机器学习如果按照训练样本标签的有无可以分为以下两种常用方法。 有监督学习(supervised learning)和无监督学习(unsupervised learning)。

论文：DeepLink: A Deep Learning Approach for User Identity Linkage

从字面意思来理解的话，就是使得“机器”具有学习的能力，从而能够自主工作，解放人类生产力。

在开发机器学习解决方案时，需要清除的最大障碍一直是数据。像ImageNet和COCO这样的大规模、干净、完全注释的数据集并不容易获得，特别是对于小众任务。这在深度学习中尤其如此，而且随着深度学习的日益普及，这种情况会越来...

今天给大家介绍的是德州农工大学Xuxi Chen等人在ICML2020上发表的一篇名为“Self-PU: Self Boosted and Calibrated Positive-Unlabeled Training”的文章。许多现实世界的应用领域必须解决Positive-Unlabeled (PU) l...

TabNet: Attentive Interpretable Tabular Learning(ArXiv2020)

十方之前说过，阿里已经把序列化推荐做到极致了。其实除了阿里，其他大厂也在序列化方向上做了不少研究，废话不多说，我们直接看美团这篇《S3-Rec: Self-Supervised Learning for Sequential Recommendation with Mutual Inf...

机器学习三大主要分支：监督学习、无监督学习和半监督学习。对于监督学习，根据目标数据类型的不同分为二大核心任务：分类和回归。其中分类指目标数据为离散型变量，回归指目标数据为连续型变量。对于回归分析方法，本文主要介...

“Machine Learning System Design:——Prioritizing what to work on: Spam classification example”

但大家都同意的是，目前的人工智能系统与人类的智力相去甚远。直接表现是：AI只在特定任务中表现优异，无法将其能力扩展到其他领域。