C++与python在机器学习方面的不同
问 题 如题，用C++来机器学习与用python有什么不同，有人说是线上与线下的差别，其实我还是有点模糊，本人刚入机器学习，主要学习语言是C++，希望这方面的前辈解答下疑惑。 解决方案 python 主要起一种胶水语言的作用，模块底层使用c或c++进行编写，一般直接使用c++框架，python在算法测试和数据处理等方面效果很好
..
机器学习相关内容
c++ - shark或者mlpack怎么配置使用啊
问 题 最近准备使用C++学习机器学习，别让我用py，真的不喜欢，不过C++方面的机器学习真的很少啊，google了好久找到这两个C++机器学习库，但是没找到配置的方法，而且即使配置好，又怎么用，那么多函数，怎么就找不到一点资料呢？求分享啊，拜托拜托。 解决方案 这俩框架不都有文档吗，看文档啊 http://image.diku.dk/shark/sp... http:/
..
算法 - 关于Python嵌套循环代码优化
问 题 用Python实现K-means算法时候，要计算随机两个数之间的欧氏距离，数据量为5000行，但计算的时间却有500多秒，不知道有什么能优化，求指教，代码如下 循环 for i in range(len(data)): # 计算任意两点距离和 for j in range(i+1, len(data)): random_sum += ed_rel
..
机器学习 - 聚类算法的实际应用
问 题 聚类算法在实际项目中都应用在哪些方面？ 解决方案 能想到的场景或接触到的场景如下。 用户分类运营。一般情况下，运营给的分类标准比较多，比如RFM模型中就有三个变量，如果穷举所有变量为0，1也有8种。在一些线下或者个性化要求不高的场景中，聚类就是一个很好的策略，可以根据运营能接受的运营数目，给定聚类数来使用聚类。完成后为每个结果标注变量的大小，告诉运营每个类别的属性，
..
python - 机器学习实战代码中的.split函数与.strip函数疑惑
图1是学习到机器学习实战2.2.1节时，knn.py中需要的所有代码。图二是要处理的数据集合，可以看到有4列，行数很多。我的疑问是图三中33行与34行代码，既然用strip函数处理了每行的数据，那每行的空格和分行符都被去掉了，我认为经过33行代码处理后，第一行就变成了409208.3269760.9539523这个样子，这个样子的话split没办法进行划分啊？split是为了将每行中每一列的数据进
..
python - sklearn的决策树模型能不能处理多类特征呢？
问 题 比如有一个特征，喜欢的运动 小明喜欢足球 小花喜欢足球和篮球 小白喜欢篮球 喜欢的运动 小明 足球 小花 篮球和足球 小白 篮球 那么这个该怎么存呢？向量还是数组？ 在官网没有找到，只找到一个向量，看了一下感觉又不太像，没看太懂 sklearn.feature_extraction.DictVectorizer 求大神指点！ 解决方案
..
机器学习 - 有哪些关于ensemble模型相关的经典论文？Stacking、Boosting和Bagging各有什么优缺点？
问 题 有哪些关于ensemble模型相关的论文？Stacking、Boosting和Bagging各有什么优缺点？ 解决方案 推荐南京大学周志华老师的一篇综述文章：Ensemble methods: foundations and algorithms 里面对各种ensemble模型的原理、优缺点都有很好的分析，如果想读原始论文，可以看每一章后面further readi
..
算法 - 机器学习的书籍里，那一本书既有一定综合性，又适合入门？
问 题 大家来说说自己印象最深的书籍也行 解决方案 感觉就是西瓜书了，机器学习实战也不错，正在看
..
机器学习 - 深度学习中Dropout方法的目的是什么？
问 题 深度学习中Dropout方法的目的是什么？ 解决方案 简单说就是作为一种正则化手段，防止模型过拟合。 深入了解可以读原始论文：Dropout: a simple way to prevent neural networks from overfitting.
..
python - 使用TensorFlow创建逻辑回归模型训练结果为nan
在TensorFlow中，我想创建一个逻辑回归模型，代价函数如下： 使用的数据集截图如下： 我的代码如下： train_X = train_data[:, :-1] train_y = train_data[:, -1:] feature_num = len(train_X[0]) sample_num = len(train_X) print("Size of train_X:
..
html - 能否实现网页内容的模式识别？
问 题 问题可能不够准确。我假设几个网站作为说明。 存在A B C 三个网站，他们都是卖书的。都有一个列表展示每本书的数据。 比如名称，价格，作者，日期等。 这几个网站对一本书的各数据的元素id，排序，数量可能都有区别。 有没一种办法，能避开这种差异，获得干净的数据？ 各位大佬球指点 听上去只有机器学习才是我唯一可行的方法的？ 看来也没别的太神奇方法，只能尝试机
..