogLeNet，2014年由Google团队的Christian Szegedy等人提出，为了向LeNet致敬，所以取名GoogLe

2019-09-26 卷积神经网络模型

人工智能深度学习卷积神经网络 CNN

25

CNN模型之VGGNet

一、介绍 VGGNet是于2014年由牛津大学计算机视觉组和DeepMind公司共同研究的。在2014年的ILSVRC比赛上获得了分类项目的第二名

2019-09-25 卷积神经网络模型

人工智能深度学习卷积神经网络 CNN

25

CNN模型之NIN

一、介绍 NIN网络是由Min Lin等人在2014年提出的一个网络嵌套模型，使用微神经网络替换卷积神经网络中的卷积核。通过微神经网络来抽象感受野

2019-09-25 卷积神经网络模型

人工智能深度学习卷积神经网络 CNN

16

CNN模型之ZFNet

一、介绍 ZFNet是Matthew D.Zeiler于2013年提出，并获得了13年ImageNet的冠军。2012年AlexNet问世，并在I

2019-09-16 卷积神经网络模型

人工智能深度学习卷积神经网络 CNN

05

CNN模型之AlexNet

一、介绍 AlexNet是Alex Krizhevsky等人2012年提出。这个模型具有重大的意义，将ImageNet ILSVRC-2010竞赛

2019-09-05 卷积神经网络模型

人工智能深度学习卷积神经网络 CNN

05

CNN模型之LeNet-5

卷积神经网络的开篇之作，算是第一个卷积网络模型。从LeNet-5开始学习，可以让我们从源头掌握卷积神经网络。

2019-09-05 卷积神经网络模型

人工智能深度学习卷积神经网络 CNN

05

周志华《机器学习》读书笔记----第二章：模型评估与选择

机器学习领域的一本好书，是由周志华教授编写。是国内的经典书籍。

2019-09-05 周志华《机器学习》

人工智能读书笔记机器学习

08

21

AI圣经《深度学习》读书笔记----第二章：线性代数

线性代数是数学的一个分支，应用于科学和工程中。线性代数主要是面向连续数学，而非离散数学。掌握好线性代数对于学习机器学习算法是必要的，尤其是深度

2019-08-21 读书笔记

人工智能深度学习读书笔记

15

AI圣经《深度学习》读书笔记----第一章：引言

深度学习领域的一本经典书籍，被称为”AI圣经“。这本书是很值得阅读的，但是感觉有点难。

2019-08-15 读书笔记

人工智能深度学习读书笔记