【算法理论】

机器学习笔记-Task05-支持向量机SVM

前言本文是通过学习AI蜗牛车的【白话机器学习】算法理论+实战之支持向量机（SVM）及诸如吴恩达、B站白板推导之SVM系列等资料后写的笔记。
修行僧yicen·2022-02-16 07:14

【白话机器学习】算法理论+实战之支持向量机（SVM）

1.写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法，机器学习实战等书，也听过一些机器学习的课程，但总感觉话语里比较深奥，读起来没有耐心，并
风度78·2022-02-16 07:30

机器学习--分类算法--集成学习算法理论（RF/AdaBoost/GBDT/XGBoost算法）

目录一集成学习背景1集成学习概念2集成学习优势1）弱分类器之间存在差异性的问题2）对于数据集过大或者过小的问题3）对于数据集的划分边界过于复杂，线性模型很难描述的问题4）对于多个异构数据集而言，数据集很难合并的问题3集成学习三种思想1）Bagging思想（BootstrapAggregating,自主汇聚法）2）Boosting思想（存在弱学习器，可通过提升技术变成强学习器）3）Stacking思
我是疯子喽·2022-02-15 07:14

懂编程的王婆，不懂社会的潘金莲

01天才程序员王婆读《水浒传》一直觉得王婆是个天才，把心理学知识用的分毫不差，十分精彩，不曾想王婆还有程序员天赋，懂得ifelse语句，精通算法理论，实乃不世出之天才。
宋小夏·2022-02-15 01:53

强化学习中REIINFORCE算法和AC算法在算法理论和实际代码设计中的区别

背景就不介绍了，REINFORCE算法和AC算法是强化学习中基于策略这类的基础算法，这两个算法的算法描述（伪代码）参见Sutton的reinforcementintroduction(2nd)。AC算法可以看做是在REINFORCE算法基础上扩展的，所以这里我们主要讨论REINFORCE算法中算法描述和实际代码设计中的一些区别，当然这也适用于AC算法：1.时序折扣项为什么在实际代码中不加入REIN
Hello_BeautifulWorld·2022-02-13 14:00

融合随机反向学习的黏菌与算术混合优化算法

文章目录一、理论基础1、黏菌算法2、算术优化算法3、随机反向学习策略4、融合随机反向学习的黏菌与算术混合优化算法（1）改进混合算法理论分析（2）HSMAAOA伪代码二、实验仿真与分析三、参考文献一、理论基础
心️升明月·2022-02-07 07:53

《算法分析》

算法被公认为是计算机科学的基石算法理论的两大论题：（1）算法设计:面对一个问题,如何设计一个有效的算法。（2）算法分析:对已设计的算法,如何
曹元_·2022-02-05 03:06

K-Means聚类算法理论与代码实践

简介K均值聚类，也叫做K-MeansClustering，是一种著名的用于分类问题的无监督机器学习聚类算法。聚类是针对给定的样本，依靠它们特征的相似度或者距离，将其归到若干个‘类’或者’簇‘的数据分析问题。一个类就是给定样本集合的一个子集。所谓”人以类聚，物以群分“，常理来看，越相似的人更容易聚集在一起，在这里也是一样，相似的样本聚集在相同的类里面，不相似的样本分布在不同的类里。聚类属于无监督学习
HaloZhang·2022-01-03 16:44

【PS算法理论探讨一】 Photoshop中两个32位图像混合的计算公式（含不透明度和图层混合模式）。

大家可以在网上搜索相关的主题啊，你可以搜索到一堆，不过似乎没有那一个讲的很全面，我这里抽空整理和测试一下数据，分享给大家。我们假定有2个32位的图层，图层BG和图层FG，其中图层BG是背景层（位于下部），图层FG是前景层（位于上部），我们摸索其混合后的颜色的计算公式。我们取一个点的像素做分析：其中BG层某点的颜色为：B1=168G1=99R1=114A1=70其中FG层某点的颜色为：B2=80G2
Imageshop·2021-12-08 14:00

关于聚类模型的一些理解和总结

注：（看不懂算法理论没关系，知道怎么样操作就行）K-means聚类算法理论流程图：K-means算法的优缺点（写模型评价时写上去）：优点：算法简单快速，对于数据量较大时，效率较高；缺点：使用者在开始时必须给
qq_1351934667·2021-11-26 03:11

朴素贝叶斯（Naive Bayes）算法理论与实践

简介朴素贝叶斯(naiveBayes)算法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入输出的联合概率分布。然后基于此模型，对给定的输入x，利用贝叶斯定理求出后验概率最大的输出y。不同于其他分类器，朴素贝叶斯是一种基于概率理论的分类算法；总体来说，朴素贝叶斯原理和实现都比较简单，学习和预测效率较高，是一种经典而常用的分类算法。其中的朴素（nai
HaloZhang·2021-11-25 16:06

算法理论——BFS与DFS（广度优先与深度优先）

目录BFS概念实现补充——关于在Python中使用队列三种方法比较分析实例思路代码DFS概念实现补充——关于在Python中使用栈分析实例思路代码BFS概念BFS，即广度优先搜索。有的小朋友就问了：“哥哥哥哥，我就是想画画，你能不能讲人话？”说人话就是，我们按照这个步骤来做——实现这里就要介绍一下队列，因为广度优先搜索和队列是好基友。什么是队列？就是一个先进先出的数组，和我们日常生活中的排队很像。
hyk今天写算法了吗·2021-10-31 16:57

Python机器学习---2.聚类算法理论部分

文章目录1.聚类分析1.1无监督学习与聚类算法1.1.1.旨在理解数据自然结构的聚类1.1.2用于数据处理的聚类1.2核心概念1.2.1聚类分析1.2.2簇1.3基于原型的聚类技术:K-Means1.3.1基于原型的簇1.3.2.K-Means基本定义1.3.3算法执行细节距离衡量方法文本距离1.3.4误差平方和SSE(SumoftheSquaredError,SSE)1.3.5聚类目标函数和质心
亿是守候 & 亿是承诺·2021-09-26 19:43

【连载】深度学习从0到1基于Tensorflow2读书笔记——one-深度学习背景介绍

深度学习从0到1基于Tensorflow2谷歌的深度学习框架Tensorflow，Caffe同样也是热门的深度学习框架AI：用编程语言去实现一些人工智能的算法，完成一些落地应用；同时也需要对算法理论有理解
衍欲瑜·2021-08-26 17:58

深度学习之目标检测（四）-- SSD算法理论

深度学习之目标检测（四）--SSD算法理论深度学习之目标检测（四）SSD算法理论1.SSD--真正的实时，单阶段检测器1.1预测特征层1.2DefaultBox1.3Predictor1.4训练过程中正负样本选择
木卯_THU·2021-08-17 17:33

Mysql索引结构&页&聚集索引&非聚集索

[toc]Postedby微博@Yangsc_o原创文章，版权声明：自由转载-非商用-非衍生-保持署名|CreativeCommonsBY-NC-ND3.0摘要第一部分主要从数据结构及算法理论层面讨论MySQL
Yangsc_o·2021-06-20 15:32

Haar特征描述算子-人脸检测

1.算法理论介绍haar-like特征：haar(哈尔)特征分为3类:边缘特征、线性特征、中心特征和对角线特征，组成特征模板。
不跳不蚤·2021-06-15 18:41

人工智能如何帮助测试设计

其中一些算法理论，可以追朔到上世纪50年代，近年来越发为各个行业广泛应用，内因是其具有的强大的函数拟合能力带来的机器学习的潜力；外因得益于现今更强的计算能力，更多的数据，以及更好的训练方法的驱动。
烨枫_邱·2021-06-04 17:05

【手撕机器学习系列】KNN算法

机器学习算法理论太过强大，既要知其然，又要知其所以然手撕代码的好处就是对原理深入的理解，不仅从理论层面，也在代码技巧上有所认识一个强大系统的实现就是一个个小系统的堆积，原理都是一样的，从小见大，流程都是相通的
墨竹 | kevinelstri·2021-04-25 22:31

从零开始，手写GC算法 | 标记-清除【附完整可运行源码】

看了一大堆的GC算法理论，是不是还是觉得差点什么呢？那就跟着本文的思路，自己动手写个标记-清除算法试试吧首个值得纪念的GC算法就是GC标记-清除算法（Mark-SweepGC）。
·2021-04-07 10:08

从零开始，手写GC算法 | 标记-清除【附完整可运行源码】

看了一大堆的GC算法理论，是不是还是觉得差点什么呢？那就跟着本文的思路，自己动手写个标记-清除算法试试吧首个值得纪念的GC算法就是GC标记-清除算法（Mark-SweepGC）。
·2021-03-31 15:30

深入理解 Java 虚拟机读书笔记3

垃圾回收器基于垃圾回收算法理论，不同的虚拟机会有不同的实现，以下仅就HotSpot虚拟机进行的分类：Serial虚拟机运行在Client模式下的默认新生代回收器，简单高效是它的优点，但在进行GC操作时，
jkwen·2021-02-23 14:01

均值滤波器类型_详解图像滤波原理及实现！

学习目标：了解图像滤波的分类和基本概念理解几种图像滤波的原理掌握OpenCV框架下滤波API的使用算法理论介绍滤波器分类线性滤波：对邻域中的像素的计算为线性运算时，如利用窗口函数进行
观照阁·2021-02-05 09:25

协同过滤算法理论

1.协同过滤算法协同过滤（CollaborativeFiltering）推荐算法是最经典、最常用的推荐算法。所谓协同过滤，基本思想是根据用户之前的喜好以及其他兴趣相近的用户的选择来给用户推荐物品(基于对用户历史行为数据的挖掘发现用户的喜好偏向，并预测用户可能喜好的产品进行推荐)，一般是仅仅基于用户的行为数据（评价、购买、下载等）,而不依赖于项的任何附加信息（物品自身特征）或者用户的任何附加信息（年
GoAl的博客·2021-02-04 11:29

kmeans中的k的含义_【白话机器学习】算法理论+实战之KMeans聚类算法

1.写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法，机器学习实战等书，也听过一些机器学习的课程，但总感觉话语里比较深奥，读起来没有耐心，并
水木年华8·2021-01-04 06:46

阿里终面：分布式事务原理

在网络领域有TCP可靠传输协议、在存储领域有Raid5和Raid6算法、在数据库领域有基于ARIES算法理论实现的事务机制……这篇文章先介绍单机数据库事务的ACID特性，然后指出分布式场景下操作多数据源面临的
zlnnjit·2020-12-30 21:48

遗传算法（Genetic Algorithm）详解与实现

遗传算法（GeneticAlgorithm）详解与实现遗传算法简介类比达尔文进化论达尔文进化理论遗传算法对应概念遗传算法理论图式定理（schematheorem）遗传算法与传统算法的差异遗传算法的优缺点优点局限性遗传算法应用场景遗传算法的组成要素算法的基本流程创建初始种群计算适应度选择
盼小辉丶·2020-12-25 18:06

python k-means聚类分析_聚类分析——客户分群分析

二、K-Means算法理论解释并不是很难理解，我简单说一
weixin_39630744·2020-11-22 05:59

一万四千字分布式事务原理解析，全部掌握你还怕面试被问？

在网络领域有TCP可靠传输协议、在存储领域有Raid5和Raid6算法、在数据库领域有基于ARIES算法理论实现的事务机制……这篇文章先介绍单机数据库事务的ACID特性，然后指出分布式场景下操作多数据源面临的困境
风平浪静如码·2020-11-19 23:18

id3决策树 鸢尾花 python_决策树算法理论篇

1，什么是决策树？决策树是一种机器学习算法，我们可以使用决策树来处理分类问题。决策树的决策(分类)过程可以用一个倒着的树形结构来形象的表达出来，因此得名决策树。决策树是一个包含根节点、若干内部节点和若干叶子节点的树形结构。决策树的根节点包含样本全集，内部节点对应特征属性，叶子节点表示决策的结果。使用决策树进行判断时，从根节点开始，测试待分类数据的特征属性值，应该走哪条分支，循环这样判断，直到叶子节
weixin_39857480·2020-11-18 18:39

蚁群算法及其应用实例

主要内容有：1.蚁群算法理论2.基本蚁群算法描述3.蚁群算法TSP问题中的应用实例（Pyhton）一、蚁群算法理论蚁群算法(antcolonyoptimization,ACO)，又称蚂蚁算法，是一种对自然界蚂蚁
小夙同学·2020-11-03 16:34

K近邻算法理论和代码实现

一、k-近邻算法理论1.k-近邻算法的基本原理对于未知类别属性数据集中的点：（1）计算已知类别数据集中的每个点与当前点之间的距离；使用欧式距离公式，计算两个向量点x1和x2之间的距离公式如下：（2）按照距离递增次序排序
i see the future·2020-11-01 07:43

莫斯科大学数学力学系 数学部专门化课程目录

高等几何与拓扑教研室专门化课程5.微分几何及其应用教研室专门化课程6.一般拓扑与几何教研室教研室专门化课程7.离散数学教研室专门化课程8.微分方程教研室专门化课程9.计算数学教研室专门化课程10.数理逻辑与算法理论教研室专门化课程
zzwu·2020-09-15 16:04

CORDIC 算法理论与实践

CORDIC算法可以在圆周，双曲坐标和线性下的用二维向量旋转后逐渐逼近的方式来计算出某个超越函数的近似值，虽然是近似值，但是如果迭代次数足够，仍然可以得到非常逼近准确结果的值。下面分开讨论CORDIC在圆周，双曲坐标和线性下的情况。（1）圆周系统先通过圆周系统来了解CORDIC算法的基本思想。该算法的基本原理如图1所示，现有向量V1，与X轴夹角为Ф，逆时针旋转角度θ后，得到新的向量V2，由上面的矩
天一涯·2020-09-15 04:56

『算法理论学』深度学习推理加速方法之网络层与算子融合

首发于AI深度学习应用之路任何事物都有连续性--《极简主义》范式三：保持连续性的思维可以事半功倍0.引子在深度学习推理方面有多种提速方法，如模型剪枝量化与层算子融合等。网络层与算子融合是非常有效的方法，本文将配合TensorRT与tflite推理框架介绍下网络层与算子融合的原理与应用。1.融合理论下面配合TensorRT介绍下网络层与算子融合的原理。这是一个原始的InceptionBlock，首先
小宋是呢·2020-09-15 03:11

『算法理论学』人脸姿态估计算法介绍

0.概述人脸姿态估计算法，主要用以估计输入人脸块的三维欧拉角。一般选取的参考系为相机坐标系，即选择相机作为坐标原点。姿态估计可用于许多业务场景，比如在人脸识别系统的中，姿态估计可以辅助进行输入样本的筛选（一般人脸要相对正脸才进行召回和识别）；在一些需要人脸朝向作为重要业务依据的场景中，人脸姿态算法也是不可或缺的，比如疲劳驾驶产品中驾驶员的左顾右盼检测。人脸姿态估计的算法，其大致可分为两类：一类是通
小宋是呢·2020-09-15 03:11

『算法理论学』基于深度人脸识别流程介绍

0.引子以OpenFace算法中实现人脸识别的流程举例，这个流程可以看做是使用深度卷积网络处理人脸问题的一个基本框架，结构如下图所示由上图可知人脸识别项目可以分为5个主要步骤：1，首先输入一张照片；2，对照片检测出人脸并分类出是否为活体；3，对检测到的活体人脸进行对齐和裁切人脸；4，对对齐和裁切后人脸进行特征提取，表征为特征码；5，对表征后成对特征码进行比对。2.详细介绍1、InputImage-
小宋是呢·2020-09-15 03:11

高光谱图像处理之目标检测技术（CEM算法）（图像处理）

自上世纪九十年代，国外出现了进行高光谱图像目标检测算法理论研究的研究组。由Reed和Yu提出了基于广义似然比检验的恒虚警RX检测器(RXD)。
秦皓楠Howard_XDU·2020-09-14 22:55

白话机器学习算法理论+实战之EM聚类

1.写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，比如我之前写过的一篇十大机器学习算法的小总结，在这简单的先捋一捋，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法，机器学习实战等书，也
Miracle8070·2020-09-14 21:53

白话机器学习算法理论+实战之KMearns聚类算法

1.写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，比如我之前写过的一篇十大机器学习算法的小总结，在这简单的先捋一捋，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法，机器学习实战等书，也
Miracle8070·2020-09-14 21:53

白话机器学习算法理论+实战之AdaBoost算法

1.写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，比如我之前写过的一篇十大机器学习算法的小总结，在这简单的先捋一捋，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法，机器学习实战等书，也
Miracle8070·2020-09-14 21:53

白话机器学习算法理论+实战番外篇之LightGBM

监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等我前面已经尝试用最白话的语言完成了一个白话机器学习算法理论
Miracle8070·2020-09-14 21:53

白话机器学习算法理论+实战之关联规则

1.写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，比如我之前写过的一篇十大机器学习算法的小总结，在这简单的先捋一捋，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法，机器学习实战等书，也
Miracle8070·2020-09-14 21:52

白话机器学习算法理论+实战之朴素贝叶斯

1.写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，比如我之前写过的一篇十大机器学习算法的小总结，在这简单的先捋一捋，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则,PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法，机器学习实战等书，也
Miracle8070·2020-09-14 18:20

CS技术体系

CS技术体系date:2019-07-3119:55:55categories:书单tags:top:文章目录1.CS基础操作系统理论，Linux内核计算机网络TCP/IP，Http，SSL数据结构与算法理论设计模式编程范式
h2linlin·2020-09-14 16:36

三色标记算法理论、漏标、SATB

G1收集概览：G1算法将堆划分为若干个区域（Region），它仍然属于分代收集器。不过，这些区域的一部分包含新生代，新生代的垃圾收集依然采用暂停所有应用线程的方式，将存活对象拷贝到老年代或者Survivor空间。老年代也分成很多区域，G1收集器通过将对象从一个区域复制到另外一个区域，完成了清理工作。这就意味着，在正常的处理过程中，G1完成了堆的压缩（至少是部分堆的压缩），这样也就不会有CMS内存碎
OkidoGreen·2020-09-13 14:34

[数学基础]Dijkstra算法理论基础

  Dijkstra算法是求路径最短距离最有效的方法之一，这篇博文我们来讲解一下Dijkstra算法的理论基础：  利用Dijkstra算法，求下图A点到其他各点的最短路径。  1、我们引入两个集合S、U，S表示已求出最短路径的点的集合，U表示未求出最短路径的点得集合；  2、初始化S，只有一个元素A（0）（括号内是最短路径的长），初始化U，其中元素有B（2）、C（5）、D（∞）、E（∞）、F（∞
夜茶微微凉·2020-09-13 14:02

(转)一文看懂HNSW算法理论的来龙去脉

原文链接:https://blog.csdn.net/u011233351/article/details/85116719一.背景介绍在浩渺的数据长河中做高效率相似性查找一直以来都是让人头疼的问题。比如，我在搜狗app上阅读了一篇文章，推荐系统就应当为我推送与这篇文章最相近的文章，数据库中所有文章是用向量表示的，所以我们要解决的问题就是“找到与这篇文章的向量最相近的几个向量”，然后把这些向量对应
jollyjumper·2020-09-13 08:21

KM算法(Kuhn-Munkres)

算法理论基础：可行顶点标号用l(v)表示顶点v的标号，w(uv)表示边(u,v)的权，对于赋权二分图G=(X,Y),若对每条边e=xy，均有l(x)+l(y)>=w(xy),则称这个标号为G的一个可行顶点标号
weixin_34184561·2020-09-12 07:21

机器学习书单（转自算法组）

原文：机器学习经典书籍前面有一篇机器学习经典论文/survey合集,本文总结了机器学习的经典书籍，包括数学基础和算法理论的书籍。入门书单《数学之美》PDF作者吴军大家都很熟悉。
机器学习天天向上·2020-09-12 07:39
上一页 9 10 11 12 13 14 15 16 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他