吴恩达监督学习

【深度学习：机器学习模型】如何构建您的第一个机器学习模型

【深度学习：机器学习模型】如何构建您的第一个机器学习模型第1步：将您的机器学习项目置于情境中第2步：探索数据并选择机器学习算法的类型监督学习无监督学习强化学习第3步：数据收集第4步：选择模型评估方法维护保留验证集
jcfszxc·2024-02-01 11:59

About_Machine_Learning_in_action

#监督学习######仅仅是个人理解对于机器学习，分为监督学习和非监督学习，今天的监督学习仅仅作为自己的学习记录一个数据，有他的类别，一群数据都有他们的类别，而新加入的数据却没有类别，那么监督学习就是以已知分类去区分未知分类没有例子
煮茶温酒曲终人散·2024-02-01 10:53

【计算机视觉】万字长文详解：卷积神经网络

计算机视觉概述如果输入层和隐藏层和之前一样都是采用全连接网络，参数过多会导致过拟合问题，其次这么多的参数存储下来对计算机的内存要求也是很高的解决这一问题，就需要用到——卷积神经网络这是一种理解卷积的角度（至少在吴恩达老师这个教学视频中是
Yaoyao2024·2024-02-01 09:50

吴恩达机器学习- 正则化

过拟合和欠拟合定义和形态解决方法减少特征值数量正则化正则化惩罚θ系数线性回归正则化逻辑回归正则化
YANWeichuan·2024-02-01 03:40

图神经网络自监督学习工具箱 - CPT-HG（一）

文章名称【CIKM-2021】【BeijingUniversityofPostsandTelecommunications/WeChatSearchApplicationDepartment,TencentInc.】ContrastivePre-TrainingofGNNsonHeterogeneousGraphs核心要点文章旨在解决现有预训练图神经网络方法仅仅适用于同质图，忽略了异质图的特点，并
processor4d·2024-02-01 02:23

人工智能与机器学习——开启智能时代的里程碑

写在前面前言人工智能与机器学习的概述监督学习、无监督学习和强化学习的基本原理监督学习：无监督学习：强化学习：机器学习的算法和方法常见的机器学习算法和方法线性回归：决策树：支持向量机：神经网络：人工智能与机器学习的应用领域人工智能与机器学习的未来发展结论
洁洁！·2024-02-01 01:32

吴恩达 改善深层神经网络：超参数调试、正则化以及优化

第一步理解数据划分对于一个需要解决的问题的样本数据，在建立模型的过程中，数据会被划分为以下几个部分：训练集（trainset）：用训练集对算法或模型进行训练过程；验证集（developmentset）：利用验证集（又称为简单交叉验证集，hold-outcrossvalidationset）进行交叉验证，选择出最好的模型；测试集（testset）：最后利用测试集对模型进行测试，获取模型运行的无偏估计
西部小笼包·2024-01-31 23:33

故障诊断 | 一文解决，SVM支持向量机的故障诊断（Matlab）

效果一览文章概述故障诊断|一文解决，SVM支持向量机的故障诊断（Matlab）支持向量机（SupportVectorMachine，SVM）是一种常用的监督学习算法，用于分类和回归分析。
机器学习之心·2024-01-31 16:57

谈一谈深度学习与机器学习

机器学习包括多种方法：除了深度学习，机器学习还包括传统的监督学习、无监督学习、强化学习等方法，这些方法可以使用各种不同的算法和技术。优缺
流浪字节π·2024-01-31 09:07

Task03：基于图神经网络的结点表征

基于图神经网络的结点表征学习可以理解为对图神经网络进行基于监督学习的训练，使得图神经网络学会产生高质量的结点表征。在结点预测任务中，一个图，图上有很多节点，部分节点的标签已知，剩余节点的标签未知。
cherry_7·2024-01-31 08:10

机器学习——绪论总结

算法使用数据得到模型的过程即称为学习，或训练流程：根据输入数据，通过算法得到预测模型，对目标进行预测模型类别：分为有监督学习和无监督学习，其中有监督学习主要有分类和回归，无监督学习有如聚类等。
带带琪宝·2024-01-31 07:31

PyTorch][chapter 12][李宏毅深度学习][Semi-supervised Linear Methods-1]

这里面介绍半监督学习里面一些常用的方案：K-means,HAC,PCA等目录：K-meansHACPCA一K-means【预置条件】N个样本分成k个簇step1:初始化簇中心点(随机从X中抽取k个样本点作为
明朝百晓生·2024-01-31 07:46

最强机器学习入门博客（吴恩达机器学习课程总结）

机器学习的概述诞生现实生活许多领域的问题不能通过显式编程实现，比如制造自动驾驶汽车、智能工厂、规模农业、计算机视觉等等，一种好的实现方式是通过学习算法让计算机自己学习如何做。现在现在是学习机器学习最好的时机，因为机器学习在未来能产生巨大的价值未来机器学习在软件领域方面取得了巨大的价值，比如智能推荐，网络搜索，图像识别等机器学习在许多其他的领域仍有巨大的价值，比如未来在自动驾驶汽车，工厂，农业，医疗
PengHao666999·2024-01-30 23:32

数据挖掘之聚类

监督学习（也叫监督分类或分类）：使用一个由类标号已知的对象开
风雪夜归子·2024-01-30 22:54

信息检索与数据挖掘 | （十二）聚类

文章目录聚类KMeans层次聚类层次聚类概述dendrogram-树状图linkages-衡量两个类之间的距离Lance-Williams算法K-meansVS层次聚类DBSCAN聚类定义：聚类是一种无监督学习
啦啦右一·2024-01-30 22:52

机器学习中的 K-均值聚类算法及其优缺点

机器学习中的K-均值聚类算法及其优缺点K-均值聚类（K-meansclustering）是一种常用的无监督学习算法，用于将数据集划分为K个不相交的簇。
数据科学与艺术的贺公子·2024-01-30 11:42

【图像去噪/扩散模型】Deconstructing Denoising Diffusion Models for Self-Supervised Learning(l-DAE)

前言论文题目：DeconstructingDenoisingDiffusionModelsforSelf-SupervisedLearning——基于自监督学习的解构去噪扩散模型论文地址：DeconstructingDenoisingDiffusionModelsforSelf-SupervisedLearning2024
十小大·2024-01-30 11:28

西瓜书学习笔记——密度聚类（公式推导+举例应用）

文章目录算法介绍实验分析算法介绍密度聚类是一种无监督学习的聚类方法，其目标是根据数据点的密度分布将它们分组成不同的簇。
Nie同学·2024-01-30 07:33

机器学习1-种类及应用

机器学习主要包括以下几种主要的种类：1.监督学习（SupervisedLearning）在监督学习中，模型通过使用已标记的训练数据（包括输入和对应的输出）来学习预测目标变量。常见的任务包括回归和分类。
dracularking·2024-01-30 07:28

4、K- 均值聚类（Clustering With K-Means）

文章目录1、简介2、聚类标签作为特征3、k-均值聚类4、示例-加利福尼亚住房1、简介这节课和下一节课将使用所谓的无监督学习算法。
AI算法蒋同学·2024-01-30 07:40

第二十八周：文献阅读笔记（弱监督学习）+ pytorch学习

第二十八周：文献阅读笔记（弱监督学习）摘要Abstract1.弱监督学习1.1.文献摘要1.2.引言1.3.不完全监督1.3.1.主动学习与半监督学习1.3.2.通过人工干预1.3.3.无需人工干预1.4
@默然·2024-01-30 03:31

动手学深度学习（一）深度学习介绍1

目录一、引言1.日常生活中的机器学习：2.机器学习中的关键组件：2.1数据：2.2模型：2.3目标函数：2.4优化算法：3.各种机器学习问题：3.1监督学习：3.1.1回归：3.1.2分类：3.1.3标记问题
Shining0596·2024-01-30 02:32

【大厂AI课学习笔记】1.1.3 常见术语解释

.人工智能(Artificialintelligence)2.算法(Algorithms)3.机器学习(Machinelearning)4.深度学习(Deeplearning)5.神经网络(NN)6.监督学习
giszz·2024-01-30 02:30

principal components analysis（PCA)

PCA，即主成分分析，是一个很常见的降维方法（属于无监督学习），过去看到它总是对它避而远之，今天下定决心把它搞懂。
28fd90f2ac9b·2024-01-29 21:20

有关机器学习的两种算法特点

机器学习算法主要有三大类：监督学习、无监督学习和强化学习。监督学习：使用预定义的“训练示例”集合，训练系统，便于其在新数据被馈送
轻雨科技·2024-01-29 17:49

基于深度学习的表面缺陷检测方法综述

这篇文章对近年来基于深度学习的表面缺陷检测方法进行了梳理，根据数据标签的不同将其分为全监督学习模型方法、无监督学习模型方法和其他方法三大类，并对各种典型方法进一步细分归类和对比分析，总结了每种方法的优缺点和应用场景
禄亿萋·2024-01-29 16:26

人工智能主要分支

其理论基础包括监督学习、无监督学习、强化学习。支持向量机（SupportVectorMachines）、决策树（Decisi
ByteSage.·2024-01-29 12:52

XAI可解释性

problemdefinition：(用于肿瘤学多模式数据集成的人工智能)多实例学习MIL是一种弱监督学习，其中输入的多个实例没有单独标记，并且监督信号仅适用于通常称为包的一组实例（Carbonneau
玻色子Harrison·2024-01-29 11:22

机器学习笔记(1) 逻辑回归

逻辑回归与之后的神经网络有着千丝万缕的联系，经常被用来当神经元激活算法讲，所以吴恩达教授的deeplearning也是从逻辑回归开始入手，其重要性不容小觑。
TheStudent_LifeLong·2024-01-29 09:01

Deeplearning

NumpyDeepLearningBasic神经网络：algorithm1input1outputinput2input3input4algorithm2监督学习：1个x对应1个y；Sigmoid:激活函数
stoAir·2024-01-29 08:26

机器学习--06自监督学习BERT模型

self-supervisedlearning里面有一些模型这些模型都是巨大的模型，这次就来以bert大模型为例子来讲解self-supervised。我们之前学习的模型都是supervised，就是通过输入带有标签的数据给我们设计的模型，然后得到想要的输出结果，而self-supervised就是让数据自己想办法给自己打上标签==》把没有标签的数据分为两部分，一部分x作为模型的输入，一部分y作为
小生xiaosheng·2024-01-29 08:08

机器学习第二十七周周报 PINNs

文章目录week27PINNs摘要Abstract一、监督学习二、文献阅读1.题目2.abstract3.偏微分方程的数据驱动解3.1连续时间模型example(Schrodingerequation)
沽漓酒江·2024-01-29 08:31

解密人工智能：探索机器学习奥秘

文章目录前言一.机器学习的定义二.机器学习的发展历程三.机器学习的原理四.机器学习的分类3.1监督学习3.2无监督学习3.3半监督学习3.4强化学习3.5四种分类对比五.机器学习的应用场景六.机器学习的未来发展趋势全文总结前言机器学习
聆风吟_·2024-01-29 08:25

【吴恩达-神经网络与深度学习】第3周：浅层神经网络

目录神经网络概览神经网络表示含有一个隐藏层的神经网络（双层神经网络）计算神经网络的输出多样本的向量化向量化实现的解释激活函数（Activationfunctions）一些选择激活函数的经验法则：为什么需要非线性激活函数？激活函数的导数神经网络的梯度下降法（选修）直观理解反向传播随机初始化神经网络概览右上角方括号[]里面的数字表示神经网络的层数可以把许多sigmoid单元堆叠起来形成一个神经网络：第
倏然希然_·2024-01-29 08:48

描绘未知：数据缺乏场景的缺陷检测方案

友思特Neuro-T视觉平台克服了数据缺乏状况的困难，通过零代码设置GAN模型和无监督学习模型，轻松实现缺陷图像的标注、绘制和导出。工业应用中存在较多的缺陷检测需求。针对缺陷检测需求，常见的解决方案
友思特 机器视觉与光电·2024-01-29 01:30

Python监督学习（一）

Python监督学习简介如果你熟悉机器学习的基础知识，那么肯定知道什么是监督学习。监督学习是指在有标记的样本（labeledsamples）上建立机器学习的模型。
playwrighter·2024-01-28 20:20

算法模型之分类模型(无监督学习K-means)

1.什么是无监督学习没有目标值的时候，采用无监督学习。因为不存在学习的对象。
rookie-rookie-lu·2024-01-28 17:56

实体关系抽取与属性补全的技术浅析

目录前言1.实体关系抽取2实体关系抽取的方法2.1基于模板的方法2.2基于监督学习的关系抽取2.3基于深度学习的关系抽取2.4基于预训练语言模型的关系抽取3属性补全3.1属性补全任务简介3.1抽取式属性补全
cooldream2009·2024-01-28 13:01

自监督学习

自监督学习指的是不依赖标注数据，模型直接从无标注的大量数据中进行学习。【属于无监督学习的一部分，它在训练过程中有正负样本，但是正负样本不是人工标号得来的，而是通过自己产生的。】
Icevivina·2024-01-28 12:53

【GitHub项目推荐--计算机视觉工具箱】【转载】

EasyCV是阿里巴巴开源的基于PyTorch的ComputerVision工具箱，主要专注于自监督学习和Transformer。
旅之灵夫·2024-01-28 11:29

[笔记]机器学习之机器学习理论及案例分析《二》 聚类

聚类是无监督学习的主要任务，分类是监督学习的主要任务。聚类主要应用在：发现数据的潜在结构对数据进行自然分
二进制怪兽·2024-01-28 07:52

【论文笔记】GPT，GPT-2，GPT-3

3【论文精读】GPTTransformer的解码器，仅已知"过去"，推导"未来"论文地址：ImprovingLanguageUnderstandingbyGenerativePre-Training半监督学习
爱学习的卡比兽·2024-01-28 06:44

算法之K-均值法简介

K-均值算法（K-Means）是一种无监督学习的聚类分析方法，用于将数据集中的样本划分成预设数量（K）的簇（cluster），使得每个簇内的数据点彼此相似度较高，而不同簇之间的数据点差异较大。
skyshandianxia·2024-01-28 00:19

交并比（Intersection over union）

来源：Coursera吴恩达深度学习课程如何判断目标检测算法运作良好呢？接下来，你将了解到并交比（intersectionoverunion）函数，可以用来评价目标检测算法。
双木的木·2024-01-27 20:33

Coursera吴恩达《深度学习》课程总结（全）

这里有Coursera吴恩达《深度学习》课程的完整学习笔记，一共5门课：《神经网络和深度学习》、《改善深层神经网络》、《结构化机器学习项目》、《卷积神经网络》和《序列模型》，最后附上人工智能领域大师访谈
双木的木·2024-01-27 20:03

【吴恩达·机器学习】第一章：机器学习绪论：监督学习和非监督学习

文章目录0、声明1、前言：Part1/Week1学习总结2、机器学习绪论2.1：什么是机器学习2.2：监督学习2.2.1：回归2.2.2：分类2.2.3：回归和分类对比：2.3：非监督学习2.3.1:聚类博主简介
是瑶瑶子啦·2024-01-27 20:10

Dlearning

DeepLearningBasic神经网络：algorithm1input1outputinput2input3input4algorithm2监督学习：1个x对应1个y；Sigmoid:sigmoid
stoAir·2024-01-27 15:40

Dlearning

DeepLearningBasic神经网络：algorithm1input1outputinput2input3input4algorithm2监督学习：1个x对应1个y；Sigmoid:sigmoid
stoAir·2024-01-27 15:37

李宏毅机器学习（二十三）无监督学习Deep Generative Model(二)

内容衔接上一讲，上节我们讲到VAE，我们为什么用VAE而不用auto-encoder呢，直觉上的原因是如果是auto-encoder，我们期待的是输入满月解码后还是满月，输入半月输出还是半月，但是我们能保证中间状态时候我们的输出是3/4月吗，结果往往不是；如果是VAE，我们就会引入一定的噪声，使得一定范围内输出都是满月，一定范围内输出都是半月，中间的公共部分由于我们要Minimize2者的误差，所
ca8519be679b·2024-01-27 12:38

第十三章 半监督学习

目录一、半监督学习简介二、生成式方法三、半监督SVM四、图半监督学习五、基于分歧的方法六、半监督聚类本章假设给定有标记样本集和未标记样本集，。
lammmya·2024-01-27 10:57
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他