机器学习
机器学习
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。...(more)
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。

问题

银行机器学习·2019-09-11
zftang · 小白一枚 擅长领域:数据库, 云计算, 服务器
65 会员关注
1获取更多数据2处理缺失值和异常值3特征工程4特征选择5多种算法6算法调试7集成方法8交叉验证
银行机器学习·2019-09-11
victorylee · 浪潮商用机器有限公司 擅长领域:人工智能, 机器学习, 服务器
113 会员关注
高维存在很多问题,就如同人是三维生物,很难想象四维空间是什么样的。 高维度数据也存在很多问题,例如数据的稀疏性,任何2个数据之间的距离都很远,要知道很多模型是基于距离设计的,这些模型的效果会大大减弱。但这是一个普遍的问题, 所以解决方法也很多,例如使用算法将数据降维到...
银行机器学习·2019-09-11
zhuqibs · Adidas 擅长领域:云计算, 服务器, 存储
58 会员关注
根据企业的实际情况进行对接,切忌为了上机器学习而上机器学习,要放在合适的地方
银行机器学习·2019-09-10
hym38 · 某银行 擅长领域:大数据, 人工智能, 安全
14 会员关注
1、模型与规则的组合是通过将模型评分作为规则的一部分 来实现的。如原来的规则是“条件A>10“,和模型评分组合后,则变成“条件A>10 且 评分 > 某个阈值”。当然,每一个规则中的模型评分阈值需要不断的调试并最终确定。2、第二个问题不大理解,是对比如“最近五...
保险流式计算·2019-08-02
zftang · 小白一枚 擅长领域:数据库, 云计算, 服务器
65 会员关注
python的文件空间可以同时载入多个模型
银行大数据·2019-07-22
haohaopku · 某银行 擅长领域:大数据, 大数据平台, 人工智能
目前银行业很早已经认识到大数据的重要性,利用开源的技术组件来建立大数据平台整合行里的数据资源,从而进一步挖掘数据的内涵价值,支持银行业务。目前本人身处商业银行,所以我只能谈谈商业银行大数据平台推进和落地的大致情况。大数据平台在大中型商业银行已经落地开花,相应的...
证券GPU·2019-06-18
dean25课题专家组 · 民生银行 擅长领域:云计算, 容器, 容器云
25 会员关注
现有的Nvidia docker和K8S驱动,已经支持GPU的共享,但是QoS做的并不好,也就是无法确保分配给某个容器的GPU资源不被其它容器抢占。这个需要GPU厂商做出更多努力和改进,最终的目标是做到像CPU虚拟化那样的QoS保证。...
银行银行智能运维平台·2019-04-18
pysx0503联盟成员 · 第十区。散人 擅长领域:存储, 服务器, 备份
748 会员关注
对于生产系统。特别是重要生产系统。我觉得只能运维的故障处置一定要谨慎再谨慎,处置应该局限在一些重复性的。切操作结果明确的处置上。对于带有风险性的处置,人工介入我觉得是必要的。我觉得可以是只能运维系统判定。对于简单无风险的处置可以发送通知到手机端,有风险的则...
银行机器学习·2019-04-18
cherrylook · 中国人寿保险集团 擅长领域:机器学习, 人工智能, 系统运维
66 会员关注
算法选择方面首先需要按照已知的监控数据的特性和目标进行大类的划分,前期对数据的摸底和基础分析非常重要。机器学习的目的大致分为回归、分类和聚类这几种,又可以根据有无异常或其他评分标签使用有监督或者无监督的算法。算法的优劣比较较为偏重理论性,建议针对特定的场景...
银行机器学习·2019-04-18
pysx0503联盟成员 · 第十区。散人 擅长领域:存储, 服务器, 备份
748 会员关注
个人的一点看法。现在的x86架构服务器性价比很高。一个中小规模的集群架构。10-20台左右的物理主机已经可以运行很多东西了。对于中小企业。我觉得基础数据的采集,挖掘是重点。如何去收集更多的基础数据。行业数据作为分析。形成可以实际用于企业生产决策的指导性数据才是...

描述

机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。...(more)
机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。它是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域,它主要使用归纳、综合而不是演绎。
X社区推广
  • 提问题