Should've stayed that way, arguably
I've heard that the most widely used learning algorithm at Google before deep learning took over was naive Bayes. (Why? Simplicity, scalability, and the power is in the features.)
-
-
Kiitos. Käytämme tätä aikajanasi parantamiseen. KumoaKumoa
-
-
-
As the name implies... nãive :-)
Kiitos. Käytämme tätä aikajanasi parantamiseen. KumoaKumoa
-
-
-
So I was not that off by guessing logistic regression.
-
, maybe on a serious note probably a lot more explainable to stakeholders/investors on what the algo is actually doing?(Less Black Box)
Keskustelun loppu
Uusi keskustelu -
-
-
Depends a lot on what you mean by “most widely used”.
Kiitos. Käytämme tätä aikajanasi parantamiseen. KumoaKumoa
-
-
-
Feature engineering still has a place in ML.
Kiitos. Käytämme tätä aikajanasi parantamiseen. KumoaKumoa
-
-
-
It was always useful for spam filters, of course
Kiitos. Käytämme tätä aikajanasi parantamiseen. KumoaKumoa
-
-
-
It's quite convenient that you can implement it with a mapreduce.
Kiitos. Käytämme tätä aikajanasi parantamiseen. KumoaKumoa
-
-
-
Bayes explains a lot of things in the universe.
Kiitos. Käytämme tätä aikajanasi parantamiseen. KumoaKumoa
-
-
-
Yes genius.
Kiitos. Käytämme tätä aikajanasi parantamiseen. KumoaKumoa
-
Lataaminen näyttää kestävän hetken.
Twitter saattaa olla ruuhkautunut tai ongelma on muuten hetkellinen. Yritä uudelleen tai käy Twitterin tilasivulla saadaksesi lisätietoja.