能看懂这本书的,去AI公司年薪百万问题不大
深度学习流行的时期,他提出深度森林算法,通过构建多层决策树结构,实现了对数据特征的高效学习和自适应特征选择,同时具备良好的模型解释性和训练稳定性。周志华对于Boosting算法的探索和应用也取得了行业认可。针对该算法,他曾撰写的回顾类文章和演讲在网上获得好评。量化指标上,周志华学术影响力也很高。在谷歌学术页面...
决策树的复兴?结合神经网络,提升ImageNet分类准确率且可解释
他们提出了一种神经支持决策树「Neural-backeddecisiontrees」,在ImageNet上取得了75.30%的top-1分类准确率,在保留决策树可解释性的同时取得了当前神经网络才能达到的准确率,比其他基于决策树的图像分类方法高出了大约14%。BAIR博客地址:httpsbair.berkeley.edu/blog/2020/04/23/decisions/论文...
我国本土计算机学者向世界“科教输出”:周志华《西瓜书》上线英文...
和中文版相同,英文版“西瓜书”共16章,大致分为3个部分:第1部分(第1~3章)介绍机器学习的基础知识;第2部分(第4~10章)讨论一些经典而常用的机器学习方法(决策树、神经网络、支持向量机、贝叶斯分类器、集成学习、聚类、降维与度量学习);第3部分(第11~16章)为进阶知识,内容涉及特征选择与稀疏...
周志华的《机器学习》西瓜书出全新视频课啦!
为此我们专门开设了一场算法理论+实战结合最紧密的“机器学习”西瓜书训练营。周志华《机器学习》西瓜书训练营一算法推导过程详解《西瓜书》的学习顺序≠书本阅读顺序,我们重新由浅入深,排列学习顺序,加入算法公式的推导详解视频细化到每一步,让你彻底搞懂机器学习内在的每一个原理二比赛实战针对书本过于理论化...
周志华教授与他的森林书
病毒、蠕虫和木马。通过给代码一个合适的表示,Schultzetal.[2001]提出了一种集成学习方法用以自动检测以往未见的恶意代码。基于对代码的n-gram表示,Kolter&Maloof[2006]发现增强决策树(boosteddecisiontree)能够获得最优的检测效果,同时他们表示这种方法可以在操作系统中检测未知类型的恶意代码。
涵盖逻辑回归、贝叶斯算法,一本关于ML在线免费书籍,值得一读
周志华西瓜书(www.e993.com)2024年9月18日。近日,本科毕业于哈佛大学统计学与经济学专业、现任哈佛助教的DanielFriedman开放了他撰写的一本免费在线书籍《MachineLearningfromScratch》,该书从理论和数学上介绍了ML最常见算法(OLS、逻辑回归、朴素贝叶斯、决策树、boosts和神经网络等)的完整推论。