人工智能中文网
  • 主页
  • 线代考研视频
  • 线性代数
  • Python机器学习与算法
  • 大数据与机器学习
  • Python基础入门教程
  • 人工智能中文网
    教程目录
    阅读:

    推荐系统和深度学习,机器学习研究热门方向

    < 上一篇:无监督学习算法 下一篇:没有了 >
    在机器学习算法中,除了按照上述的分类将算法分成监督学习和无监督学习外,还有其他的一些分类方法,如按照算法的功能,将算法分成分类算法、回归算法、聚类算法和降维算法等。随着机器学习领域的不断发展,出现了很多新的研究方向,推荐算法和深度学习是近年来研究较多的方向

    推荐系统

    随着信息量的急剧扩大,信息过载的问题变得尤为突出,当用户无明确的信息需求时,用户无法从大量的信息中获取到感兴趣的信息,同时,信息量的急剧上升也导致了大量的信息被埋没,无法触达一些潜在用户。推荐系统(Recommendation System,RS)的出现被称为连接用户与信息的桥梁,一方面帮助用户从海量数据中找到感兴趣的信息,另一方面将有价值的信息传递给潜在用户。

    在推荐系统中,推荐算法起着重要的作用,常用的推荐算法主要有:协同过滤算法基于矩阵分解的推荐算法基于图的推荐算法

    深度学习

    传统的机器学习算法都是利用浅层的结构,这些结构一般包含最多一到两层的非线性特征变换,浅层结构在解决很多简单的问题上效果较为明显,但是在处理一些更加复杂的与自然信号的问题时,就会遇到很多问题。

    随着计算机的不断发展,人们尝试使用深层的结构来处理这些更加复杂的问题,但是,同样也遇到了很多的困难,直到2006年,Hinton等人提出了逐层训练的概念,深度学习又一次进入了人们的视野,数据量的不断扩大以及计算机计算能力的增强,使得深度学习技术成为可能。在深度学习中,常用的几种模型包括:
    • 自编码器模型,通过堆叠自编码器构建深层网络;
    • 卷积神经网络模型,通过卷积层与采样层的不断交替构建深层网络;
    • 循环神经网络。
    < 上一篇:无监督学习算法 下一篇:没有了 >