机器学习

周末阅读:Python

Python 易于使用、功能强大、用途广泛,并且是 Linux Journal 读者最喜欢的语言。我们为您整理了一些最近最受欢迎的 Python 相关文章,供您周末阅读。Reuven M. Lerner 介绍了 PyInstaller: 想将 Python 程序分发给没有 Python 环境的客户吗?PyInstaller 就是答案。Reuven M. Lerner 介绍了字节、字符和 Python 2: 从 Python 2 迁移到 3?这是您需要了解的关于字符串及其在升级中的作用。Reuven M. Lerner 介绍了 Python 3.7 的 Dataclasses: Python 3.7 的 dataclasses 减少了类定义中的重复。Reuven M. Lerner 介绍了使用 Pandas 检查数据: 您不需要成为数据科学家也能使用 Pandas 进行一些基本分析。Reuven M. Lerner 介绍了 Python 中的多进程: Python 的“multiprocessing”模块感觉像线程,但实际上启动的是进程。

赋能 Linux 开发者,迎接创新浪潮

每天都有以软件为核心的新企业涌现。开发者是正在构建的众多事物和技术创新的命脉,对于整个企业的运营也越来越重要。那么,我们为什么不赋能他们呢?机器学习和物联网尤其为开发者提供了巨大的机会,特别是对于那些面临其他平台拥挤市场的开发者来说,可以接触到庞大的未开发受众。

ONNX:开放神经网络交换格式

一场开源之战正在为人工智能的灵魂而打响。工业巨头、大学和世界各地的机器学习研究人员社区都在参与这场战斗。本文记录了这场战斗中的一场小规模冲突:神经网络的标准化文件格式。这场战斗的关键是在众多工具之间进行开放的数据交换,而不是相互竞争的单体框架。

新颖性和异常值检测

在之前的几篇文章中,我研究了机器学习可以帮助进行预测的多种方法。基本思想是,您使用现有数据创建一个模型,然后要求该模型根据新数据预测结果。

文本分类

在之前的几篇文章中,我研究了几种应用机器学习的方法,包括监督学习和非监督学习。这一次,我想让您关注机器学习一个非常简单但强大且广泛的应用,即文档分类。

无监督学习

在之前的几篇文章中,我研究了机器学习以及如何构建一个以某种方式描述世界的模型。我研究的所有例子都是“监督学习”,这意味着您加载的数据已经以某种方式被分类或归类,然后创建一个“学习”输入如何映射到输出的模型。

测试模型

在之前的几篇文章中,我一直在涉足“机器学习”的领域——这是一个强大的理念,它正在稳步走向计算领域的主流,并且有可能以多种方式改变生活。

教你的计算机

正如我在之前的两篇文章(《机器学习无处不在》和《为机器学习准备数据》)中写到的那样,机器学习正在以多种方式影响我们的生活。

为机器学习准备数据

当我去 Amazon.com 时,这家在线商店经常推荐我应该购买的产品。我知道我并不孤单,认为这些推荐可能相当诡异——通常它们是我已经在其他地方购买过的产品,或者是我正在考虑购买的产品。亚马逊是如何做到的?

机器学习无处不在

统计学领域通常声誉不佳。它被认为是困难、枯燥,甚至有点无用。我的许多朋友不得不在研究生院学习统计学课程,以便他们能够分析和报告他们的研究。对他们中的许多人来说,这些课程是一种书呆子气、令人厌烦的折磨。