本系列将利用阿里云容器服务，帮助您上手KubeflowPipelines.第一篇：在阿里云上搭建KubeflowPipelines第二篇：开发你的机器学习工作流第三篇：利用MPIJob运行ResNet101从上篇文章中，我们可以看到如何通过KubeflowPipeline运行单节点任务机器学习工作流，在本文中，我们会介...

转自：https://www.zhihu.com/question/41354392作者：wepon链接：https://www.zhihu.com/question/41354392/answer/98658997来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。最近赞忽然多了起来，我猜是...

##机器学习中常见的损失函数  一般来说，我们在进行机器学习任务时，使用的每一个算法都有一个目标函数，算法便是对这个目标函数进行优化，特别是在分类或者回归任务中，便是使用损失函数（LossFunction）作为其目标函数，又称为代价函数(CostFunction)。  损失函数是用来评价模型的预测值Y^=f(X)Y^=...

PCA(PrincipalComponentAnalysis)，即主成分分析方法，是一种使用最广泛的数据降维算法。PCA的主要思想是将n维特征映射到k维上，这k维是全新的正交特征也被称为主成分，是在原有n维特征的基础上重新构造出来的k维特征。PCA的工作就是从原始的空间中顺序地找一组相互正交的坐标轴，新的坐标轴的选择与...

 ...

 ...

奇异值分解是有着很明显的物理意义，将一个比较复杂的矩阵用更小更简单的几个子矩阵的相乘来表示，这些小矩阵描述的是矩阵的重要的特性，让机器学会抽取重要的特征，SVD是一个重要的方法。所以SVD不仅是一个数学问题，在工程应用方面很多地方都有其身影，如PCA，推荐系统、任意矩阵的满秩分解。1、特征值如果说一个向量v是方阵A的特...

1.cd/etc/ssh进入ssh目录下，然后ls列出文件列表，我的如下：　　moduli ssh_config sshd_config ssh_host_rsa_key ssh_host_rsa_key.pub ssh_import_id　　ssh_config是ss...

笔者浏览过很多论坛，远景、bios之家、本友会等包括我们的51nb论坛，从这些论坛的大量优秀帖子中受益匪浅，但也发现有些转贴多为人云亦云赚回帖的话题，这类话题通常会误人不浅，例如目前的win7硬刷2.1实现oem激活便是一个很多人追捧的话题，很多教程的步骤不明晰导致很多朋友刷黑，然后又会茫然无助的在网上寻求恢复办法，通...

　　　　目前机器学习可以说是百花齐放阶段，不过如果要学习或者研究机器学习，进而用到生产环境，对平台，开发语言，机器学习库的选择就要费一番脑筋了。这里就我自己的机器学习经验做一个建议，仅供参考。　　　　首先，对于平台选择的第一个问题是，你是要用于生产环境，也就是具体的产品中,还是仅仅是做研究学习用？　　　　如果平台是要用...

　　　　很多朋友想学习机器学习，却苦于环境的搭建，这里给出windows上scikit-learn研究开发环境的搭建步骤。　　　　python有2.x和3.x的版本之分，但是很多好的机器学习python库都不支持3.x，因此，推荐安装2.7版本的python。当前最新的python是2.7.12.链接如下：　　　　ht...

如果用一个词来形容概率图模型（ProbabilisticGraphicalModel）的话，那就是“优雅”。...

相比于监督学习，非监督学习的输入数据没有标签信息，需要通过算法模型来挖掘数据内在的结构和模式。非监督学习主要包含两大类学习方法：数据聚类和特征变量关联。其中，聚类算法往往是通过多次迭代来找到数据的最优分割，而特征变量关联则是利用各种相关性分析方法来找到变量之间的关系。01K均值聚类与分类问题不同，聚类是在事先并不知道任...

宇宙，是时间和空间的总和。时间是一维的，空间。。。maybe9or10维？降维，即用一个低维度的向量表示原始高维度的特征。常见的降维方法有主成分分析、线性判别分析、等距映射、局部线性嵌入、拉普拉斯特征映射、局部保留投影等。01PCA最大方差理论在机器学习领域中，我们对原始数据进行特征提取，有时会得到比较高维的特征向量。...

不忘初心,方得始终.01 支持向量机支持向量机（SupportVectorMachine，SVM）是众多监督学习方法中十分出色的一种，几乎所有讲述经典机器学习方法的教材都会介绍。关于SVM，流传着一个关于天使与魔鬼的故事。以下关于SVM的介绍很生动：传说魔鬼和天使玩了一个游戏，魔鬼在桌上放了两种颜色的球，如图...