传统作法是自己写算法自己分析，也希望能达到近似的功能具有一定容错和分析能力，该从哪里入手改变？
• 请不要在回答技术问题时复制粘贴 AI 生成的内容
This topic created in 3787 days ago, the information mentioned may be changed or developed.
 |
1
Kilerd Jan 23, 2016
keywords: 神经网络 遗传算法
|
 |
2
Mirana Jan 23, 2016
通过数据修正模型
|
 |
5
MickeyZMJ Jan 23, 2016
学 Python
|
 |
7
em70 Jan 24, 2016 via iPhone
贝叶斯算法就具有学习功能，一般用于反垃圾邮件，能主动识别未知垃圾邮件
|
 |
8
billlee Jan 24, 2016
概率论 -> 线性回归、 logistic 回归、 SVM, ANN
概率论 + 随机过程 -> 信息论 -> 决策树学习 线性代数 -> 聚类 学了某一个分支后就可以入坑了，然后就会发现数据预处理和特征提取也是另一个大坑 |
 |
9
expireddessert Jan 24, 2016
@hunk 从 Caffe 入手吧
|
 |
10
cgcs Jan 24, 2016
看看机器学习的教科书吧
|
 |
11
xyhs2010 Jan 24, 2016 via Android
机器学习主要的学习对象还是媒体数据，或者说能转成特征向量的。楼主先得看看你处理的那个问题适用不适用。
|
 |
12
louk78 Jan 24, 2016
神经网络分类算法
|
 |
13
udumbara Jan 24, 2016 via Android
@billlee 赞同 数据的预处理和特征提取很大程度上限制了所谓的模型自学习能力，比如金融里面的评分卡制作，评分模型几乎很难自学习，因为很多特征的提取都是在利用 IV 值的基础上，靠做业务的人拍脑袋的
|
 |
14
h4x3rotab Jan 25, 2016 via iPhone
都不说具体是什么类型的问题就胡乱回答一通，不明白楼上这么多人是怎么想的。机器学习也要按照基本法啊，不是所有的问题都适合机器学习。要做比如文本分类，机器学习就是合适的，又比如排序就不适合用机器学习实现。
|
Select Language