为什么机器学习需要学习线性代数？线性代数是一门数学领域，可以称之为数据的数学。它无疑是机器学习领域的支柱，许多人建议将其作为开始机器学习之前的先修科目。这是具有误导性的建议，因为 [...]
线性代数简明介绍
什么是线性代数？线性代数是一门公认的深入理解机器学习的先修数学领域。尽管线性代数是一个庞大的领域，拥有许多深奥的理论和发现，但该领域中的基本工具和符号对于机器学习来说非常实用 [...]
为什么机器学习算法对新数据有效？
机器学习的超能力是泛化。我最近收到的问题是：“机器学习模型如何对它从未见过的数据做出准确的预测？”答案是泛化，这是我们在将机器学习应用于具有挑战性问题时所追求的能力。在这篇文章中，您将了解 [...]
如何在Linux服务器上运行深度学习实验
在编写完代码后，您必须在具有大量 RAM、CPU 和 GPU 资源的大型计算机上运行深度学习实验，通常是在云端的 Linux 服务器上。最近，我被问到：“你是如何运行你的深度学习实验的？”这是一个我喜欢回答的很好的基础问题。在 [...]
一个标准的多变量、多步、多站点时间序列预测问题
实际的时间序列预测具有挑战性，原因有很多，包括但不限于问题的特点，例如具有多个输入变量，需要预测多个时间步长，以及需要为多个物理站点执行相同类型的预测。在这篇文章中，您将了解一个标准化但复杂的时间 [...]
如何在 macOS 上为 Python 安装 XGBoost
XGBoost 是一个用于开发非常快速和准确的梯度提升模型的库。它是 Kaggle 数据科学竞赛中许多获胜解决方案的核心库。在本教程中，您将了解如何在 macOS 上为 Python 安装 XGBoost 库。让我们开始吧。教程概述本教程分为 [...]
如何使用scikit-learn在Python中生成测试数据集
测试数据集是小型的人工数据集，可让您测试机器学习算法或测试框架。测试数据集中的数据具有明确定义的属性，例如线性或非线性，这使您可以探索特定的算法行为。scikit-learn Python 库提供了一套用于从可配置的测试问题生成样本的函数 [...]
如何开发一个多通道CNN模型用于文本分类
用于文本分类和情感分析的标准深度学习模型使用词嵌入层和一维卷积神经网络。通过使用多个并行卷积神经网络来读取源文档，可以使用不同的核大小来扩展模型。这实际上创建了一个用于文本的多通道卷积神经网络，该网络读取 [...]
如何从零开始开发神经机器翻译系统
用 Keras 分步开发一个深度学习模型，用于在 Python 中自动进行德语到英语的翻译。机器翻译是一项艰巨的任务，传统上涉及使用高度复杂的语言知识开发的庞大的统计模型。神经机器翻译是使用深度神经网络来解决机器翻译问题的。在本教程中，您 [...]
如何为机器翻译准备一个法语-英语数据集
机器翻译是将文本从源语言转换为连贯且匹配的目标语言文本的艰巨任务。像编码器-解码器循环神经网络这样的神经机器翻译系统，通过一个直接在源语言和目标语言上进行训练的端到端系统，正在实现机器翻译的最先进结果。标准数据集是必需的 [...]