• 老陈
    2019-01-22
    精辟! 跟随老师一路走来,学到很多,您这个专栏特点是理论知识阐述的非常清楚,不像技术书籍那样子晦涩,同时专栏也夹杂大量的工作方法和技巧,而这些方法和技巧不是技术书籍里能够看到的。
     1
     18
  • 杰之7
    2019-01-23
    跟着老师进入了最后一个模块的学习,也是这两年最火的名称,机器学习和AI。

    在这一节中,老师讲述了AI的定义,数据统计出来的规律,自动化的数据处理,使其表现出某种智能的特征。我的理解是人工智能依然是统计学的范畴,只不过将海量的统计规律用在计算机来自动处理学习,达到智能的效果。

    在数据统计方法中,老师介绍了分类算法KNN,关键点是通过提取向量,对特征向量进行距离或者余弦计算,然后通过KNN的处理步骤,得到分类的结果。

    另一种分类是条件分类贝叶斯,老师介绍了贝叶斯在邮件分类的处理。

    结合这一节的学习和生活中的现象,分类已经在各行各业中应用成熟。网购的购买标签分类之后推荐相似产品,头条系的定制推荐,现在的定制化制作,都在属于分类算法。
    展开
    
     3
  • Python
    2019-01-22
    谁能用python实现看看
    
     3
  • 任鹏斌
    2019-01-22
    老师讲的通俗易懂竟然一下就看懂了,不错,希望能学到更多
    
     1
  • 纯洁的憎恶
    2019-01-22
    机器分类KNN。
    首先要定义和提取特征向量,然后将其数字化。通过标记、计算样本的特征向量,给予机器指引。采用欧式距离、余弦相似度、TF-IDF、贝叶斯公式等方法,计算待分类对象与样本数据的特征向量差异,找到最近似的分类。
    
     1
  • 伊森
    2019-01-22
    很好
    
     1
  • 徐同学
    2020-01-18
    作为一名back-end业务开发,跟随智慧老师一步步走来,感觉学到了很多。谢谢老师。
    
    
  • 吴凌华
    2019-11-30
    提取关键字
    
    
  • 吴凌华
    2019-11-30
    去冗余
    
    
  • 糖糖是老坛酸菜女王
    2019-04-22
    非常同意一楼的观点
    
    
  • One day
    2019-03-27
    KNN的那个例子(3,3,3)和(6,6,6)的余弦相似度按照公式=(3*6+3*6+3*6)/((根号27)*(根号216))不是1吧,值应该是1/(根号2)?看到老师回复 分母是根号27*根号108 这个是为什么?
     1
    
  • leadluge
    2019-01-24
    KNN的那个例子(3,3,3)和(6,6,6)的余弦相似度按照公式=(3*6+3*6+3*6)/((根号27)*(根号216))不是1吧,值应该是1/(根号2),是老师笔误还是我理解错了^_^

    作者回复: 分母是:根号27 * 根号108

    
    
  • 天天向上
    2019-01-22
    顿开
    
    
  • 绿茶
    2019-01-22
    简短的介绍个举例子就让我明白了几种算法,节省不少时间
    
    
  • Hyun
    2019-01-22
    一个例子就足见李老师功底之深不可测
    
    
我们在线,来聊聊吧