@zhuanxu 2018-02-08T07:37:28.000000Z 字数 19 阅读 1244

样本不均衡的常用处理方法

机器学习 how

- - BM 1
  - 进击算法：字符串匹配的 BM 算法
- - CTR 1
  - CTR 预估之 FM
- - EM 1
  - EM算法的9重境界之前两重
- - IO 1
  - Java IO
- - JavaEE开发的颠覆者SpringBoot实战 3
  - 第3章：注释配置
  - 第2章：spring 依赖
  - 第1章：Spring 基础
- - Java并发编程原理与实战 1
  - 一、基础概念
- - Spring 1
  - Spring 扩展分析
- - algorithm 1
  - 动态规划
- - algorithms-on-graphs 3
  - algorithms-on-graphs：graph basics 笔记三
  - algorithms-on-graphs：graph basics 笔记二
  - algorithms-on-graphs：graph basics 笔记一
- - bm25 1
  - 经典检索算法：BM25原理
- - boost 3
  - boosting 3大算法总结
  - adaboost 原理
  - Boosting原理
- - c++ 1
  - 对象生命周期管理
- - c++11 1
  - C++11 随机数生成器
- - cnn 2
  - 卷积神经网络进阶
  - 卷积神经网络
- - dnn 1
  - 神经网络基础知识
- - fast-ai 2
  - 深度学习实战第四课
  - 深度学习实战第二课
- - gibbs 1
  - 贝叶斯统计：Gibbs sampling 原理到实践
- - how 1
  - 样本不均衡的常用处理方法
- - java 2
  - java 并发编程基础
  - Java IO
- - java-知识点 1
  - 在java中产生随机数
- - lda 1
  - 贝叶斯统计：Gibbs sampling 原理到实践
- - lr 1
  - Cyclical Learning Rates for Training Neural Networks
- - one-hot 1
  - 为什么要做one-hot
- - spring-boot 10
  - Attack-spring-boot-3：深入理解 Application Context
  - Attack-spring-boot-3-1：统一资源定位
  - Attack-spring-boot-2：spring-boot 配置解析
  - Attack-spring-boot-1：spring-boot 零起步笔记
  - spring boot web 三两事
  - spring boot 运行流程分析
  - spring boot 扩展分析
  - Spring boot 事件监听
  - Spring Boot @EnableAutoConfiguration 深入分析
  - Spring boot Enable 注解
- - spring-data-jpa-系列教程 4
  - spring data jpa 系列教程四：实体类的关系
  - spring data jpa 系列教程三：定义实体类
  - spring data jpa 系列教程二：使用入门
  - spring data jpa 系列教程一：orm常用设计模式
- - svm 1
  - 如何手推“支持向量机”
- - web 1
  - spring boot web 三两事
- - why 1
  - 为什么要做one-hot
- - xgboost 1
  - xgboost 库使用入门
- - 信息检索 1
  - 经典检索算法：BM25原理
- - 公开资料 1
  - 个人介绍
- - 分布式系统 3
  - 实战：基于 docker 的 HA-hadoop 集群搭建
  - GFS 原理深入浅出
  - ZooKeeper 设计原理
- - 区块链 1
  - 区块链及比特币入门指南（来自高可用架构）
- - 吴恩达 1
  - 吴恩达 Coursera 第二课记录
- - 多标签分类 1
  - 记:多标签分类问题
- - 大数据 1
  - 深入浅出kafka
- - 并发编程 1
  - java 并发编程基础
- - 拾遗 1
  - pagerank 算法快速入门
- - 推荐系统 4
  - 基于隐变量的推荐模型
  - 深入浅出推荐系统之简单推荐模型
  - 推荐系统算法之surprise实战
  - 推荐系统之用户行为分析
- - 文本挖掘 1
  - 主题模型：LDA 数学基础
- - 机器学习 12
  - boosting 3大算法总结
  - adaboost 原理
  - 样本不均衡的常用处理方法
  - 如何手推“支持向量机”
  - 主题模型：LDA 数学基础
  - 记:多标签分类问题
  - 推荐系统算法之surprise实战
  - EM算法的9重境界之前两重
  - 为什么要做one-hot
  - 经典检索算法：BM25原理
  - Boosting原理
  - xgboost 库使用入门
- - 点击率预估 1
  - CTR 预估之 FM
- - 神经网络 1
  - Hopfield 网络
- - 论文笔记 1
  - Cyclical Learning Rates for Training Neural Networks
- - 贝叶斯 3
  - 贝叶斯统计：Gibbs sampling 原理到实践
  - 贝叶斯推断：Metropolis-Hastings 采样
  - 贝叶斯统计：初学指南
- 以下【标签】将用于标记这篇文稿：

添加新批注

在作者公开此批注前，只有你和作者可见。

私有
公开
删除

回复批注

样本不均衡的常用处理方法

内容目录