吴恩达监督学习第3页

【大厂AI课学习笔记】【1.6 人工智能基础知识】（2）机器学习

目录必须理解的知识点：举一个草莓的例子：机器学习的三个类别：监督学习：无监督学习：强化学习：更多知识背景：机器学习的诞生需求监督学习的关键技术与实现步骤无监督学习的关键技术与实现步骤区别：联系：其他关键知识点

giszz·2024-02-12 08:26

XGBoost算法

XGBoost在机器学习中被广泛应用于多种场景，特别是在结构化数据的处理上表现出色，XGBoost适用于多种监督学习任务，包括分类、回归和排名问题。

小森( ﹡ˆoˆ﹡ )·2024-02-12 04:11

半监督学习（主要伪标签方法）

半监督学习1.引言应用场景：存在少量的有标签样本和大量的无标签样本的场景。在此应用场景下，通常标注数据是匮乏的，成本高的，难以获取的，与之相对应的是却存在大量的无标注数据。

拔牙的萌萌鼠·2024-02-11 14:18

为什么在半监督中的无监督阶段CE常常配合置信度使用而MSE通常不会

在半监督学习中，结合无监督损失（如交叉熵（CE）损失）和置信度阈值的策略主要用于确保模型从高质量、高置信度的伪标签中学习。

UndefindX·2024-02-11 14:48

吴恩达机器学习—正则化

过拟合问题欠拟合与过拟合当变量过少时，可能存在欠拟合；当变量过多时，会存在过拟合。过拟合可能对现有数据拟合效果较好，损失函数值几乎为零，但是不能进行泛化时，即不适于非训练集的其他数据。如何解决过拟合问题特征变量过多造成过拟合绘制假设模型图像，但当特征变量变多时，绘制很困难。当变量过多而训练数据较少时，容易出现过拟合。过拟合的解决办法解决过拟合问题，通常有两种方法：一种是减少特征的数量，可以通过人工

魏清宇·2024-02-11 09:55

159基于matlab的基于密度的噪声应用空间聚类(DBSCAN)算法对点进行聚类

159基于密度的噪声应用空间聚类无监督学习(xiaohongshu.com)

顶呱呱程序·2024-02-11 06:22

【计算机视觉】计算机视觉与深度学习-10-生成网络-北邮鲁鹏老师课程笔记

计算机视觉与深度学习-10-生成网络-北邮鲁鹏老师课程笔记无监督学习聚类K-means降维线性降维主成分分析非线性降维自编码特征学习密度估计贝叶斯决策生成模型生成模型的应用生成模型分类密度估计参考密度估计分类显示的密度估计

暖焱·2024-02-11 02:14

魏清宇·2024-02-11 02:53

四、机器学习基础概念介绍

四、机器学习基础概念介绍1_机器学习基础概念机器学习分类1.1有监督学习1.2无监督学习2_有监督机器学习—常见评估方法数据集的划分2.1留出法2.2校验验证法（重点方法）简单交叉验证K折交叉验证（单独流出测试集

ITS_Oaij·2024-02-10 21:39

一维自编码深度学习去噪效果如何？我用实验告诉你

使用自编码做有监督学习降噪，使用卷积神经网络，最好效果的PSNR达到22.94。原图，加噪声图片和去噪图片的效果是这

科技州与数据州·2024-02-10 13:05

神经网络和深度学习(一):深度学习概论

type=detail&id=2001701005&cid=20016940041、什么是神经网络我们来看一个简单的预测房价的例子，吴恩达老师还真是喜欢用这个例子呢。

文哥的学习日记·2024-02-10 11:03

机器学习系列——（二十二）结语

回顾学习之旅我们的系列文章涵盖了机器学习的各个方面，从监督学习到无监督学习，从简单的线性

飞影铠甲·2024-02-10 11:53

机器学习系列——（二十）密度聚类

引言在机器学习的无监督学习领域，聚类算法是一种关键的技术，用于发现数据集中的内在结构和模式。

飞影铠甲·2024-02-10 11:53

机器学习系列——（十九）层次聚类

引言在机器学习和数据挖掘领域，聚类算法是一种重要的无监督学习方法，它试图将数据集中的样本分组，使得同一组内的样本相似度高，不同组间的样本相似度低。

飞影铠甲·2024-02-10 07:47

如何入行人工智能

机器学习作为人工智能的核心，其基本理论涵盖了机器学习的定义、不同类型（如监督学习、非监督学习、强化学习）以及它们的主要应用场景。对于监督学习，我们需要熟悉线性回归、逻辑回归、决策树、随机森林和支持向量

科联学妹·2024-02-10 06:54

【吴恩达机器学习】第八周—聚类降维Kmeans算法

31.jpg1.聚类(Clustering)1.1介绍之前的课程介绍的都是监督学习、而聚类属于非监督学习，在一个典型的监督学习中，我们有一个有标签的训练集，我们的目标是找到能够区分正样本和负样本的决策边界

Sunflow007·2024-02-09 20:26

PyTorch支持向量机（SVM）详解

支持向量机（SupportVectorMachine，简称SVM）是一种强大的监督学习算法，广泛用于分类和回归问题。在本篇博客中，我们将深入探讨如何在PyTorch中使用支持向量机进行分类任务。

洞深视界·2024-02-09 19:11

吴恩达机器学习笔记（2）

一.逻辑回归1.什么是逻辑回归？逻辑回归是一种预测变量为离散值0或1情况下的分类问题，在逻辑回归中，假设函数。2.模型描述在假设函数中，，为实数，为Sigmoid函数，也叫Logistic函数。模型解释：，即就是对一个输入，的概率估计。损失函数的理解：所谓最大似然估计，就是我们想知道哪套参数组合对应的曲线最可能拟合我们观测到的数据，也就是该套参数拟合出观测数据的概率最大，而损失函数的要求是预测结果

python小白22·2024-02-09 18:11

论文阅读_对比学习_SimCLR

ASimpleFrameworkforContrastiveLearningofVisualRepresentations中文题目：视觉表征对比学习的简单框架论文地址：https://arxiv.org/abs/2002.05709v2领域：深度学习，知识表示，半监督学习

xieyan0811·2024-02-09 15:20

机器学习系列——（十七）聚类

聚类是一种无监督学习（UnsupervisedLearning）技术，它的目标是将相似的对象分组到一起，形成簇（Cluster）。与有监督学习

飞影铠甲·2024-02-09 09:08

【深度学习：掌握监督学习】掌握监督学习综合指南

【深度学习：掌握监督学习】掌握监督学习综合指南监督学习的定义和简要说明监督学习在人工智能中的重要性和相关性概述什么是监督学习？

jcfszxc·2024-02-09 09:11

Graph Contrastive Learning with Augmentations

GraphCL学习笔记Abstract提出GNN对自监督学习和pre-training较少。本文提出了GraphCL框架，用于学习图的无监督表示。

tutoujiehegaosou·2024-02-09 00:54

深度学习的新进展：解析技术演进与应用前景

1.自监督学习的崛起近年来，自监督学习在深度学习领域崭露头角。相较于传统的监督学习，自

两壶若水·2024-02-08 19:06

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（二）

：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0第三章：分类在第一章中，我提到最常见的监督学习任务是回归

绝不原创的飞龙·2024-02-08 18:31

CLIP 对比预训练 + 文字图像相似度：离奇调查，如何训练视觉大模型？

对比预训练传统方法训练视觉模型的方式通常是使用有监督学习方法，需要收集大量图像和对应标签：CLIP采用了一种不需要人工大量标记数据的自监督学习方法。CLIP模型是一

Debroon·2024-02-08 11:05

隐私计算技术创新赋能金融数字化转型

文章目录前言一、金融数据要素流通和价值发挥面临的挑战二、隐私计算技术助推金融场景建设向纵深发展（一）基于可验证秘密共享算法的跨机构数据联合统计（二）基于联邦半监督学习的沉睡客户挖掘模型（三）基于跨域数据校验算法的客户信息准确性验证

岛屿旅人·2024-02-08 11:58

如何开始深度学习，从实践开始

了解机器学习的基本原理，包括监督学习和无监督学习等概念。深入研究神经网络及其架构，如前馈神经网络、卷积神经网络和循环神经网络。探索流行的深度学

skywalk8163·2024-02-08 11:46

李宏毅机器学习（二十）无监督学习Neighbor Embedding近邻嵌入

ManifoldLearning我们有时候的特征其实是低维度的放到高纬度上去，比如地球表面是2维的，但是被放到了3维空间，比如左下的S曲面，其实可以展开到2维平面上去，接下来就方便我们进一步计算分类等等插图1我们有如下几个降维方法LocallyLinearEmedding(LLE)局部线性嵌入具体是是怎么做的呢，我们点x和周围的点xj，给xj每个点加权wij求和，使其和xi最接近，然后投影到向量z

ca8519be679b·2024-02-08 10:38

使用强化学习快速让AI学会玩贪食蛇游戏(轻量级二十分钟训练+代码)

)环境动作定义状态定义奖励设计训练奖励值收敛图采用第4种状态定义方法初步训练效果最终训练效果模型泛化迁移能力代码概述所用技术：强化学习(DeepReinforcementLearning)，属于一种无监督学习

Y. F. Zhang·2024-02-08 09:24

NLP_“预训练+微调大模型”模式和Prompt/Instruct模式的异同

NLP应用人员可以根据自己的需要，对模型的头部或者部分参数进行适应性的调整，这通常涉及在相对较小的有标注数据集上进行有监督学习，让模型适应特定任务的需求。这就

you_are_my_sunshine*·2024-02-08 09:54

神经网络与深度学习 Neural Networks and Deep Learning 课程笔记第一周

NeuralNetworksandDeepLearning课程笔记第一周文章目录神经网络与深度学习NeuralNetworksandDeepLearning课程笔记第一周深度学习简介什么是神经网络使用神经网络进行监督学习为什么神经网络会兴起本文是吴恩达深度学习系列课程的学习笔记

林间得鹿·2024-02-08 09:21

深度学习教程 | 神经网络优化算法

深度学习教程|深度学习的实用层面深度学习教程|深度学习的实用层面ShowMeAI2022-04-1412,153阅读23分钟专栏：深度学习教程◉吴恩达专项课程最全笔记[外链图片转存中…(img-etBVICyc

Dashesand·2024-02-08 03:22

深度学习教程 | 自然语言处理与词嵌入

Dashesand·2024-02-08 03:22

Python 机器学习线性回归算法

线性回归是一种预测数值型数据的监督学习算法。线性回归是统计学和机器学习中最基础且广泛应用的预测模型之一。实现在建立自变量（X）和因变量（Y）之间的线性关系。

weixin_42098295·2024-02-08 01:42

机器学习 | 一文看懂SVM算法从原理到实现全解析

目录初识SVM算法SVM算法原理SVM损失函数SVM的核方法数字识别器(实操)初识SVM算法支持向量机（SupportVectorMachine，SVM）是一种经典的监督学习算法，用于解决二分类和多分类问题

亦世凡华、·2024-02-07 21:19

基于WGAN-GP方法的时间序列信号生成（以轴承振动信号为例）

生成对抗网络GAN作为非监督学习，由生成器和判别器两个神经网络构成。生成器从潜在空间中随机取样作为输入，试图生成与真实样本数据相仿的数据。

哥廷根数学学派·2024-02-07 20:56

【MATLAB】使用梯度提升树在回归预测任务中进行特征选择（深度学习的数据集处理）

梯度提升树（GBT）是一种强大的监督学习算法，常用于回归和分类问题。通过利用多棵决策树的集成学

编程到天明·2024-02-07 15:59

教程：教你一个简单快速能够掌握监督学习算法的方法

监督学习作为运用最广泛的机器学习方法，一直以来都是从数据挖掘信息的重要手段。即便是在无监督学习兴起的近日，监督学习也依旧是入门机器学习的钥匙。这篇监督学习教程适用于刚入门机器学习的小白。

妄心xyx·2024-02-07 11:52

LangGPT —— 让人人都能编写高质量 Prompt

虽然也有许多个人自发分享的prompt方法、框架，以及吴恩达老师的prompt教程，但是现有Prompt创建方法还是有各种各样的缺点：缺乏系统性：大多是细碎的规则，技巧，严重依赖个人经验缺乏灵活性：对他人分享的优质

云中江树·2024-02-07 09:10

Scikit-learn－04.决策树算法

决策树是分类器中的一种，属于有监督学习方法。简单来说，分类器就是根据样本的特征或属性，划分到已有的类别中。也就是说，这些类别是已知的

sun zi chao·2024-02-07 09:02

Sklearn库知识学习-学习笔记

机器学习"课程内容导学1.1机器学习的目标1.2机器学习分类监督学习监督学习是指:利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。

努力奋斗的durian·2024-02-07 08:22

【自然语言处理】微调 Fine-Tuning 各种经典方法的概念汇总

【自然语言处理】微调Fine-Tuning各种经典方法的概念汇总前言请看此微调Fine-TuningSFT监督微调（SupervisedFine-Tuning）概念：监督学习，无监督学习，自监督学习，半监督学习

溢流眼泪·2024-02-07 07:11

kmeans实例及代码

聚类和决策树一样，属于无监督学习。也就是说数据样本只有特征x，没有给定y。聚类的目的是找到样本特征潜在的类别，将同类别的样本放在一起。

morie_li·2024-02-07 06:57

【机器学习300问】23、什么是主动学习？

一、带标签的数据很难获得机器学习中，比如监督学习需要带有标签的训练样本才能得到模型，然而在以下几种场景中去获取带有标签的数据是很难的：自动驾驶场景：对自动驾驶汽车收集的高清地图数据或实时摄像头数据进行标注

小oo呆·2024-02-07 06:00

JCTC | 利用几何深度学习对蛋白质-配体结合pose进行等变灵活建模

它还利用构象感知预训练和弱监督学习策略来提高模型在看不见的化学空间中的通用性。作者证明FlexPose的性能优于流行的对接工具和最新的深

药研猿·2024-02-07 05:33

【Andrew Ng机器学习】单变量线性回归-模型描述

课程：吴恩达机器学习一个监督学习的例子——房价预测使用的是一组俄勒冈州波特兰市的城市住房价格的数据。根据不同的尺寸的房间对应的不同售价，组成的数据集来画图。

jenye_·2024-02-07 05:21

机器学习聚类算法

聚类算法是一种无监督学习方法，用于将数据集中的样本划分为多个簇，使得同一簇内的样本相似度较高，而不同簇之间的样本相似度较低。

小森( ﹡ˆoˆ﹡ )·2024-02-07 04:26

机器学习---半监督学习简单示例（标签传播算法）

1.使用半监督学习方法LabelSpreading在一个生成的二维数据集上进行标签传播importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.semi_supervisedimportlabel_propagationfromsklearn.datasetsimportmake_circles

三月七꧁ ꧂·2024-02-06 21:43

4种不同类别的机器学习概述

列奥纳多·德·马尔希（LeonardoDeMarchi），劳拉·米切尔(LauraMitchell)来源：大数据DT（ID：hzdashuju）我们可以根据算法执行学习的方式将它们分为以下不同类别：有监督学习无监督学习半监督学习强化学习

大数据v·2024-02-06 19:44

机器学习系列——（十一）回归

引言在机器学习领域，回归是一种常见的监督学习任务，它主要用于预测数值型目标变量。回归分析能够通过对输入特征与目标变量之间的关系建模，从而对未知数据做出预测。

飞影铠甲·2024-02-06 07:50

推荐频道

吴恩达监督学习