机器学习
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。...(more)
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。

文章

人工智能·2018-09-06
ZHOULEON · IBM 擅长领域:存储, 服务器, 人工智能
2 会员关注
一、人工智能在金融行业的应用机会近些年随着互联网对各行业的改造(或者说数字化转型),传统金融机构受到很大冲击。但是,大数据分析和人工智能等新技术的发展,也使得金融行业客户能够重获逆袭的可能。因为,对于金融行业来说,在过去几十年的发展中沉淀了巨量的可信数据,比如各类交...(more)
浏览5691
大数据·2018-09-05
rein07 · 某证券 擅长领域:人工智能, 大数据, 机器学习
584 会员关注
当前科技金融已经深入到多个业务领域,如量化交易、智能投顾、精准营销、智能客服等,在这些应用中,智能投顾又首当其冲,在财富管理中崭露头角。智能投顾英文名称为robo-advisor,是指网络虚拟人工智能产品基于客户自身的理财需求、资产状况、风险承受能力、风险偏好等因素,运用现...(more)
浏览6015
评论1
自动化运维·2018-07-09
jxnxsdengyu课题专家组 · 江西农信 擅长领域:存储, 灾备, 双活
1055 会员关注
0、前言近年来,随着金融企业的业务规模不断增长,越来越多的运维场景和问题无法用传统运维方法来解决,而运维效率也难以继续支撑业务规模的快速扩张,所以企业运维部门开始更加关注如何解放运维自身的效率,以解决传统运维方法(人工、自动化)所解决不了的问题,智能运维应时而生。智...(more)
专栏: 趋势观点
浏览6589
评论5
机器学习·2018-04-17
sprewellkobe · TX 擅长领域:云计算, 安全, 网络
445 会员关注
SIEM@AI#AI构建下一代企业安全大脑丛磊摘要SIEM是企业安全的核心中枢,负责收集汇总所有的数据,并结合威胁情报对危险进行准确的判断和预警。但传统的SIEM系统过度依靠人工定制安全策略,人力成本高居不下的同时,整个SIEM的识别准确率和使用效果都大打折扣。而目前附带AI功能的...(more)
专栏: 新品解读
浏览5780
机器学习·2017-11-21
让往事随风 · 中国网库 擅长领域:人工智能, 机器学习, 深度学习
人工智能近年来发展迅速,也许有人认为他很遥远,实际上人工智能已经有不少产品都有了落实,让我们离人工智能更近一步。就目前而言,人工智能最大的瓶颈是自然语言的处理,未来人工智能主要应用在哪些领域呢?1、比如语音识别——李开复博士当年做的工作奠定了很多当今识别系统的基...(more)
浏览900
机器学习·2017-10-20
时东南 · 外资银行 擅长领域:人工智能, 大数据, 机器学习
370 会员关注
前篇链接:机器学习概念总结笔记(一)机器学习概念总结笔记(二)机器学习概念总结笔记(三)21)KMeans聚类分析是一种静态数据分析方法,常被用于机器学习,模式识别,数据挖掘等领域。通常认为,聚类是一种无监督式的机器学习方法,它的过程是这样的:在未知样本类别的情况下,通过计算样本彼此间的...(more)
浏览1408
大数据·2017-10-18
赵钱孙 · 河南电信 擅长领域:云计算, 容器, 容器云
6 会员关注
大数据,作为一套技术、一种经营战略是相对成熟的。这种成熟带来的好处是更先进的工具、更顺畅的部署和新的商业机会。不利的一面是,如果公司想要在实现数字化转型目标方面取得真正成功,新挑战的出现需要更为明智的策略。一家公司的数字化改造应该从清晰的趋势和障碍出发,更好...(more)
浏览1315
机器学习·2017-10-18
时东南 · 外资银行 擅长领域:人工智能, 大数据, 机器学习
370 会员关注
前篇传送门:机器学习概念总结笔记(一)机器学习概念总结笔记(二)--12)分类决策树C4.5C4.5算法继承了ID3算法的优点,并在以下几方面对ID3算法进行了改进:1)用信息增益率来选择属性,克服了用信息增益选择属性时偏向选择取值多的属性的不足;2)在树构造过程中进行剪枝;3)能够完成对连续属...(more)
浏览1206
机器学习·2017-10-17
千户余音 · njiairport 擅长领域:人工智能, 云计算, 机器学习
51 会员关注
这篇文章中,我们将介绍如何使用scikit-learn来实现用于机器学习的文本数据准备。文章主要介绍了三个scikit-learn自带的文本数据量化工具——CountVectorizer、TfidfVectorizer和HashingVectorizer。在使用文本数据来搭建预测模型前,都需要特殊的准备工作。文本首先要通过...(more)
浏览2082
评论1
机器学习·2017-10-13
姜沫 · 鞋盒新能源 擅长领域:服务器, 存储, 主机
60 会员关注
A准确率(accuracy)分类模型预测准确的比例。在多类别分类中,准确率定义如下:微信图片_20171013115926.jpg在二分类中,准确率定义为:微信图片_20171013115953.jpg激活函数(Activationfunction)一种函数(例如ReLU或Sigmoid),将前一层所有神经元激活值的加权和输入到一个非线性函数中,然...(more)
浏览1494

描述

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。...(more)
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。
X社区推广
  • 提问题