Tag: 机器学习

我如何find与Python的Wally？: 无耻地跳上了潮stream:-) 启发如何findWaldo与Mathematica和后续如何find与R的Waldo ，作为一个新的Python用户，我很想看看如何做到这一点。似乎python会比R更适合这个，我们不必担心像Mathematica或Matlab那样的许可证。在下面的例子中，显然简单地使用条纹是行不通的。如果一个简单的基于规则的方法可以用于这样的困难例子，那将是有趣的。我已经添加了[机器学习]标签，因为我相信正确答案将不得不使用ML技术，例如Gregory Klopper在原始主题中提倡的限制玻尔兹曼机（RBM）方法。 Python中有一些可用的RBM代码，可能是一个很好的开始，但显然这种方法需要训练数据。在2009年IEEE国际信号处理机器学习研讨会（MLSP 2009）上，他们进行了一个数据分析竞赛：Wally在哪里？。训练数据以matlab格式提供。请注意，该网站上的链接已经失效，但数据（以及Sean McLoone及其同事所采取的方法的来源可以在这里find（请参阅SCM链接）。似乎只有一个地方可以开始。

有没有一个推荐的软件包在Python机器学习？: 有没有一个推荐的软件包在Python机器学习？我有以前在C ++和MATLAB中实现各种机器学习和统计algorithm的经验，但是在Python中做了一些工作，我对Python的可用包感到好奇。

线性回归和逻辑回归有什么区别？: 当我们必须预测分类结果的价值时，我们使用逻辑回归。我相信我们使用线性回归来预测给定input值的结果的价值。那么，这两种方法有什么区别呢？

我如何build立一个模型来区分关于苹果（公司）的推文与关于苹果（水果）的推文呢？: 请参阅以下50条关于“苹果”的推文。我手上标有关于苹果公司的正面匹配，他们在下面标记为1。这里有几行： 1|“@chrisgilmer: Apple targets big business with new iOS 7 features http://bit.ly/15F9JeF ”. Finally.. A corp iTunes account! 0|“@Zach_Paull: When did green skittles change from lime to green apple? #notafan” @Skittles 1|@dtfcdvEric: @MaroneyFan11 apple inc is searching for people to help and tryout all their upcoming tablet within our own net page No. […]

如何将数据集划分为训练集和validation集有一个经验法则吗？: 如何最好地将数据划分为训练集和validation集，是否有一个经验法则？甚至50/50分割是可取的？或者有更多的训练数据相对于validation数据有明显的优势（反之亦然）？或者是这个select非常依赖于应用程序？我一直在分别使用80％/ 20％的培训和validation数据，但是我没有任何原则性地select这个部门。能有机会学习更有经验的人给我build议吗？

机器学习在游戏AI: 在过去的游戏中，我敢肯定，简单的开关/案例陈述（从某种意义上来说）对于大部分“AI”游戏来说都可以做到。然而，随着游戏越来越复杂，特别是在3D飞跃中，需要更复杂的algorithm。我的问题是，在这个游戏AI中使用的实际机器学习algorithm（如强化学习）？还是那个大多还只是在大学的研究项目中（我曾经接触过）？如果不是真正的机器学习algorithm，那么什么是驱动商业游戏AI的尖端？它是简单高度复杂的，但是能够覆盖大多数可能性的静态（非ML）algorithm？如果是这样，使用什么样的实际algorithm？我一直很好奇，谢谢！编辑：思考一下后，我可以进一步澄清一下。游戏中的代理人如何做出决定？如果他们没有实时使用实际的学习algorithm，那么可能是在开发阶段用来产生模型（静态algorithm）的学习algorithm，然后用这个模型在游戏中做出决策？或者是某种意义上的手动编码决策的静态algorithm？

在pip中找不到张量stream: 我正试图安装tensorflow pip install tensorflow –user Collecting tensorflow Could not find a version that satisfies the requirement tensorflow (from versions: ) No matching distribution found for tensorflow 我究竟做错了什么？到目前为止，我已经使用Python和点子，没有问题。

为什么一个热门编码可以提高机器学习性能？: 我注意到，当一个热门编码被用在一个特定的数据集（一个matrix）上，并用作学习algorithm的训练数据时，与使用原始matrix本身作为训练数据相比，它在预测准确性方面显示了更好的结果。这种性能如何增长？

何时使用遗传algorithm与什么时候使用neural network？: 是否有经验法则或一组例子来确定何时使用遗传algorithm与何时使用neural network来解决问题？我知道有些情况下可以混合使用这两种方法，但是我正在寻找两种方法之间的高层次推理。