「机器学习」第73页

GBDT、XGBoost、LightGBM的区别与联系

GBDT(GradientBoostingDecisionTree)是机器学习中一个经典的模型，其主要思想是利用弱分类器（决策树）迭代训练以得到最优模型，该模型具有训练效果好、不易过拟合等优点。

徐卜灵·2024-01-05 19:32

PostgreSQL pgvector：如何利用向量数据库提升搜索效率和精度

在机器学习领域，我们经常处理的是向量嵌入。向量嵌入是通过特定的机器学习模型运行对象的特征，将对象的上下文信息投射到潜在空间中来创建的。为了在使用向量嵌入时能够表现得特别好，创建

学习3人组·2024-01-05 19:32

机器学习--聚类系列--层次聚类

层次聚类层次聚类(HierarchicalClustering)是聚类算法的一种，通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树。在聚类树中，不同类别的原始数据点是树的最低层，树的顶层是一个聚类的根节点。创建聚类树有自下而上合并和自上而下分裂两种方法。作为一家公司的人力资源部经理，你可以把所有的雇员组织成较大的簇，如主管、经理和职员；然后你可以进一步划分为较小的簇，例如，职员簇可以进

weixin_34319817·2024-01-05 18:38

Mac下机器学习入门环境搭建

环境配置实际上有两种方法，可以选择挨个配置相关工具，比如说Numpy，pandas等等。但是略显麻烦了，而且容易踩坑。所以还是使用anaconda统一配置。mac是自带了python2的环境的，但是我想将默认的python版本换成3.7。先记录以下使用的笨方法吧。使用homebrew升级python31.brewupdatepython2.//如果安装成功cdusr/local/Cellar///

Sonata爱学习·2024-01-05 18:44

Elasticsearch机器学习nginx日志

Elasticsearch机器学习nginx日志这篇文章介绍如何使用ElasticsearchX-Pack中的机器学习深入分析nginx日志。

syhc006·2024-01-05 18:44

深度探索Copilot插件：提升编程效率的神器

Copilot是一款由GitHub开发的AI代码补全插件，它可以通过机器学习算法，根据你正在编写的代码，自动生成下一行或者整个函数的代码。那么，Copilot插件如何使用呢？本文将为你详细介绍。

五言六舌·2024-01-05 17:02

机器学习之基本了解篇

你要好好学习呀·2024-01-05 17:01

架构设计的人工智能：AI与机器学习在架构中的应用

1.背景介绍人工智能（ArtificialIntelligence,AI）和机器学习（MachineLearning,ML）已经成为当今技术界最热门的话题之一。

OpenChat·2024-01-05 16:32

支持向量机（Support Vector Machines，SVM）

什么是机器学习支持向量机（SupportVectorMachines，SVM）是一种强大的机器学习算法，可用于解决分类和回归问题。

草明·2024-01-05 16:29

逻辑回归（Logistic Regression）

什么是机器学习逻辑回归（LogisticRegression）虽然名字中包含"回归"一词，但实际上是一种用于解决分类问题的统计学习方法，而不是回归问题。

草明·2024-01-05 16:27

人机协同的基础问题

而人机融合智能强调的是将人类的智能和机器的智能结合起来，通过人工智能和机器学习等技术，使得机器能够理解和模仿人类的思维和行为，从而实现更加智能化的合作和决策。人机协同中人的边界更重要。

人机与认知实验室·2024-01-05 15:29

【机器学习】损失函数(Loss Function)全总结(2023最新整理)关键词：Logistic、Hinge、Exponential、Modified Huber、Softmax、L1、L2正则化

目录一、定义二、损失函数1.回归损失函数1.1平方损失函数（quadraticlossfunction）1.2绝对（值）损失函数（absolutelossfunction）1.3对数损失函数（logarithmiclossfunction）1.4Huber损失(huberloss)1.5图像对比-优缺点2.分类损失函数2.10-1损失函数（0-1lossfunction）2.2对数似然损失函数（L

daphne odera�·2024-01-05 15:57

python基于flask实现一个文本问答系统

,"机器学习是什么？":"机器学习是一种人工智能的应用，让计算机具备学习能力。",#其他问题和对应的答案}@app.ro

甜辣uu·2024-01-05 15:26

自然语言处理HuggingFace | pipeline

HuggingFace简介HuggingFace是一家美国公司，专门开发用于构建机器学习应用的工具。

Yvhong1·2024-01-05 15:28

人工智能_机器学习090_分层聚类算法的概念原理和参数说明---人工智能工作笔记0130

然后我们再来看一种聚类的算法可以看到就是这种分层聚类算法可以看到它的原理就是,首先聚成小类,比如白杏和红杏靠的比较近就分为一类了,然后这种聚合的小类,再按照他们类别之间的距离,再合并,不断下去最后把子类都聚合成一个大类这样的聚类原理可以看到当考虑聚类效率的时候,我们选择的是平面聚类算法,之前我们用的KMeans就是一种平面聚类算法,平面聚类存在潜在问题,不够结构化层次聚类会更好可以看到层次聚类的原

脑瓜凉·2024-01-05 14:52

如何快速入门机器学习、深度学习、数据分析

首先我们需要先梳理一下三者的关系：机器学习、深度学习和数据分析都是人工智能（AI）领域中的重要技术，但又存在一些不同：机器学习：机器学习是从大量数据中自动地提取模式、规律和知识，并利用这些模式和知识来进行预测和决策的一种方法

无心同学·2024-01-05 14:28

《PySpark大数据分析实战》-24.数据可视化图表介绍

热衷于各种主流技术，热爱数据科学、机器学习、云计算、人工智能。通过了TiDB数据库专员（PCTA）、TiDB数据库专家（PCTP）、TiDB数据库认证SQL开发专家（PCSD）认证。

wux_labs·2024-01-05 13:02

举例说明计算机视觉（CV）技术的优势和挑战。

高精度：CV技术可以利用图像处理算法和机器学习模型，实现对图像的准确分析和识别，相比人工处理更加精确。自动化：C

荆赫同艺·2024-01-05 13:41

讲解机器学习中的 K-均值聚类算法及其优缺点。

K-均值聚类算法是一种常见的无监督学习算法，用于将数据集中的观测点分成K个不同的组或簇。它是一种迭代算法，通过计算每个观测点与K个中心点的距离，并将每个观测点分配到距离最近的中心点所属的簇中。算法步骤如下：初始化K个中心点，可以是数据集中的随机点或通过其他方式选择。将每个观测点分配给离它最近的中心点所属的簇。对每个簇，重新计算中心点，将其设为簇中所有观测点的平均值。重复步骤2和步骤3，直到簇分配稳

荆赫同艺·2024-01-05 13:38

使用 sklearn 构建机器学习算法模型的完整流程

fromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.neighborsimportKNeighborsClassifier#导入鸢尾花数据集iris_dataset=load_iris()#切分训练数据和测试数据X_train,X_test,y_train,y

写进メ诗的结尾。·2024-01-05 12:53

【Python机器学习系列】建立逻辑回归模型预测心脏疾病（完整实现过程）

一、问题对于表格数据，一套完整的机器学习建模流程如下：针对不同的数据集，有些步骤不适用即不需要做，其中橘红色框为必要步骤，由于数据质量较高，本文有些步骤跳过了，跳过的步骤将单独出文章总结！

数据杂坛·2024-01-05 12:22

【Python机器学习系列】建立支持向量机模型预测心脏疾病（完整实现过程）

一、问题对于表格数据，一套完整的机器学习建模流程如下：针对不同的数据集，有些步骤不适用即不需要做，其中橘红色框为必要步骤，由于数据质量较高，本文有些步骤跳过了，跳过的步骤将单独出文章总结！

数据杂坛·2024-01-05 12:47

AI实景无人直播创业项目：开启自动直播新时代，一部手机即可实现增长

通过智能摄像头和机器学习算法，AI实景无人直播可以实

广州硅基技术燕儿·2024-01-05 11:29

机器学习是什么？--九五小庞

机器学习(MachineLearning,ML)是人工智能(ArtificialIntelligence,AI)的一个分支，它使计算机系统能够利用数据来自动学习和改进经验而无需明确编程。

Up九五小庞·2024-01-05 11:17

2023春季李宏毅机器学习笔记 05 ：机器如何生成图像

资料课程主页：https://speech.ee.ntu.edu.tw/~hylee/ml/2023-spring.phpGithub：https://github.com/Fafa-DL/Lhy_Machine_LearningB站课程：https://space.bilibili.com/253734135/channel/collectiondetail?sid=2014800一、图像生成常

女王の专属领地·2024-01-05 11:10

34、使用Scikit-Learn进行特征选择

在本文中，您将了解如何在使用scikit-learn库创建机器学习模型之前选择数据中的属性。选择功能特征选择是一个过程，您可以自动选择数据中对您感兴趣的预测变量或输出贡献最大的那些特征。

攻城狮笔记·2024-01-05 10:02

AI：117-基于机器学习的环境污染影响评估

欢迎订阅支持，正在不断更新中~一.基于机器学习的环境污染影响评估随着全球工业化和城市化的加速发展，环境污染问题日益凸显，对人类生存和健康造

一见已难忘·2024-01-05 10:41

数据挖掘与数据分析的主要区别是什么

数据挖掘是指通过应用统计学、机器学习等方法，自动发现数据中隐藏的模式、关

qingyunliushuiyu·2024-01-05 09:16

联邦学习将如何影响您的日常生活？

人工智能(AI)被认为是下一次工业革命的最大创新之一，其中包括机器学习。另一方面，随着原油和电力成为现代工业的基础资源，数据成为人工智能和机器学习的关键要素。

CyberVein·2024-01-05 08:25

2023 IoTDB Summit：清华大学软件学院长聘副教授龙明盛《IoTDB 新组件：内生机器学习》...

12月3日，2023IoTDB用户大会在北京成功举行，收获强烈反响。本次峰会汇集了超20位大咖嘉宾带来工业互联网行业、技术、应用方向的精彩议题，多位学术泰斗、企业代表、开发者，深度分享了工业物联网时序数据库IoTDB的技术创新、应用效果，与各行业标杆用户的落地实践、解决方案，并共同探讨时序数据管理领域的行业趋势。我们邀请到清华大学软件学院长聘副教授龙明盛参加此次大会，并做主题报告——《IoTDB新

Apache IoTDB·2024-01-05 08:38

李沐机器学习系列4---全连接层到卷积

1从全连接到卷积1.1平移不变性从概率分布的角度来看卷积的定义,f(τ)f(\tau)f(τ)是概率密度，g(t−τ)g(t-\tau)g(t−τ)是在这个分布下的均值(f∗g)(t)=∫−∞∞f(τ)g(t−τ)dτ(f*g)(t)=\int_{-\infin}^{\infin}f(\tau)g(t-\tau)d\tau(f∗g)(t)=∫−∞∞f(τ)g(t−τ)dτ2图像卷积2.1互相关运算

expectmorata·2024-01-05 08:01

人机交互不是人机融合智能

人机融合智能涉及到人工智能、机器学习、深度学习等技术，通过对人类的认知、情感、行为等方面进行模

人机与认知实验室·2024-01-05 08:00

图像识别的技术前沿：人工智能与机器学习的融合

图像识别的技术前沿在于人工智能（AI）与机器学习（ML）的融合。这种融合使得图像识别系统能够从大量数据中自动学习并识别出各种模式，从而在复杂和动态的环境中实现更高的准确性和鲁棒性。

matlabgoodboy·2024-01-05 08:00

Pytorch Overview

目录学习目标：要求：监督学习和无监督学习：深度学习基本方法：经典的机器学习方法:表示学习的改进：为什么要进行特征提取：深度学习的改进：深度学习的发展：神经网络的简单介绍：深度学习算法的三大支撑：学习目标

丘小羽·2024-01-05 07:36

机器学习---PCA案例

1.PCAimportnumpyasnpfromsklearn.decompositionimportPCAimportmatplotlib.pyplotaspltfromsklearn.datasetsimportload_digitsdefpca(dataMat,topNfeat=9999999):meanVals=np.mean(dataMat,axis=0)#去除平均值，实现数据中心化me

三月七꧁ ꧂·2024-01-05 07:29

【机器学习前置知识】共轭分布

贝叶斯概率公式的组成贝叶斯定理的概率公式：P(θ∣X)=P(X∣θ)P(θ)P(X)P(θ|X)={P(X|θ)P(θ)\over{P(X)}}P(θ∣X)=P(X)P(X∣θ)P(θ)先验分布P(θ)P(θ)P(θ)：参数的先验分布是指在观测到新的数据之前，根据已有的知识或以往的经验对参数的估计。假如P(θ)P(θ)P(θ)为估计抛一次硬币中正面向上的概率，我们在不知道硬币质地是否均匀的情况下是

Axlsss·2024-01-05 07:58

什么是机器学习?

国际机器学习大会的创始人之一TomMitchell对机器学习的定义是:计算机程序从经验E中学习,解决某一任务T,进行某一性能度量P,通过P测定在T上的表现因经验E而提高.特征(feature),自变量标签

草明·2024-01-05 07:22

【机器学习】卷积神经网络（五）-计算机视觉应用

七、应用-计算机视觉7.1人脸检测DenseBox\Femaleness-Net\MT-CNN\CascadeCNN介绍VJ框架的分类器级联用于卷积网络用于人脸检测的紧凑卷积神经网络级联问题：作者希望实时检测高分辨率视频流中的正面，由于人脸图像和背景的多样性和复杂性，这具有挑战性。解决方案：作者提出了三个卷积神经网络(CNN)的级联，其参数很少，并且可以在移动GPU上高效运行。结果：作者表明，他们

十年一梦实验室·2024-01-05 07:22

机器学习---clustering

1.生成不同类型的数据集导入必要的库：importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeansfromsklearn.datasetsimportmake_blobs代码中导入了NumPy用于数组操作，matplotlib.pyplot用于绘图，KMeans用于聚类算法，make_blobs用于生成模拟数据

三月七꧁ ꧂·2024-01-05 07:19

吴恩达机器学习笔记（1）——单变量线性回归

上一个笔记，我们大概了解了什么是机器学习以及机器学习的两个重要的分类，本篇笔记将带领大家了解机器学习的第一个模型——线性回归例题为了让大家更加直观的理解这个模型，我们引入一个例题，我们有一组波特兰市的城市住房的价格数据

机智的神棍酱·2024-01-05 06:35

详解机器学习算法基础--K近邻算法

K近邻算法属于监督学习。监督学习是指给定我们的数据集是含有lable的，比如著名的iris数据集，就给定了我们每一个数据所属的类别，通俗一点讲，我们拿到一个数据，对应一个特征。K近邻算法我们可以认为是一个不需要训练过程的算法，也就是说，我们不需要去训练模型，从某种意义上来说，算法即是模型本身K近邻算法是什么？用来做什么?K近邻算法就是通过distance来寻找最近的样本，获取我们传入数据的labe

quzah·2024-01-05 06:44

机器学习：6.机器学习 --- K近邻

第1关：KNN原理1、下列说法正确的是？A、kNN算法的预测效率与训练集的数量有关B、kNN算法只能用于二分类C、kNN算法只能用于回归D、kNN算法属于监督学习AD2、下列说法错误的是:A、kNN算法的训练阶段需要构建模型B、kNN算法中k这个参数可以根据实际情况来调整C、kNN算法支持多分类D、kNN算法不属于无监督学习A第2关：K近邻再识1、k近邻方法有几个参数？A、1B、2C、3D、4A2

HNU岳麓山大小姐·2024-01-05 06:43

字节跳动 Spark 支持万卡模型推理实践

摘要：本文整理自字节跳动基础架构工程师刘畅和字节跳动机器学习系统工程师张永强在本次CommunityOverCodeAsia2023中的《字节跳动Spark支持万卡模型推理实践》主题演讲。

字节跳动云原生计算·2024-01-05 06:09

机器学习 -- k近邻算法

所以必须要看看机器学习这一块。今天看了很久，做个总结。机器学习分为深度学习和传统机器学习深度学习深度学习模型通常非常复杂，包含多层神经网络，每一层都包含大量的神经元（节点）。

北堂飘霜·2024-01-05 06:39

Deepfacelab 训练参数详解，从入门到精通。值得收藏

导言训练时有许多参数，对不懂机器学习的萌新来说简直就是天书本篇教程就带大家揭开训练时各参数的含义与效果，同时给出建议数值我尽量用通俗易懂的语言来解释每一条参数的作用，不需要机器学习基础也能看懂。

niaoma·2024-01-05 06:49

机器学习原理到Python代码实现之LinearRegression

LinearRegression线性回归模型该文章作为机器学习的第一篇文章，主要介绍线性回归模型的原理和实现方法。

神仙盼盼·2024-01-05 06:15

【AI】人工智能的五大技术

人工智能的五大技术计算机视觉应用场景：医疗成像分析、人脸识别、安防及监控、购物机器学习应用场景：数据分析NLP应用场景：识别垃圾邮件机器人目前机器人按应用场景分为三个类别：工业级机器人监护级机器人探险级机器人语音识别

火禾子_·2024-01-05 05:09

介绍MATLAB的主要用途和特点

MATLAB（矩阵实验室）是一种高级技术计算和可视化软件，主要用于数值计算、数据分析、信号处理、图像处理、控制系统设计、仿真、优化和机器学习等各种工程和科学应用。

中微子%5·2024-01-05 05:39

什么是CHATGPT

ChatGPT是一个基于大型变换器模型（Transformermodel）的对话AI，它通过机器学习的方法训练，能够生成人类般的文本。

nai598455803·2024-01-05 04:15

【Python机器学习】评估模型

以鸢尾花数据为例，将测试数据中的每朵鸢尾花进行预测，并将预测结果与已知标签结果进行对比，可以计算精度来衡量模型的优劣。精度就是品种预测正确的结果占比。importnumpyasnpfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.neighborsimpor

zhangbin_237·2024-01-05 03:24

推荐频道

「机器学习」