机器学习日报 2015-06-10 正态分布;Project Oxford; 分词评测;Ensemble Decision Tree;高效数据降维库
机器学习日报 2015-06-10[*]漫谈正态分布的生成 @统计之都
[*]Project Oxford(牛津计划)中文网站 @微软研发
[*]NLPCC 2015 分词评测 @邱锡鹏
[*](Kaggle)Ensemble Decision Tree方法实例代码 @爱可可-爱生活
[*](C++)高效数据降维(可视化)库Tapkee @爱可可-爱生活
@好东西传送门 出品, 过往目录 见http://ml.memect.com
订阅：给 hao@memect.com 发封空信， 标题: 订阅机器学习日报
邮件版包括20条，本期的Web版有完整内容34条，可按话题分类过滤查看
用日报搜索找到以前分享的内容： http://ml.memect.com/search/今日焦点 (5)
http://tp2.sinaimg.cn/1869170057/50/1294711581/1 统计之都 网页链接 2015-06-10 11:04
数据科学
都说数据科学家最喜欢正太，啊不是，正态分布了，那么你知道正态分布的随机数都是怎么生成出来的吗？在COS主站的最新文章http://t.cn/R20TN5B 里，作者为我们展示了各种花式生成正态分布的方法，而且每一种方法的背后都蕴含了一项概率统计中的重要定理和结论，非常值得一读。
http://ww2.sinaimg.cn/large/6f694589gw1esytds9a6dj20mn0h3abx.jpg
http://tp1.sinaimg.cn/2841943860/50/40009486090/1 微软研发 网页链接 2015-06-10 17:29
视觉 自然语言处理
#智造未来#Project Oxford(牛津计划)中文网站已经上线。牛津计划提供一组API和SDK工具包，帮助开发者轻松使用微软的自然语言理解能力为自己的解决方案增加智能服务。#how-old.net#最初就是为演示用人脸识别API轻松快捷地开发智能应用，现在您也可以轻松开发自己的酷炫应用！详情：http://t.cn/R2wut0a
http://ww1.sinaimg.cn/large/a9649f34gw1esz4i5otxtj20zo0ca77u.jpg
微软研发 网页链接 转发于2015-06-10 18:31
【Face APIs（人脸识别）】想让你的应用轻松识别用户照片？想在应用中添加面部认证登陆功能？没问题，微软牛津计划为您的应用提供最先进的人脸算法支持。Face APIs不仅能实现how-old.net中检测并识别人脸特征点、姿势、性别、年龄等属性的功能，还可实现人脸验证、相似人脸搜索、人脸分组和人脸辨识。
http://tp4.sinaimg.cn/1891924883/50/5690005969/1 邱锡鹏 网页链接 2015-06-10 13:01
会议活动 自然语言处理 NLPCC 会议 教育网站
#NLPCC 2015 分词评测# 这次分词评测的数据可通过下面网址获取。http://t.cn/R24yEwz 。对于这次没来得及报名，并且希望测试自己技术水平的老师、同学或者公司，可以进行在线评测。并欢迎提供建议。
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-06-10 08:42
算法 Kaggle Python 分类 集成学习
【(Kaggle)Ensemble Decision Tree方法实例代码】XGBoost:http://t.cn/R200NvGRF&GBM:http://t.cn/R200NvU RF:http://t.cn/R200Nv4
http://tp2.sinaimg.cn/1402400261/50/5713579194/1 爱可可-爱生活 网页链接 2015-06-10 06:48
资源 Jeroen Janssens 书籍 代码 可视化
【(C++)高效数据降维(可视化)库Tapkee】支持命令行数据处理 http://t.cn/Rwuf32g GitHub:http://t.cn/R20osMEJeroen Janssens的推介文章《Dimensionality reduction at the command line》http://t.cn/R20osMupdf:http://t.cn/R20osM3
http://ww1.sinaimg.cn/large/5396ee05jw1esylq5yx6oj207f0cy751.jpg
phunter_lau 网页链接 转发于2015-06-10 06:54
高级啊，scikit learn的太慢了
页:
[1]