这是一个创建于 3550 天前的主题，其中的信息可能已经有所发展或是发生改变。
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？
 | 1 Kilerd 2016-01-23 20:25:16 +08:00 keywords: 神经网络 遗传算法 |
 | 2 Mirana 2016-01-23 21:17:35 +08:00 通过数据修正模型 |
 | 5 MickeyZMJ 2016-01-23 23:35:01 +08:00 学 Python |
 | 7 em70 2016-01-24 00:08:36 +08:00 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 2016-01-24 00:13:27 +08:00 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 pangtianyu 2016-01-24 00:21:15 +08:00 @hunk 从 Caffe 入手吧 |
 | 10 cgcs 2016-01-24 01:06:10 +08:00 看看机器学习的教科书吧 |
 | 11 xyhs2010 2016-01-24 01:25:18 +08:00 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 2016-01-24 09:48:25 +08:00 神经网络分类算法 |
 | 13 udumbara 2016-01-24 11:08:32 +08:00 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 2016-01-25 08:54:53 +08:00 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