机器学习日报2015-08-18 Random Forest 与 GBDT 的异同 等30条

2015年8月19日 | By News | Filed in: News.

Source: http://ml.memect.com/archive/2015-08-18/long.html

Random Forest 与 GBDT 的异同

来自 @请叫我卫小华 好东西传送门整理

关键词:经验总结, 算法, 博客, 集成学习

最近看到一个群里有人讨论RF和GBDT异同,我就写了一篇 《Random Forest 与 GBDT 的异同 》 [1] @NLPJob @爱可可-爱生活 @好东西传送门 [嘻嘻][嘻嘻] [1] http://blog.csdn.net/wh137795233/article/details/47750151

阿里云发布人工智能平台DTPAI

来自 @阿里云 好东西传送门整理

关键词:深度学习, 算法, 行业动态, 特征工程

【阿里云发布人工智能服务DTPAI】8月18日,阿里云宣布推出国内首个人工智能平台“DTPAI”。开发者可通过简单拖拽的方式完成对海量数据的分析挖掘,以及对用户行为、行业走势等的预测。平台将集成阿里巴巴核心算法库,包括特征工程、大规模机器学习、深度学习等。

长微博图:http://ww4.sinaimg.cn/large/620c4763jw1ev6u4fl3coj213e4di4qr.jpg

神经机器翻译中的注意机制

来自 @闫安Jon 好东西传送门整理

关键词:算法, 自然语言处理, 机器翻译, 论文, 神经网络

[1508.04025] Effective Approaches to Attention-based Neural Machine Translation [1] 斯坦福NLP组比较了机器翻译中的注意机制,发现预测性的局部机制(对每个目标词生成源句中需注意的窗口及权重)效果突出。附带各种技术的8模型组合达到目前WMT14/15英德最佳水平。 [1] http://arxiv.org/abs/1508.04025

神经机器翻译中的注意机制

黄志恒的工作(NLP,语音识别,深度学习等)

来自 @iB37 好东西传送门整理

关键词:深度学习, 算法, CRF, 行业动态

微软深度学习开源工具包CNTK开发者、百度研究院主任结构师 [Huang,arXiv15] Bidirectional LSTM-CRF Models for Sequence Tagging 组合可捕捉过去和将来输入特征的双向LSTM和可捕捉句子级标签信息的CRF,最后再加入MaxEnt特征到网络输出层. 对词嵌入健壮 [1] 附: ASRU13并行RNNLM代码 [1] http://zhihenghuang.com/publication/

黄志恒的工作(NLP,语音识别,深度学习等)

Quora 是如何使用机器学习的?

来自 @伯乐在线官方微博 好东西传送门整理

关键词:经验总结, 博客

《Quora 是如何使用机器学习的?》很多朋友都应该用过 Quora (或知乎)吧,对于问答网站,会在哪些方面用上机器学习呢?大家可先想想看。[思考] Quora 工程副总将在本文分享他们使用的经验……全文: [1] ( @人墙裂 译,欢迎加入翻译组 [2] ) [1] http://blog.jobbole.com/89461/

[2] http://group.jobbole.com/category/feedback/trans-team/

Quora 是如何使用机器学习的?

完整版

点此链接查看全部30条:http://ml.memect.com/archive/2015-08-18/long.html


发表评论

邮箱地址不会被公开。 必填项已用*标注