•机器学习基础第3页

机器学习基础-最大似然估计-贝叶斯模型

什么是参数？在机器学习中，我们经常使用一个模型来描述生成观察数据的过程。例如，我们可以使用一个随机森林模型来分类客户是否会取消订阅服务（称为流失建模），或者我们可以用线性模型根据公司的广告支出来预测公司的收入（这是一个线性回归的例子）。每个模型都包含自己的一组参数，这些参数最终定义了模型本身。我们可以把线性模型写成y=mx+c的形式。在广告预测收入的例子中，x可以表示广告支出，y是产生的收入。m和

糖糖糖-豆·2023-11-24 18:27

Coursera | Andrew Ng (02-week-1-1.3)—机器学习基础

该系列仅在原课程基础上部分知识点添加个人学习笔记，或相关推导补充等。如有错误，还请批评指教。在学习了AndrewNg课程的基础上，为了更方便的查阅复习，将其整理成文字。因本人一直在学习英语，所以该系列以英文为主，同时也建议读者以英文为主，中文辅助，以便后期进阶时，为学习相关领域的学术论文做铺垫。-ZJCoursera课程|deeplearning.ai|网易云课堂转载请注明作者和出处：ZJ微信公众

ZJ_Improve·2023-11-23 19:57

用通俗易懂的方式讲解：NLP 这样学习才是正确路线

文章目录1、自然语言处理概述技术提升2、自然语言处理入门基础2.1数学基础2.2语言学基础2.3Python基础2.4机器学习基础2.5深度学习基础2.6自然语言处理的理论基础3、自然语言处理的主要技术范畴

深度学习算法与自然语言处理·2023-11-22 22:23

python自学入门书籍推荐-推荐python机器学习实践的书籍？

周志华老师的《机器学习》这本书作为该领域的入门教材，在内容上涵盖机器学习基础知识的很多方面。全书

weixin_37988176·2023-11-22 02:59

【学习笔记】机器学习基础--逻辑回归

系列文章目录【第一章原理】【学习笔记】机器学习基础--线性回归_一无是处le的博客-CSDN博客【第一章代码解释】【线性回归】原生numpy实现波士顿房价预测_一无是处le的博客-CSDN博客【第三章】

一无是处le·2023-11-22 01:23

机器学习基础(三): 模型评估与选择 - 方差与偏差

前言本笔记是笔者学习西瓜书所做笔记，转载请附本文链接及作者信息。有问题欢迎在交流区探讨学习，QQ：761322725码字不易，好心人随手点个赞机器学习中如何考量算法模型的泛化能力是非常重要的内容，影响着模型在实际环境下的使用。偏差-方差分解工具(bias-variancedecomposition)是解释模型泛化能力的重要工具符号定义:测试样本:训练集:基于训练集得到的模型对测试集的预测结果：样本

阿瑟_TJRS·2023-11-21 21:16

【Python百宝箱】探索数据科学的瑞士军刀：Python机器学习库大揭秘

从传统的机器学习基础库到深度学习框架，从数据处理和可视化到自然语言处理和计算机视觉，我们将一一探讨这些工具的重要性以及如何使用它们构建强大的应用。

friklogff·2023-11-20 19:16

三、机器学习基础知识：Python常用机器学习库（中文文本分析相关库）

文章目录1、Jieba库1.1主要函数1.2词性标注1.3关键词提取2、WordCloud库2.1常见参数2.2词云绘制文本分析是指对文本的表示及其特征的提取，它把从文本中提取出来的特征词进行量化来表示文本信息，经常被应用到文本挖掘以及信息检索的过程当中。1、Jieba库在自然语言处理过程中，为了能更好地处理句子，往往需要把句子拆分成一个一个的词语，这样能更好地分析句子的特性，这个过程就称为分词。

七层楼的疯子·2023-11-20 18:29

三、机器学习基础知识：Python常用机器学习库（图像处理相关库）

文章目录1、OpenCV1.1窗口操作函数1.2图像处理1.3图像捕获与人脸检测2、PIL2.1主要函数2.2表情图像合成2.3手写数字转换2.4滤波查找图像边缘1、OpenCVOpenCVPython是一个用于解决计算机视觉问题的Python库，是用基于C++实现的OpenCV构成的Python包。OpenCVPython和Numpy兼容，数据都被转换成Numpy数据结构，这使得OpenCV更容

七层楼的疯子·2023-11-20 18:50

人工智能导论网课笔记——第二章机器学习基础

第一章绪论1.1操作系统的基本概念1.1.1计算机硬件的基本组成（冯~诺伊曼模型），由运算器，存储器，控制器，输入设备，输出设备组成。引入操作系统的目的：提供一个计算机用户与计算机硬件系统之间的接口，有效控制和管理计算机系统中的各种硬件和软件资源，合理组织计算机系统的工作流程，以改善系统性能。1.1.2操作系统的概念用户观点：根据用户所使用的计算机的不同而设计不同类型的操作系统。系统观点（资源管理

Harzer·2023-11-20 07:44

机器学习-分类与回归的联系与区别

1.前言在学习完机器学习基础之后，对分类和回归之前的联系和区别还有一点困惑，通过知识重新回顾学习，对二者的关系有了进一步了解。2.分类和回归是做什么的？

张志翔的博客·2023-11-19 11:37

机器学习基础(5)-Python3函数

Python3函数函数是组织好的，可重复使用的，用来实现单一，或相关联功能的代码段。函数能提高应用的模块性，和代码的重复利用率。你已经知道Python提供了许多内建函数，比如print()。但你也可以自己创建函数，这被叫做用户自定义函数。定义一个函数你可以定义一个由自己想要功能的函数，以下是简单的规则：函数代码块以def关键词开头，后接函数标识符名称和圆括号()。任何传入参数和自变量必须放在圆括号

小卢子_1093·2023-11-19 10:06

机器学习第4天：模型优化方法—梯度下降

文章目录前言梯度下降原理简述介绍可能的问题批量梯度下降随机梯度下降基本算法存在的问题退火算法代码演示小批量梯度下降前言若没有机器学习基础，建议先阅读同一系列以下文章机器学习第1天：概念与体系漫游-CSDN

Nowl·2023-11-19 00:20

【机器学习基础】对数几率回归（logistic回归）

为梦而生~·2023-11-18 18:02

机器学习基础之《回归与聚类算法（7）—无监督学习K-means算法》

一、什么是无监督学习1、没有目标值—无监督学习一家广告平台需要根据相似的人口学特征和购买习惯将美国人口分成不同的小组，以便不同的用户采取不同的营销策略。Airbnb需要将自己的房屋清单分组成不同的社区，以便用户能更轻松地查阅这些清单（对房屋进行分类）。一个数据科学团队需要降低一个大型数据集的维度的数量，以便简化建模和降低文件大小（比如PCA降维）。二、无监督学习包含算法1、聚类K-means（K均

csj50·2023-11-18 17:13

机器学习基础之《回归与聚类算法（8）—回归与聚类算法小结》

线性回归线性模型线性关系：y=w1x1+w2x2+...+wnxn+b损失函数最小二乘法/均方误差优化损失正规方程LinearRegression梯度下降SGDRegressor模型评估均方误差过拟合和欠拟合过拟合：模型过于复杂正则化L1正则化LASSOL2正则化（更常用）Ridge欠拟合：模型过于简单增加数据、特征岭回归正则化力度Ridge()逻辑回归分类输入：线性回归的输出激活函数：sigmo

csj50·2023-11-18 17:42

【机器学习Python实战】线性回归

后面的内容会越来越有意思~⭐内容说明：本专栏主要针对机器学习专栏的基础内容进行python的实现，部分基础知识不再讲解，有需要的可以点击专栏自取~往期推荐（机器学习基础专栏）：【机器学习基础】机器学习入门

为梦而生~·2023-11-18 17:08

机器学习基础之《回归与聚类算法（6）—模型保存与加载》

一、背景现在我们预测每次都要重新运行一遍模型。完整的流程应该是不断调整阈值重复计算。当训练或者计算好一个模型之后，那么如果别人需要我们提供结果预测，就需要保存模型（主要是保存算法的参数）。二、sklearn模型的保存和加载API1、importjoblib保存：joblib.dump(rf,"test.pkl")rf：是预估器estimatortest.pkl：是保存的名字将预估器序列化保存在本地

csj50·2023-11-18 17:32

【机器学习基础】多元线性回归（适合初学者的保姆级文章）

为梦而生~·2023-11-17 03:45

【机器学习基础】一元线性回归（适合初学者的保姆级文章）

为梦而生~·2023-11-17 03:44

【赠书第4期】机器学习与人工智能实战：基于业务场景的工程应用

文章目录前言1机器学习基础知识2人工智能基础知识3机器学习和人工智能的实战案例4总结5推荐图书6粉丝福利前言机器学习与人工智能是当前最热门的领域之一，也是未来发展的方向。

EmotionFlying·2023-11-14 15:46

【机器学习基础】机器学习的基本术语

为梦而生~·2023-11-14 13:33

【机器学习基础】机器学习入门（1）

个人主页：为梦而生~关注我一起学习吧！专栏：机器学习欢迎订阅！后面的内容会越来越有意思~专栏介绍：本专栏的第一篇文章，当然要介绍一下了~来说一下这个专栏的开设动机和主要内容⭐️作为人工智能专业的学生，我老早之前就想要记录一下人工智能的学习，但是由于太忙一直没时间（现在也很忙），现在正好各种课要结课并且有各种课程设计，借着这次机会开一个专栏，后面可能也没时间了。⭐️内容安排：这个专栏主要讲解机器学习

为梦而生~·2023-11-14 13:02

【机器学习基础】机器学习入门（2）

为梦而生~·2023-11-14 13:49

机器学习基础概念

大家好，我是一名正在学习机器学习的小白，最近在写一些关于机器学习基础概念的文章。如果你也对机器学习感兴趣，或者想要了解一些基础知识，欢迎来关注我哦！

浩茫·2023-11-11 22:51

【机器学习基础】(二)：理解线性回归与梯度下降并做简单预测

预测从瞎猜开始按上一篇文章所说，机器学习是应用数学方法在数据中发现规律的过程。既然数学是对现实世界的解释，那么我们回归现实世界，做一些对照的想象。想象我们面前有一块塑料泡沫做的白板，白板上分布排列着数枚蓝色的图钉，隐约地它们似乎存在着某种规律，我们试着找出规律。白板上的图钉（数据）如上图所示，我们有没有一种方法（数学算法）来寻找规律（模型解释）呢？既然不知道怎么做，那我们瞎猜吧！我拿起两根木棒在白

风度78·2023-11-11 17:49

【机器学习基础】Lasso 和 Ridge回归中的超参数调整技巧

在这篇文章中，我们将首先看看Lasso和Ridge回归中一些常见的错误，然后我将描述我通常采取的步骤来优化超参数。代码是用Python编写的，我们主要依赖scikit-learn。本文章主要关注Lasso的例子，但其基本理论与Ridge非常相似。起初，我并没有真正意识到需要另一个关于这个主题的指南——毕竟这是一个非常基本的概念。然而，当我最近想要确认一些事情时，我意识到，市面上的很多文章要么太学术

风度78·2023-11-11 17:49

机器学习基础——线性回归算法

一、概念要明白什么是线性回归算法，首先要明白什么是线性，什么是非线性、什么是回归。线性：指两个变量之间的关系是一次函数的关系——即图像为直线非线性：两个变量之间的关系不是一次函数关系的——图象不是直线，叫做非线性。回归：人们在测量事物的时候因为客观条件所限，求得的都是测量值，而不是事物真实的值，为了能够得到真实值，无限次的进行测量，最后通过这些测量数据计算回归到真实值，这就是回归的由来。即多次测量

光影时刻·2023-11-11 13:43

【机器学习基础】优化算法详解

本文来源于吴恩达老师的深度学习课程[1]和深度学习课程[2]笔记部分。作者：黄海广[3]备注：笔记和作业（含数据、原始作业文件）、视频都在github[4]中下载。导语在学习机器学习的过程中我们发现，大部分的机器学习算法的本质都是建立优化模型，通过最优化方法对目标函数(或损失函数)进行优化，从而训练出最好的模型，梯度下降是最基本的优化算法。本文对梯度下降和其他优化算法进行讲解。一梯度下降（Grad

风度78·2023-11-10 04:08

机器学习基础之《回归与聚类算法（5）—分类的评估方法》

问题：上一篇的案例，真的患癌症的，能被检查出来的概率？一、精确率和召回率1、混淆矩阵在分类任务下，预测结果(PredictedCondition)与正确标记(TrueCondition)之间存在四种不同的组合，构成混淆矩阵(适用于多分类)预测结果：是预测值正确标记：是真实值用来求精确率和召回率的TP=TruePossitiveFN=FalseNegativeFP=FalsePossitiveTN=

csj50·2023-11-08 06:13

三、机器学习基础知识：Python常用机器学习库（Matplotlib）

文章目录1、Matplotlib2、基本结构3、pyplot模块3.1pyplot.plot()函数的使用3.2其他常见属性设置3.3子图的绘制4、其他类型的图表4.1竖向条形图4.2散点图4.3饼图1、Matplotlibmatplotib库中有非常多的可视化绘图类，内部结构复杂。受MATLAB提供的绘图功能的启发，matplotlib提供了两个便捷的绘图子模块：pyplot和pylab，其中p

七层楼的疯子·2023-11-06 17:30

八、机器学习基础知识：分类性能评价指标

文章目录分类性能基本概念1、准确率1、精确率2、召回率3、F1-score4、ROC曲线5、多分类问题中的相关指标6、混淆矩阵分类性能基本概念与预测性能评价指标相类似，分类性能评价指标同样也是将模型计算得出的标签值与实际的真实标签值通过数学统计上的公式进行计算来获得它们之间的关系，以此来评价模型分类性能的好坏。在二分类时，常见的性能分类指标有准确率、精确率、召回率、F1-score、ROC曲线面积

七层楼的疯子·2023-11-06 17:00

四、机器学习基础知识：交叉验证

文章目录交叉验证定义1、随机子抽样验证2、K折交叉验证3、留一法交叉验证4、自助采样验证交叉验证定义在使用某一个数据集对模型进行训练时，模型的实际训练情况会受到数据集的直接影响，且其实际训练结果是难以确定的，极有可能出现欠拟合与过拟合的情况。欠拟合一般是指模型对数据集训练不足，从而在训练数据集与测试数据集上表现都较差，过拟合是指模型单纯在对训练数据集的信息获取上表现较为优秀，但当应用与测试数据集时

七层楼的疯子·2023-11-06 17:59

三、机器学习基础知识：Python常用机器学习库（SKlearn）

文章目录1、Scikitlearn简介2、主要步骤3、数据预处理4、模型选择与算法评价1、Scikitlearn简介Scikitlearn的简称是SKlearn，专门提供了Python中实现机器学习的模块。Sklearn是一个简单高效的数据分析算法工具，建立在NumPy、SciPy和Matplotlib的基础上。SKlearn包含许多目前最常见的机器学习算法，例如分类、回归、聚类、数据降维，数据预

七层楼的疯子·2023-11-06 17:55

【机器学习基础】kaggle竞赛中数据抽样方式

什么情况下需要会用到抽样数据量太大，计算能力不足。抽样调查，小部分数据即可反应全局情况。时效要求，通过抽样快速实现概念验证。定性分析的工作需要。无法实现全覆盖的场景，比如满意度调查等。解决样本不均衡问题随机抽样（用的最多）该抽样方法是按等概率原则直接从总中抽取n个样本，这种随机样本方法简单，易于操作；但是它并不能保证样本能完美的代表总体，这种抽样的基本前提是所有样本个体都是等概率分布，但真实情况却

风度78·2023-11-06 15:26

第2篇机器学习基础 —（3）机器学习库之Scikit-Learn

前言：Hello大家好，我是小哥谈。Scikit-Learn（简称Sklearn）是Python的第三方模块，它是机器学习领域当中知名的Python模块之一，它对常用的机器学习算法进行了封装，包括回归（Regression）、降维（DimensionalityReduction）、分类（Classfication）和聚类（Clustering）四大机器学习算法。本节课就简单介绍下Scikit-Le

小哥谈·2023-11-04 11:13

tensorflow学习笔记--机器学习基础知识--（1）基本图像分类

学习教材是tensorflow官网上的新手教程为了让自己有更深的印象和理解，将自己的学习笔记记录基础分类：对于衣服的图片分类本指南训练了一个神经网络模型来对衣服的图像进行分类，例如运动鞋和衬衫。本指南使用tf.keras在TensorFlow中构建和训练模型。from__future__importabsolute_import,division,print_function,unicode_li

爱玩的阿是·2023-11-03 03:32

AIOPS学习资源

时间序列分析-B站时间序列分析的基础、原理、算法和应用-知乎时间序列数据分析101-(1)一份全面详尽的时间序列入门教程-知乎-推荐图解72个机器学习基础知识点-推荐机器学习入门与核心概念-B站机器学习

MrUncle德鲁·2023-11-02 22:04

学习人工智能需要掌握哪些基础知识，需要具备哪些数学和编程技能？

机器学习基础：了解机器学习算法的基本原理和分类，如监督学习、非监督学习和强化学习等。深度学习基础：了解神经网络的基本结构和工作原理，了解卷积神经网络、循环神经网络、生成对抗网络等深度学习模型。学习人工

程序媛珂珂·2023-11-02 15:41

机器学习基础线性回归及一些基础概念（正则化、过拟合、欠拟合等）

文章目录一、线性回归简介1.线性回归应用场景2.什么是线性回归2.1定义与公式2.2线性回归的特征与目标的关系分析3.小结二、线性回归api初步使用1.线性回归API2.举例2.1步骤分析2.2代码过程3.小结三、线性回归的损失和优化1.损失函数2.优化算法2.1正规方程2.1.1什么是正规方程2.1.2正规方程求解举例2.1.3正规方程的推导2.2梯度下降(GradientDescent)2.2

落花雨时·2023-11-02 15:21

机器学习基础---分类与检测的评价指标---AP，mAP，PR曲线

目录分类任务中的AP，mAP，PRC（PR曲线）为什么需要PR曲线APmAPAP的计算方法：P-R曲线的绘制方法mAP计算方法检测任务中的AP与AP@50,AP@75AP和mAP是图像分类任务中的评价方法，可以用于检测任务。分类任务中的AP，mAP，PRC（PR曲线）为什么需要PR曲线PrecisionandRecall(PR曲线)：用于稀有事件检测，如目标检测、信息检索、推荐系统。负样本非常多（

xys430381_1·2023-11-02 00:49

第2篇机器学习基础 —（4）k-means聚类算法

~前期回顾：第2篇机器学习基础—（1）机器学习概念和方式第2篇机器学

小哥谈·2023-11-01 17:11

机器学习基础维基翻译保序回归随机森林 Pipeline处理及简单的sklearn例子分类：机器学习Sklearn

Isotonicregression(保序回归)Innumericalanalysis,isotonicregression(IR)involvesfindingaweightedleast-squaresfitxtoRnwithweightsvectorwtoRnsubjecttoasetofnon-contradictoryconstraintsofthekindxi>=xj.(x分量保序)S

meng_shangjy·2023-10-31 02:20

机器学习基础（6）：线性回归和拟合

线性回归1介绍线性回归是通过一个或者多个自变量与因变量之间之间进行建模的回归分析。其中特点为一个或多个称为回归系数的模型参数的线性组合。回归问题的目标值是连续的，比如价格，收入等等。试图学得一个通过属性的线性组合来进行预测的函数：()=_1_1+_2_2+…+__+w为权重，b称为偏置项，可以理解为：_0×1一元线性回归：涉及到的变量只有一个多元线性回归：涉及到的变量两个或两个以上单变量：多变量：

Y_蒋林志·2023-10-30 12:07

机器学习基础：特征选择

目录1.需要特征选择的原因2.特征选择的方法2.1Wrappers包装法2.1.1可实现的Wrapper方法：sequentialforwardselection（贪心法）2.1.2可实现的Wrapper方法：sequentialbackwardselection（消融法）2.2Filtering过滤法2.2.1PointwiseMutualInformation（PMI）逐点互信息法2.2.2M

小羊和小何·2023-10-30 02:07

【深度学习】吴恩达课程笔记(三)——参数VS超参数、深度学习的实践层面

七、深度学习的实践层面1.训练/验证/测试集(Train/Dev/Test)2.偏差/方差(Bias/Variance)3.机器学习基础4.L2正则化范数的概念正则化的定义L2正则化正则化为什么可以预防过拟合

今天有没有吃饱饱·2023-10-29 16:31

机器学习(一) —— 机器学习基础

Python——机器学习机器学习(一)——机器学习基础一、数据集1.1加载数据集1.2划分数据集二、特征工程2.1特征预处理(归一化/标准化)2.2特征降维(特征选择/主成分分析/线性判别器)2.3特征提取

share16·2023-10-29 09:41

近期微软重大论文----《通用人工智能的火花：GPT-4的早期实验》

这篇论文是最近讨论度极高的一篇论文，推特上几乎被这篇论文刷屏，作者SebastienBubeck是微软机器学习基础组的研究经理。

小林猿~·2023-10-28 22:35

机器学习——基础概念

一.机器学习基础概念总结过层中，我结合了头歌上的相关公开课程：详见（一）.什么是机器学习？机器学习致力于通过计算的手段，利用经验来改善系统的性能。

七七（考研）·2023-10-28 14:30

机器学习之路：FaceBook预测案例分析-----＞KNN算法的应用与调优

小白的机器学习之路（二）引子学习机器学习基础：从理论到实践了解机器学习机器学习的定义机器学习的分类机器学习的基本原理掌握数据预处理数据清洗特征选择特征工程分类算法sklearn转换器和预估器KNN算法获取数据数据集划分特征工程

是一个Bug·2023-10-28 02:25

推荐频道

•机器学习基础