努力学习机器学习第10页

深度探索：决策树算法在机器学习中的原理与应用

引言与背景决策树算法作为机器学习领域的一种基础而重要的监督学习方法，以其直观易理解、解释性强以及能处理离散和连续属性等特点，在数据挖掘、数据分析和预测建模等诸多领域占有不可或缺的地位。

生瓜蛋子·2024-08-25 23:42

2018年6月15日读书会第58期语录总结

很多人抱的是努力学习知识的初心，做的却是徒劳搬运知识的傻事。把图书一本一本地搬回家。把教程一个G一个G地搬进电脑。把收藏一条一条地搬进手机。

心_声·2024-08-25 23:18

TensorFlow库详解：Python中的深度学习框架

TensorFlow在Python中的使用非常广泛，因为Python是机器学习和数

Ambition_LAO·2024-08-25 21:28

机器学习（西瓜书）学习笔记导览

本篇文章会持续更新直到更新完毕，关注博主不迷路~（如果没有超链接，表示还没有更新到）第一章绪论1.1引言1.2基本术语1.3假设空间1.4归纳偏好第二章模型评估与选择2.1经验误差与过拟合2.2评估方法2.3性能度量2.4比较检验2.5偏差与方差第三章线性模型3.1基本形式3.2线性回归3.3对数几率回归3.4线性判别分析3.5多分类学习3.6类别不平衡问题第四章决策树4.1基本流程4.2划分选择

盛寒·2024-08-25 18:11

机器学习——逻辑回归

目录一、逻辑回归1.1、模型原理1.2、损失函数二、实例2.1、定义sigmoid函数2.2、数据集2.3、梯度上升算法2.4、预测函数2.5、绘画函数三、代码运行结果：四、总结优点：缺点：一、逻辑回归逻辑回归是一种广义的线性回归分析模型，用于解决二分类或多分类问题。逻辑回归模型，尽管名字中包含“回归”二字，实际上是一种分类方法，特别是用于处理二分类问题。它通过将线性回归的结果通过某种函数映射到(

wsdswzj·2024-08-25 17:06

机器学习中的逻辑回归

机器学习中的逻辑回归简介逻辑回归是机器学习领域中一种用于二分类问题的常用算法。尽管其名字中包含"回归"一词，但实际上，逻辑回归是一种分类算法，用于估计输入特征与某个事件发生的概率之间的关系。

极客李华·2024-08-25 17:35

机器学习最优化方法之梯度下降

另外，在绝大多数机器学习算法情况下(如LR)，损失函数要复杂的多，根本无法得到参数估计值的表达式。因此需要一种更普适的优化方法，这就是梯度下降。

whemy·2024-08-25 17:45

决策树——ID3算法

机器学习中，决策树是一个预测模型；它代表的是对象属性与对象值之间的一种映射关系。

ok的ok路·2024-08-25 16:00

介绍 TensorFlow 的基本概念和使用场景。

TensorFlow是一个开源的机器学习框架，由Google开发并维护。它用于构建和训练各种机器学习模型，包括神经网络模型。

乔丹搞IT·2024-08-25 16:27

macbook air怎么安装python_Mac 10.13 安装 Python-3.6.8 和 IPython-Notebook

机器学习的作业要求Python-3.6的环境，记录下配置mac的配置过程。一、安装Python-3.6.8我用的3.6.8版本，你也可以安装其他版本，方法相同。

weixin_39897267·2024-08-25 16:26

Keras深度学习框架实战（2）：估计模型训练所需的样本量

1、模型训练样本量评估概述1.1样本量评估的意义预估模型需要的样本量对于机器学习项目的成功至关重要，以下是几个主要原因：防止过拟合与欠拟合：过拟合：当模型在训练数据上表现极好，但在未见过的测试数据上表现糟糕时

MUKAMO·2024-08-25 15:52

小琳 AI 课堂：机器学习

欢迎来到小琳AI课堂机器学习：如同让计算机拥有超能力的神奇魔法机器学习，这门超酷的多领域交叉学科，居然融合了概率论、统计学、逼近论、凸分析、算法复杂度理论等等好多学科。

小琳ai·2024-08-25 15:52

【机器学习】特征工程的基本概念以及LASSO回归和主成分分析优化方法

引言特征工程是机器学习中的一个关键步骤，它涉及到从原始数据中提取和构造新的特征，以提高模型的性能和预测能力LASSO（LeastAbsoluteShrinkageandSelectionOperator

Lossya·2024-08-25 15:48

请不要暗示孩子学习是件“苦差事”

在教育孩子的时候，很多家长都喜欢告诉孩子，“现在吃点苦，努力学习，将来就可以生活得好”，或是“现在吃不了学习的苦，将来就会苦一辈子”，等等，这类暗示学习是“苦差事”的言论。

平原雪·2024-08-25 13:26

探索联邦学习：保护隐私的机器学习新范式

探索联邦学习：保护隐私的机器学习新范式前言联邦学习简介联邦学习的原理联邦学习的应用场景联邦学习示例代码结语前言在数字化浪潮的推动下，我们步入了一个前所未有的数据驱动时代。

洋葱蚯蚓·2024-08-25 11:54

赠书 | 李航老师的蓝皮书

赠书活动统计学习方法“统计机器学习方法是实现智能化目标的最有效的手段，统计机器学习是各种智能性处理研究领域中的核心技术，并且在这些领域的发展及应用中起着决定性的作用。”

茗创科技·2024-08-25 10:04

python读取csv，中文输出乱码的解决方案

爱编程的喵喵·2024-08-25 10:22

matlab实现梯度下降优化算法

在机器学习领域，它常被用来优化模型的参数，比如线性回归、逻辑回归以及神经网络等模型的权重和偏置。

孺子牛 for world·2024-08-25 09:13

向量数据库Faiss的搭建与使用｜Faiss｜向量数据库｜高效检索｜机器学习｜大规模数据

目录1.Faiss概述1.1Faiss的背景与重要性1.2Faiss的基本概念与特点2.Faiss的安装与环境配置2.1环境要求2.2Faiss的安装2.3验证安装3.Faiss的基本使用3.1创建索引与添加向量3.2执行查询3.3向量的压缩与内存优化4.Faiss的高级功能与优化4.1GPU加速与多GPU支持4.2混合索引与自定义距离度量4.3高维数据的优化在处理高维数据的场景中，快速且高效地进

concisedistinct·2024-08-25 09:10

坚持下去，去遇见最好的自己

不瘦下来，永远不知道胖时的自己有多丑陋；不努力学习，永远不知道自己原来有多无知！成功与智商、学位、出身、机会、付出多少并没有必然的联系。

务实正心·2024-08-25 08:19

【机器学习】3. 欧式距离，曼哈顿距离，Minkowski距离，加权欧式距离

Euclidean-L2normL2范数D(A,B)=(a1−b1)2+(a2−b2)2+...D(A,B)=\sqrt{(a_1-b_1)^2+(a_2-b_2)^2+...}D(A,B)=(a1−b1)2+(a2−b2)2+...ManhattanD(A,B)=∣a1−b1∣+∣a2−b2∣+...D(A,B)=\sqrt{|a_1-b_1|+|a_2-b_2|+...}D(A,B)=∣a1−

pen-ai·2024-08-25 08:34

AutoML原理与代码实例讲解

AutoML原理与代码实例讲解作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着数据量的爆炸式增长和算法的日益复杂，机器学习在各个领域的应用越来越广泛

AI大模型应用之禅·2024-08-25 07:31

比努力学习更重要的是认真实践

最近我过得其实挺糟糕的，在职业生涯的第三年，有些迷茫，不知道下一步要选择哪个方向。以前老给别人种种建议和想法，这回到了自己身上确是一脸懵逼。前两天在一个国际展会上，认识一个亚马逊销售部的89年小姐姐，主要是做B端的kindle销售，这次展会临时客串做c端的销售。因为我对kindle的产品特性和设计初衷比较了解，就在他们的站台上逗留了一会儿，她听我在不断地为他们说好话，给其他顾客讲解kindle，还

大兄弟你好·2024-08-25 07:13

【机器学习】4. 相似性比较（二值化数据）与相关度(correlation)

SMCSimpleMatchingCoefficient评估两组二进制数组相似性的参数SMC=(f11+f00)/(f01+f10+f11+f00)其中，f11表示两组都为1的组合个数，f10表示第一组为1，第二组为0的组合个数。这样做会有一个缺点，假设是比较稀疏的数据，如今天去哪一个地区，地区有成千上万个，但是去的只有一个地区。那么就会导致f00非常的大，如此计算的结果SMC必然很大，但是能够代

pen-ai·2024-08-25 07:59

【机器学习】5. K近邻（KNN）

K近邻（KNN）1.K-NearestNeighbour1.1特点：计算复杂1.2K的设置1.3加权近邻Weightednearestneighbor1.4决策边界DecisionboundaryVoronoiregion2.KNN总结1.K-NearestNeighbourK:超参数(hyperparameter)定义一种距离，参考第三节距离公式计算预测点到其他训练数据的距离找到最近的K个邻居预

pen-ai·2024-08-25 07:59

机器学习中的各种距离

在做分类时常常需要估算不同样本之间的相似性(SimilarityMeasurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。本文的目的就是对常用的相似性度量作一个总结。本文目录：1.欧氏距离2.曼哈顿距离3.切比雪夫距离4.闵可夫斯基距离5.标准化欧氏距离6.马氏距离7.夹角余弦8.汉明距离9.杰卡德距离&杰

千寻～·2024-08-25 07:58

未来已来：探索机器学习如何重塑人工智能的未来方向

引言：机器学习室实现人工智能的关键技术手段，应用领域持续延伸机器学习是人工智能的一个重要分支，主要研究如何让计算机系统通过数据学习并做出决策或预测，而不需要明确的编程。

华清远见西安中心·2024-08-25 06:56

机器学习 | 距离计算

文章目录距离计算1.闵可夫斯基距离（有序属性）1.1曼哈顿距离1.2欧氏距离2.VDM距离（无序属性）3.MinkovDM距离（混合属性）4.加权距离（重要性不同）参考资料相关文章：机器学习|目录机器学习

X1AO___X1A·2024-08-25 06:55

Python标准库、第三方库和外部工具汇总

这些库可用于文件读写、网络抓取和解析、数据连接、数清洗转换、数据计算和统计分析、图像和视频处理、音频处理、数据挖掘/机器学习/深度学习、数据可视化、交互学习和集成开发以及其他Python协同数据工作工具

weixin_30650039·2024-08-25 06:25

[转载] 140种Python标准库、第三方库和外部工具

参考链接：Python|使用openpyxl在Excel文件中进行算术运算这些库可用于文件读写、网络抓取和解析、数据连接、数清洗转换、数据计算和统计分析、图像和视频处理、音频处理、数据挖掘/机器学习/深度学习

ey_snail·2024-08-25 06:24

迁移学习之领域泛化

领域泛化领域泛化（DomainGeneralization）是机器学习和计算机视觉中的一个重要概念，它指的是模型能够从一个或多个源领域（sourcedomains）学习到的知识或模式，成功地应用到与训练时未见过的目标领域

踩着上帝的小丑·2024-08-25 04:41

【大模型从入门到精通39】LLM部署运维（LLM Ops）使用Kubeflow Pipelines掌握LLM工作流1

使用KubeflowPipelines掌握LLM工作流在本节中，我们将深入探讨如何使用KubeflowPipelines来编排和自动化机器学习工作流。

水木流年追梦·2024-08-25 03:08

AI人工智能 Agent：高级概念剖析

AI人工智能Agent：高级概念剖析关键词：人工智能，智能代理，机器学习，强化学习，多智能体系统，行为树，决策过程1.背景介绍1.1问题的由来人工智能（ArtificialIntelligence，AI

AI大模型应用之禅·2024-08-25 03:36

国庆中秋长假结束了

收心养性，踏实工作，努力学习，去成为最好的自己。

种豆南山上·2024-08-25 03:07

遗传算法与深度学习实战（1）——进化深度学习

遗传算法与深度学习实战（1）——进化深度学习0.前言1.进化深度学习1.1进化深度学习简介1.2进化计算简介2.进化深度学习应用场景3.深度学习优化3.1优化网络体系结构4.通过自动机器学习进行优化4.1

盼小辉丶·2024-08-25 00:21

每天一个数据分析题（四百八十七）- 非监督学习

C.Minkowski距离D.笛卡尔距离数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习

跟着紫枫学姐学CDA·2024-08-24 23:13

每天一个数据分析题（四百八十八）- 非监督学习

C.Minkowski距离D.笛卡尔距离数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习

跟着紫枫学姐学CDA·2024-08-24 23:13

使用Python进行数据分析的最佳实践

1.引言数据科学和机器学习正在改变世界，Python作为一种灵活且功能强大的语言，已经成为了数据科学家们的首选工具。它不仅易于学习，而且拥有丰富的生态系统，包括用于数据分析的强大工具包，如Nu

Envyᥫᩣ·2024-08-24 22:39

冥想与睡眠班会感悟

优秀的伙伴太多，自己要努力学习，精进！收获:1汤教练分享的持续难，贵在坚持。跑步不难，只需要迈开腿，难在持续；冥想不难，关注呼吸，难在持续关注！

Vicky_ff2b·2024-08-24 21:27

【PostgreSQL教程】PostgreSQL 高级篇之触发器

等平台优质作者、专注于Java技术领域✌技术范围：SpringBoot、SpringCloud、Vue、SSM、HTML、Nodejs、Python、MySQL、PostgreSQL、大数据、物联网、机器学习等设计与开发

No8g攻城狮·2024-08-24 20:25

Datawhale X 李宏毅苹果书 AI夏令营Day02

一、打卡Datawhale进入打卡链接选择相对应的任务打卡就可以了二、学习1、线性模型依旧是b站上老师的授课视频，我找到知乎上解释很好的文章，分享一下机器学习（一）线性模型————理论篇线性回归模型、对数几率模型

xuanEpiphany29·2024-08-24 19:21

2022-11-04

这个问这个问题都是相对的，学历只是一块敲门砖，在好的学校，好的专业，自己不好好学，出来什么都不会，肯定是找不到工作的，若你在单招学校努力学习专业知识，出来肯定非常的好找工作，这个问题主要看你自己在大学期间的学习态度了

天道酬勤123·2024-08-24 19:00

Python 数据清洗与预处理

Python数据清洗与预处理在数据科学和机器学习的项目中，数据清洗与预处理是至关重要的一步。无论数据来源如何，原始数据通常都是不完整、不一致、含有噪声的，甚至可能包含错误。

天蓝蓝23528·2024-08-24 16:05

新书上架 | 《智能计算系统：从深度学习到大模型（第2版）》重磅上市！

欢迎关注博主Mindtechnist或加入【智能科技社区】一起学习和分享Linux、C、C++、Python、Matlab，机器人运动控制、多机器人协作，智能优化算法，滤波估计、多传感器信息融合，机器学习

Mindtechnist·2024-08-24 16:31

数学基础 -- 梯度下降算法

它广泛应用于机器学习、深度学习以及统计学中，用于最小化损失函数或误差函数。梯度下降的基本概念梯度下降算法通过以下步骤工作：初始化参数：随机初始化模型的参数（如权重和偏差），也可以用特定的策略初始化。

sz66cm·2024-08-24 15:25

【Pyspark-驯化】一文搞懂Pyspark写入hive表的使用技巧

技术专长：在机器学习、搜

算法驯化师·2024-08-24 13:43

竹子

在那一天到来之前，我们就要向竹子一样，先在地下扎根，让自己努力学习知识，分享知识，让知识去影响更多人。在五年或十年后，一定会遇到一个不一样的自己！

春明阔野·2024-08-24 11:54

机器学习中分类算法的优缺点

决策树一、决策树优点1、决策树易于理解和解释，可以可视化分析，容易提取出规则。2、可以同时处理标称型和数值型数据。3、测试数据集时，运行速度比较快。4、决策树可以很好的扩展到大型数据库中，同时它的大小独立于数据库大小。二、决策树缺点1、对缺失数据处理比较困难。2、容易出现过拟合问题。3、忽略数据集中属性的相互关联。4、ID3算法计算信息增益时结果偏向数值比较多的特征。三、改进措施1、对决策树进行剪

qq_41581769·2024-08-24 07:37

Magenta——利用深度学习生成音乐和艺术内容

一、Magenta介绍Magenta是由Google的Brain团队开发的一个开源研究项目，旨在探索机器学习在艺术和音乐创作中的应用。

爱研究的小牛·2024-08-24 05:23

opencv处理图片（实战指南）

一、OpenCV简介OpenCV（OpenSourceComputerVisionLibrary）是一个开源的计算机视觉和机器学习软件库。

富士达幸运星·2024-08-24 05:50

推荐频道

努力学习机器学习