吴恩达监督学习

机器学习篇——决策树基础

决策树是一种监督学习算法，主要用于分类和回归任务。它通过递归地将数据集划分为更小的子集，最终生成一棵树状结构。决

巷955·2025-03-09 21:30

无监督AI训练:机遇与挑战并存

无监督AI训练：机遇与挑战并存关键词：无监督学习、AI训练、机器学习、聚类算法、降维技术、深度学习摘要：本文深入探讨无监督AI训练这一新兴领域，首先介绍了其基本概念与原理，然后详细解析了无监督AI训练的核心技术

AI天才研究院·2025-03-09 21:28

大规模语言模型构建流程

大规模语言模型1.大语言模型大规模语言模型（LargeLanguageModels，LLM），也称大语言模型，是一种由包含数百亿以上参数的深度神经网络构建的语言模型，通常使用自监督学习方法通过大量无标注文本进行训练

人工智能技术笔记·2025-03-09 15:34

（Pytorch）动手学深度学习：基础内容（持续更新）

X.sum(0,keepdim=True)和X.sum(1,keepdim=True)广播机制(broadcast)Softmax函数和交叉熵损失函数Softmax函数交叉熵损失函数感知机多层感知机前言之前看吴恩达

孔表表uuu·2025-03-09 01:48

机器学习入门知识

二、机器学习的基本类型1.监督学习2.无监督学习3.半监督学习4.强化学习三、机器学习的工作流程四、常见的机器学习算法五、机器学习的评价指标六、机器学习中的过拟合与欠拟合七、机器学习的应用八、学习机器学习的资源前言随着人工智能的发展

十五境剑修·2025-03-08 09:33

深度学习 -- 逻辑回归 PyTorch实现逻辑回归

逻辑回归是一种广义的线性回归分析模型，是监督学习的一种重要方法，主要用于二分类问题，但也可以用于多分类问题。逻辑回归的主要思想是，对于一个二分类问题，先根据

冲鸭嘟嘟可·2025-03-07 14:53

【大模型学习】第八章深入理解机器学习技术细节

目录引言一、监督学习（SupervisedLearning）1.定义与工作原理2.常见任务3.应用场景示例：房价预测二、无监督学习（UnsupervisedLearning）1.定义与工作原理2.常见任务

好多渔鱼好多·2025-03-06 16:57

Word2Vec向量化语句的计算原理

一、Word2Vec的核心理念Word2Vec由Google团队于2013年提出，是一种通过无监督学习生成词向量的模型。

堕落年代·2025-03-06 11:38

机器学习—赵卫东阅读笔记（一）

——BP算法：作为一种监督学习算法，训练神经网络时通过不断反馈当前网络计算结果与训练数据之间的误差来修正网络权重，使误差足够小。4.进化计算——通过迭代优化，找到最佳结果。

走在考研路上·2025-03-06 10:29

机器学习之学习笔记

模型选择与调优4.4朴素贝叶斯算法4.5决策树4.6集成学习方法之随机森林5.回归算法5.1线性回归5.2过拟合与欠拟合5.3岭回归5.4逻辑回归（实际上是分类算法，用于解决二分类问题）6.聚类算法1.无监督学习

孤城laugh·2025-03-06 00:39

K-means聚类：解锁数据隐藏结构的钥匙

K-means聚类：解锁数据隐藏结构的钥匙在机器学习的广阔领域中，无监督学习以其独特的魅力吸引了众多研究者和实践者。

蓝天资源分享·2025-03-05 22:25

机器学习笔记 - 监督学习备忘清单

一、监督学习简介给定一组数据点关联到一组结果，我们想要构建一个分类器，学习如何从预测。1、预测类型下表总结了不同类型的预测模型：2、模型类型下表总结了不同的模型：

坐望云起·2025-03-05 02:37

预训练模型微调与下游任务迁移学习技术

预训练模型通过在海量数据上的自监督学习,学习到了丰富的特征表示,为下游任务提供了强大的初始化。而对预训练模型进行有效的微调,可以充分利用预训练知识,在有限数据上快速达到出色的性能。

AGI大模型与大数据研究院·2025-03-04 22:37

多层感知机 (Multilayer Perceptron, MLP)

MLP是监督学习的模型，常用于分类和回归问题。组成部分输入层（InputLayer）：接收输入数据的特征。例如，如果我们有一个特征向量x=[x1,x2,…,xn]\mathbf{

ALGORITHM LOL·2025-03-04 20:19

SFT与RLHF的关系

以下是关键要点：1.核心关系SFT：基于标注的高质量样本（如问答对、指令-回答数据），以监督学习方式直接调整模型参数，使模型初步掌握特定任务（如对话生成）的基础能力。

一只积极向上的小咸鱼·2025-03-04 11:12

2小时学懂【多元统计分析】——聚类分析（R语言）

聚类分析是一种无监督学习方法，用于将相似的观测值（或对象）分组到集群中。

木小鹿·2025-03-03 18:56

聚类分析tensorflow实例_新手必看的机器学习算法集锦（聚类篇）

继上一篇《机器学习算法之分类》中大致梳理了一遍在机器学习中常用的分类算法，类似的，这一姊妹篇中将会梳理一遍机器学习中的聚类算法，最后也会拓展一些其他无监督学习的方法供了解学习。

道酝欣赏·2025-03-03 18:55

GPT-4.5

通过扩展无监督学习，GPT-4.5增强了识别模式、建立联系和创造性洞察的能力，尽管它并不是专门为推理任务设计的。早期测试者表示，与GPT-4.5交互的

开发者每周简报·2025-03-03 15:38

基础篇（二）从监督学习到强化学习：机器学习的不同范式

从监督学习到强化学习：机器学习的不同范式在机器学习的广阔领域中，监督学习和强化学习是两种最重要的范式。它们各自有其独特的特点和应用场景，但也存在紧密的联系。

带上一无所知的我·2025-03-03 11:39

Transformer预测 | 基于TCN-Transformer的股票价格预测（Pytorch）

文章目录预测效果文章概述程序设计参考资料预测效果文章概述Transformer预测|基于TCN-Transformer的股票价格预测（Python）Transformer模型本质上都是预训练语言模型，大都采用自监督学习

机器学习之心·2025-03-02 13:35

BERT模型深入理解——自然语言处理的里程碑

BERT创新性地使用预训练+微调模式，先用预训练在大量无标注的语料中进行自监督学习，学习到语言的通用规律，然后在少量有标注的数据中进行有监督学习，适配更精细化的任务。这种模式一直影响到最新的大模型结

cufewxy2018·2025-03-01 06:47

深度学习-【完整代码+数据集】逻辑回归预测乳腺癌检测案例

，做过高程，项目经理，架构师主要内容：Java项目开发、Python项目开发、大学数据和AI项目开发、单片机项目设计、面试技术整理、最新技术分享收藏点赞不迷路关注作者有好处文末获得源码机器学习分为：有监督学习

编程千纸鹤·2025-03-01 06:14

深入详解人工智能机器学习：强化学习

与监督学习不同的是，强化学习不依赖于给定的输入输出对，而是通过试探和反馈不断改进决策策略。强化

猿享天开·2025-02-28 15:58

机器学习：强化学习的epsilon贪心算法

它与监督学习和无监督学习不同，强调试错探索（Exploration-Exploitation）以及基于奖励信号的学习。

田乐蒙·2025-02-28 15:25

【人工智能算法】人工智能算法都包括什么？请详细列出和解释

请详细列出和解释1.机器学习算法（MachineLearningAlgorithms）监督学习算法（SupervisedLearning）无监督学习算法（UnsupervisedLearning）强化学习算法

资源存储库·2025-02-27 22:08

机器学习——无监督学习(k-means算法)

1、K-Means聚类算法K表示超参数个数，如分成几个类别，K值就取多少。若无需求，可使用网格搜索找到最佳的K。步骤：1、随机设置K个特征空间内的点作为初始聚类中心；2、对于其他每个点计算到K个中心的距离，未知的点选择最近的一个聚类中心点作为标记种类；3、接着对标记的聚类中心之后，重新计算出每个聚类的中心点(平均值)；4、如果计算得出的新中心点与原中心点一样，那么结束，否则执行第二步。means表

张起灵ovo·2025-02-27 16:20

大语言模型原理与工程实践：Transformer 大语言模型预训练

大语言模型原理与工程实践：Transformer大语言模型预训练关键词：大语言模型、预训练、Transformer、自监督学习、计算资源、数据处理文章目录大语言模型原理与工程实践：Transformer

AI天才研究院·2025-02-27 16:18

AI人工智能机器学习之聚类分析

2、聚类分析-简介聚类分析是一种无监督学习的方法，用于将数据集中的样本划分为不同的组（簇），使得同一组中的样本相似度较高，而不同组之间的样本相似度较低。

rockfeng0·2025-02-27 09:01

支持向量机（SVM）简介与应用

支持向量机（SupportVectorMachine，简称SVM）是一种监督学习模型，广泛应用于分类、回归等问题。

Jason_Orton·2025-02-27 00:43

AI人工智能机器学习之监督线性模型

1、概要本篇学习AI人工智能机器监督学习框架下的线性模型，以LinearRegression线性回归和LogisticRegression逻辑回归为示例，从代码层面测试和讲述监督学习中的线性模型。

rockfeng0·2025-02-26 09:57

支持向量机（Support Vector Machine，SVM）

支持向量机（SupportVectorMachine，简称SVM）是一种监督学习模型，主要用于分类和回归分析。SVM的基本思想是寻找一个决策边界或超平面，使得两类样本之间的间隔最大化。

不易撞的网名·2025-02-25 23:15

DeepSeek强化学习（Reinforcement Learning）基础与实践

与监督学习和无监督学习不同，强化学习通过奖励信号来指导智能体的行为，使其能够在复杂的环境中做出决策。DeepSeek提供了强大的工具和API，帮助我们高效地构建和训练强化学习模型。

Evaporator Core·2025-02-25 23:44

支持向量机 (Support Vector Machine, SVM)

支持向量机(SupportVectorMachine,SVM)支持向量机（SVM）是一种广泛应用于分类、回归分析以及异常检测的监督学习算法。

数维学长986·2025-02-25 22:38

论文学习3：深度学习增强的光声成像（PAI）的最新进展（综述）

2.DL方法的原理介绍DL的子集：监督学习、无监督学习和强化学习。详细说明代表性DL架构：卷积神经网络（CNN）、U-形神经网络（U-Net）和

superace7911·2025-02-25 15:50

检测加密货币挖矿活动的异常端口

我们以检测加密货币挖矿活动的异常端口为例，使用无监督学习（自编码器）实现动态基线建模。

扫地僧009·2025-02-25 13:01

ProgramHan·2025-02-25 09:05

机器学习的三个步骤-ChatGPT4o作答

关键内容：问题类型：监督学习(Sup

部分分式·2025-02-25 04:33

用人类反馈微调大模型，InstructGPT 让 GPT-3 脱胎换骨

我们从一组标注员编写的提示以及通过OpenAIAPI提交的提示开始，收集了一个数据集，其中包含标注员展示的期望模型行为，利用这些数据通过监督学习对GPT-3进行微调。

·2025-02-24 23:50

大模型学习完整路径（一站式汇总），从零基础到精通！新手友好级指南

先来一张整体结构图，越是下面部分，越是基础：可以按以下步骤学习：1.理解基础概念需要了解深度学习的基本原理和常见术语，如神经网络、梯度下降、反向传播、监督学习、无监督学习、分类、回归、聚类

Python程序员罗宾·2025-02-24 22:45

数据标注中的归类与定义，从聚类，相关，关联，回归四个方面分析

1.聚类（Clustering）1.1概念聚类是一种无监督学习方法，它将相似的数据点分为同一个组，而无需预

小宝哥Code·2025-02-24 10:23

【机器学习】支持向量机（SVM）详解：原理与优化

2.5非线性分类与支持向量3.优缺点分析3.1优点3.2缺点4.SVM与其他算法的比较5.总结支持向量机(SVM)详解1.基本概念支持向量机（SupportVectorMachine,SVM）是一种强大的监督学习算法

宸码·2025-02-24 02:28

机器学习基础

了解机器学习的基本概念，如监督学习、无监督学习、强化学习、模型评估指标（准确率、召回率、F1分数等）。

dringlestry·2025-02-23 21:50

人工智能：从基础到前沿

2.2人工智能的历史2.3人工智能的分类3.机器学习3.1机器学习概述3.2监督学习3.3无监督学习3.4强化学习4.深度学习4.1深度学习概述4.2神经网络基础4.3卷积神经网络（CNN）4.4循环神经网络

顾漂亮·2025-02-23 12:15

深入浅出机器学习：概念、算法与实践

目录引言机器学习的基本概念什么是机器学习机器学习的基本要素机器学习的主要类型监督学习（SupervisedLearning）无监督学习（UnsupervisedLearning）强化学习（ReinforcementLearning

倔强的小石头_·2025-02-23 11:43

计算机视觉CV学习路线

计算机视觉CV学习路线1.基础准备（可参考mooc学习）2.计算机视觉基础知识（可参考mooc学习、计算机图形学）3.经典计算机视觉算法（可参考吴恩达机器学习课程、国内外计算机图形学课程）4.深度学习基础

我喝AD钙·2025-02-22 23:08

【深度学习大模型实例教程：Transformer架构、多模态模型与自监督学习】

深度学习大模型实例教程：Transformer架构、多模态模型与自监督学习1.深度学习基础概述1.1深度学习的核心概念1.2常见深度学习模型1.3大模型的挑战与解决方案2.数据准备2.1数据处理示例：CIFAR

生活De°咸鱼·2025-02-21 22:34

嵌入式人工智能应用-第四章 KNN 算法介绍 3

值的选取2.3距离计算2.4KNN算法特点2.5KNN算法流程3实验验证3.1实验代码-具体代码可以从附件下载3.2演示效果1KNN介绍K邻近（K-NearestNeighbors，KNN）是一种广泛使用的监督学习算法

数贾电子科技·2025-02-21 16:17

高斯混合模型（GMM）与K均值算法（K-means）算法的异同

高斯混合模型（GaussianMixtureModel,GMM）和K均值（K-Means）算法都是常用于聚类分析的无监督学习方法，虽然它们的目标都是将数据分成若干个类别或簇，但在实现方法、假设和适用场景上有所不同

路野yue·2025-02-21 15:32

机器学习课程的常见章节结构

以下是机器学习课程的常见章节结构，结合了搜索结果中的信息：1.机器学习基础知识机器学习的定义与分类监督学习、无监督学习、半监督学习、强化学习机器学习的产生与发展机器学习的历史与现代应用经验误差与过拟合过拟合与欠拟合的概念及解决方案评估方法与性能度量交叉验证

zhangfeng1133·2025-02-21 14:24

推荐频道