GDPR有什么作用

早在它生效之前，歐盟的一般數(shù)據(jù)保護條例（GDPR）就在全球市場營銷人員中引發(fā)了恐慌。GDPR旨在保護消費者隱私，讓人們對公司如何使用數(shù)據(jù)有更多的控制權(quán)。...

2018-11-17 標簽：瀏覽器數(shù)據(jù)保護數(shù)據(jù)集 5876 0

NLP-Progress庫NLP的最新數(shù)據(jù)集、論文和代碼

方向是自然語言處理的同學們有福啦，為了跟蹤自然語言處理(NLP)的進展，有大量仁人志士在 Github 上維護了一個名為 NLP-Progress 的庫...

2018-11-17 標簽：代碼數(shù)據(jù)集NLP 2766 0

谷歌的研究人員提出了一種監(jiān)督學習方法來實現(xiàn)語音特征的聚類

那么它具體是怎么工作的呢？假設(shè)我們有四個人同時對著這個AI說話(這是個例子，模型其實可以處理更多的人)。那么每個人將會得到一個自己的RNN實例，擁有相同...

2018-11-16 標簽：谷歌神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集 5317 0

Batch的大小、災(zāi)難性遺忘將如何影響學習速率

所以，我們該如何在限制訓練速度的情況下，還可以提高batch size，同時不用維持曲率效應(yīng)帶來的不穩(wěn)定性？答案可能是其他因素在限制學習速率，而我們并沒...

2018-11-14 標簽：數(shù)據(jù)集ResNet 3809 0

深入淺出地介紹了一個有趣的概念：等待時間悖論

當乘客在隨機時間點到達公交站時，他們經(jīng)歷的等待時間的概率既會受p(T)影響，又會受T本身影響：汽車到達間隔越長，乘客遇到較長等待時間的概率也會相應(yīng)變大。

2018-11-13 標簽：數(shù)據(jù)集數(shù)據(jù)可視化 8689 0

如何把握設(shè)計與功能之間的平衡，創(chuàng)建出簡潔直觀的可視化圖像？

這個例子告訴我們，在可視化數(shù)據(jù)之前，多問問自己可視化的目的會幫我們更好地選擇圖表?？梢暬瘓D像不應(yīng)該只是一堆漫無目的、沒有重點的圖形，我們不一定要在上面呈...

2018-11-10 標簽：可視化數(shù)據(jù)集 3347 0

Abhay Pawar總結(jié)的進入Kaggle2%的技巧

如果因變量（目標變量）是二元的，所有的點要么分布在0，要么分布在1，散點圖是無法工作的。對于連續(xù)的目標，數(shù)據(jù)點太多會難以理解目標和特征趨勢。但是Feat...

2018-11-10 標簽：機器學習數(shù)據(jù)集 2486 0

Ariza部署了一個WebApp利用圖像分析技術(shù)診斷患者是否患有瘧疾

在諸多瘧疾診斷方法中，鏡檢法是許多醫(yī)院的支柱，它的具體流程是先把患者血液涂抹在載玻片上，用造影劑染色以區(qū)分血紅細胞內(nèi)的寄生蟲，然后經(jīng)專業(yè)訓練的臨床醫(yī)生再...

2018-11-08 標簽：機器學習數(shù)據(jù)集圖像分析 2924 0

如何用Fashion-MNIST數(shù)據(jù)集搭建一個用于辨認時尚單品的機器學習模型

去年八月份，德國研究機構(gòu)Zalando Research在GitHub上推出了一個全新的數(shù)據(jù)集，其中訓練集包含60000個樣例，測試集包含10000個樣...

2018-11-08 標簽：神經(jīng)網(wǎng)絡(luò)機器學習數(shù)據(jù)集 2.0萬 0

一種從空中角度測量車輛數(shù)據(jù)的新方法

High D數(shù)據(jù)集記錄在德國科隆附近的六個不同地點。 位置因車道數(shù)量和速度限制而異。 記錄的數(shù)據(jù)中包括轎車和卡車。研究者們使用了最先進的計算機視覺算法從...

2018-11-06 標簽：無人機計算機視覺數(shù)據(jù)集 5062 0

從生產(chǎn)層面強調(diào)了深度學習項目開發(fā)中需要更加重視數(shù)據(jù)集的構(gòu)建

這看起來顯而易見，但你首先最應(yīng)該做的是隨機瀏覽你將要使用的訓練數(shù)據(jù)。將一些文件復制到本地計算機上，然后花幾個小時來預覽它們。如果您正在處理圖片，使用類似...

2018-11-02 標簽：數(shù)據(jù)集深度學習 2432 0

圖像分類比賽中，你可以用如下方案舉一反三

在大多數(shù)機器學習任務(wù)中，我們首先要做的（也是最重要的任務(wù)）就是在使用算法之前分析數(shù)據(jù)集。這一步驟之所以重要，是因為它能夠讓我們對數(shù)據(jù)集的復雜度有深入的了...

2018-11-02 標簽：圖像分類機器學習數(shù)據(jù)集 2256 0

三種數(shù)據(jù)提供有歧義的結(jié)果的情況，因果關(guān)系如何幫助澄清數(shù)據(jù)的解讀

盡管看起來是同一件事，兩種說法，這兩種回歸會給出不同的最佳擬合直線。這兩條線不可能都是最佳的，那么哪一條才是最佳擬合直線，為什么？

2018-10-31 標簽：函數(shù)數(shù)據(jù)集 3269 0

科學家真正信任人工智能之前，首先需要去理解機器是如何學習的

科學家正面臨一個復雜的問題，就是算法公平到底意味著什么？像Vaithianathan這樣正在與公共組織協(xié)作去建立負責、高效的軟件的研究人員，必須解決的難...

2018-10-29 標簽：人工智能機器學習數(shù)據(jù)集 4412 0

如何基于Plotly和ipywidgets在Jupyter Notebook中創(chuàng)建交互可視化內(nèi)容

我的Fitbit睡眠數(shù)據(jù)是一個需要可視化不同統(tǒng)計量（睡眠效率、睡眠得分、初次入睡時間等）、不同尺度（日、周、年等）數(shù)據(jù)的例子。使用Seaborn的刻面圖...

2018-10-26 標簽：可視化數(shù)據(jù)集 1.6萬 0

樸素貝葉斯分類算法并實現(xiàn)中文數(shù)據(jù)集的輿情分析案例

先驗概率是由以往的數(shù)據(jù)分析得到的概率，泛指一類事物發(fā)生的概率，根據(jù)歷史資料或主觀判斷未經(jīng)證實所確定的概率。后驗概率而是在得到信息之后再重新加以修正的概率...

2018-10-23 標簽：數(shù)據(jù)集貝葉斯分類器 9967 1

數(shù)據(jù)集，網(wǎng)絡(luò)架構(gòu)和剪枝方法

過度參數(shù)化（over-parameterization）是深度神經(jīng)網(wǎng)絡(luò)的一個普遍屬性，這會導致高計算成本和高內(nèi)存占用。作為一種補救措施，網(wǎng)絡(luò)剪枝（net...

2018-10-23 標簽：模型數(shù)據(jù)集 6127 0

一種使用卷積神經(jīng)網(wǎng)絡(luò)來預測斗地主游戲中玩家行為的方法

策略網(wǎng)絡(luò)采用監(jiān)督學習的方式。其中該網(wǎng)絡(luò)包含 10 層 CNN 層和 1 層全連接層，激活函數(shù)采用 Relu。最終的 softmax 層輸出所有合理出牌方...

2018-10-21 標簽：神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)集 7688 0

了解用話題建模分析在線產(chǎn)品評論的重要性

在開始文本挖掘前，數(shù)據(jù)處理和清洗是很重要的一步。在這一步中，我們會刪除標點、停止詞等，讓評論的形式盡可能統(tǒng)一。處理好之后，就可以檢查數(shù)據(jù)中最常出現(xiàn)的詞語...

2018-10-19 標簽：數(shù)據(jù)集電商 4018 0