吴恩达-机器学习-第四周

什么是多模态机器学习：跨感知融合的智能前沿

在人工智能的广阔天地里，多模态机器学习（MultimodalMachineLearning）作为一项前沿技术，正逐步解锁人机交互和信息理解的新境界。

非凡暖阳·2025-01-20 12:01

AI大模型如何赋能电商行业，引领变革

虞书欣的C·2025-01-20 12:27

数学：机器学习的理论基石

一、数学：机器学习的理论基石机器学习是一种通过数据学习模式和规律的科学。其核心目标是从数据中提取有用的信息，以便对未知数据进行预测和分类。为了实现这一目标，机器学习需要一种数学框架来描述和解决问题。

每天五分钟玩转人工智能·2025-01-20 09:03

【机器学习：二十六、决策树】

1.决策树概述决策树是一种基于树状结构的监督学习算法，既可以用于分类任务，也可以用于回归任务。其主要通过递归地将数据划分为子集，从而生成一个具有条件结构的树模型。核心概念节点（Node）：每个节点表示一个特定的决策条件。根节点（RootNode）：树的起点，包含所有样本。分支（Branch）：每个分支代表一个条件划分的结果。叶节点（LeafNode）：终止节点，表示最终的决策结果。优点直观可解释：

KeyPan·2025-01-20 09:28

机器学习数学基础-极值和最值

极值和最值极值和最值是数学中关于函数变化的重要概念，它们描述了函数在某些点附近或在整个定义域内的“最大”或“最小”行为。理解极值和最值对优化问题、函数分析、物理建模等领域有重要的应用。1.极值（LocalExtrema）极值是指函数在某个区间内的某一点取得的局部最大值或最小值。(1)局部最大值（LocalMaximum）一个函数在某点(x=c)取得局部最大值，意味着存在一个包含(c)的小区间，使得

华东算法王（原聪明的小孩子·2025-01-20 07:13

17-7 向量数据库之野望7 - PostgreSQL 和pgvector

这一新增功能满足了对高效处理高维矢量数据日益增长的需求，这些数据通常用于机器学习、自然语言处理(NLP)和推荐系统等应用。

拉达曼迪斯II·2025-01-20 05:28

【MySQL】Mysql数据库导入导出sql文件、备份数据库、迁移数据库

同时欢迎大家关注其他专栏，我将分享Web前后端开发、人工智能、机器学习、深度学习从0到1系列文章。

程序员洲洲·2025-01-20 03:30

【Python机器学习】无监督学习——K-均值聚类算法

聚类是一种无监督的学习，它将相似的对象归到同一簇中，它有点像全自动分类。聚类方法几乎可以应用于所有的对象，簇内的对象越相似，聚类的效果越好。K-均值聚类算法就是一种典型的聚类算法，之所以称之为K-均值是因为它可以发现k个不同的簇，且每个簇的中心采用簇中所含值的均值计算而成。簇识别给出聚类结果的含义，假定有一些数据，现在将相似数据归到一起，簇识别会告诉我们这些簇到底都是些什么。聚类与分类的最大不同在

zhangbin_237·2025-01-20 00:03

【Python】已解决：WARNING: pip is configured with locations that require TLS/SSL, however the ssl module i

不定期更新IT图书，并在评论区抽取随机粉丝，书籍免费包邮到家AI前沿点我跳转探讨人工智能技术领域的最新发展和创新，涵盖机器学习、深度学习、自然

屿小夏·2025-01-19 23:53

机器学习特征重要性之feature_importances_属性与permutation_importance方法

一、feature_importances_属性在机器学习中，分类和回归算法的feature_importances_属性用于衡量每个特征对模型预测的重要性。

一叶_障目·2025-01-19 23:21

机器学习-期末测试

机器学习-期末测试线性回归1.代码展示#coding=UTF-8#拆分训练集和测试集importmatplotlib.pyplotaspltfromsklearn.model_selectionimporttrain_test_split

难以触及的高度·2025-01-19 23:19

机器学习的介绍

目录1.机器学习的定义2.机器学习的原理3.机器学习的方法4.机器学习的分类5.机器学习的评估6.机器学习的应用场景7.机器学习与人工智能的关系结论机器学习在自然语言处理中的最新应用和技术是什么？

2201_75874206·2025-01-19 23:49

Kaggle欺诈检测：使用生成对抗网络（GAN）解决正负样本极度不平衡问题

然而，欺诈交易数据往往呈现出正负样本极度不平衡的特点，这给机器学习模型的训练带来了挑战。

Loving_enjoy·2025-01-19 22:46

脚本工具：使用TCL方式进行modelsim 仿真

/RTL/*.v第四步，编写仿真

Major_pro·2025-01-19 22:41

一文读懂：无监督学习与有监督学习的区别与应用

在机器学习的世界里，无监督学习和有监督学习是两个最为常见且重要的概念。理解这两者的区别和应用场景，不仅有助于我们选择合适的算法和模型，还能帮助我们更好地解决实际问题。

码上飞扬·2025-01-19 22:11

Spark Livy 指南及livy部署访问实践

背景：ApacheSpark是一个比较流行的大数据框架、广泛运用于数据处理、数据分析、机器学习中，它提供了两种方式进行数据处理，一是交互式处理：比如用户使用spark-shell，编写交互式代码编译成spark

house.zhang·2025-01-19 22:40

隐语安装部署

主讲老师：周爱辉讲课链接：第4讲（上）：隐语安装部署-理论篇丨隐私计算实训营第2期_哔哩哔哩_bilibili主讲老师：王祖利讲课链接：第4讲（下）：SecretFlow与Secretnote的安装部署

HZGame.·2025-01-19 21:08

C#遇见TensorFlow.NET：开启机器学习的全新时代

在当今快速发展的科技世界里，机器学习（MachineLearning,ML）已经成为推动创新的重要力量。从个性化推荐系统到自动驾驶汽车，ML的应用无处不在。

墨夶·2025-01-19 21:34

iOS开发——NSURLSession初步学习（下载、待完善）

2.5断点续传的方式2.6配置信息三、NSURLSession的优势四、代码部分4.1Xcode不支持http访问的解决办法4.2手动缓存（繁琐）4.3自动缓存四、demo一、前文写这篇文章，是为了总结一周内的学到的关于

吉吉有梦想·2025-01-19 20:53

揭秘 Fluss 架构组件

这是Fluss系列的第四篇文章了，我们先回顾一下前面三篇文章主要说了哪些内容。

·2025-01-19 19:57

Linux 怎么在储存设备上创建文件系统？

语法mkfs[options]：目标设备，例如：/dev/sda1,/dev/sdb,/dev/loop0[options]：定制文件系统的选项支持的文件系统ext2/3/4：第二、第三和第四个扩展文件系统

·2025-01-19 18:48

嵌入式驱动开发详解视频教程

第一章+Linux设备驱动模型第二章Linux内核模块第三章Linux内核编程API第四章Linux字符设备驱动第五章Linux块设备驱动第六章Linuxplatform驱动第七章Linux触摸屏设备驱动第八章

acp小鸡炖蘑菇·2025-01-19 16:25

深入探索Python编程技术：从入门到精通的全方位学习指南

无论是数据科学、机器学习、Web开发、自动化脚本编写，还是桌面应用开发，Python都能发挥其独特优势，帮助开发者高效完成任务。

小码快撩·2025-01-19 16:21

从零开始的 AI Infra 学习之路

从零开始的AIInfra学习之路文章目录从零开始的AIInfra学习之路一、概述二、AI算法应用2.1机器学习2.2深度学习2.3LLM三、AI开发体系3.1编程语言四、AI训练框架&推理引擎4.1PyTorch4.2llama.cpp4.3vLLM

SSS不知-道·2025-01-19 15:15

python 特征选择方法_【来点干货】机器学习中常用的特征选择方法及非常详细的Python实例...

它是机器学习中非常重要的一步并在很大程度上可以提高模型预测精度。这里我总结了一些机器学习中常见的比较有用的特征选择方法并附上相关python实现code。希望可以给大家一些启发。

Blair Long·2025-01-19 15:14

chatgpt赋能python：Python群发微信消息：解决方案

Python是一门十分强大的编程语言，广泛用于各种人工智能、计算机视觉、机器学习等领域。Python可以用于开发各种应用程序，它也可以用于批量处理和发送微信消息。

suimodina·2025-01-19 15:42

ChatGPT4.0最新功能和使用技巧，助力日常生活、学习与工作！

熟练掌握ChatGPT4.0在数据分析、自动生成代码等方面的强大功能，系统学习人工智能（包括传统机器学习、深度学习等）的基础理论知识，以及具体的代码实现方法，同时掌握ChatGPT4.0在科研工作中的各种使用方法与技巧

WangYan2022·2025-01-19 14:34

ASPICE 4.0引领自动驾驶未来：机器学习模型的特点与实践

ASPICE4.0-ML机器学习模型是针对汽车行业，特别是在汽车软件开发中，针对机器学习（MachineLearning,ML）应用的特定标准和过程。

亚远景aspice·2025-01-19 13:29

python中tensorflow_python机器学习TensorFlow框架

TensorFlow框架关注公众号“轻松学编程”了解更多。一、简介TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor(张量)意味着N维数组，Flow(流)意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端的计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统

弦歌缓缓·2025-01-19 13:55

php链接oracle乱码，尝试把一个php的项目转成java，

最近有个新需求，OA上的考勤信息确认，开始的时候搞了个php的版本，莫名其妙的数据库会乱码（oracle）(等有时间再写一篇php链接oracle数据库）折腾了将近一个周，乱码莫名其妙的出现，代码啥也不动

slm311·2025-01-19 10:09

【机器学习实战中阶】音乐流派分类-自动化分类不同音乐风格

音乐流派分类–自动化分类不同音乐风格在本教程中，我们将开发一个深度学习项目，用于自动化地从音频文件中分类不同的音乐流派。我们将使用音频文件的频率域和时间域低级特征来分类这些音频文件。对于这个项目，我们需要一个具有相似大小和相似频率范围的音频曲目数据集。GTZAN流派分类数据集是音乐流派分类项目中最推荐的数据集，并且它是为了这个任务而收集的。音乐流派分类器模型音乐流派分类关于数据集：GTZAN流派收

精通代码大仙·2025-01-19 10:01

全面解读 Databricks：从架构、引擎到优化策略

在Databricks平台上，数据工程、数据科学与数据分析团队能够协作使用Spark、DeltaLake、MLflow等工具高效处理数据与构建机器学习应用。

克里斯蒂亚诺罗纳尔多阿维罗·2025-01-19 09:27

AI歌手会成为主流吗？

1.AI歌手的发展现状1.1技术背景我们处于一个机器学习和深度学习技术飞速发展的时代，AI歌手的诞生并非偶然。通过收集和分析大量的音乐数据，AI能够学习并模仿特定歌手

网络安全我来了·2025-01-19 09:23

【机器学习：三十二、强化学习：理论与应用】

1.强化学习概述**强化学习（ReinforcementLearning,RL）**是一种机器学习方法，旨在通过试验与反馈的交互，使智能体（Agent）在动态环境中学习决策策略，以最大化累积奖励（CumulativeReward

KeyPan·2025-01-19 09:19

【机器学习：二十七、决策树集合】

1.决策树集合的概述决策树集合是一种基于多个决策树模型集成的机器学习方法，通过组合多个弱学习器（决策树）形成一个强学习器，显著提升预测性能和泛化能力。

KeyPan·2025-01-19 08:49

学习AI大模型的小白入门建议和具体的学习方法推荐

我可能应该从了解机器学习的基础知识开始。

aFakeProgramer·2025-01-19 08:17

机器学习——认识有监督学习与无监督学习

目录有监督学习与无监督学习有监督学习无监督学习监督学习与无监督学习的区别有监督学习与无监督学习有监督学习和无监督学习是机器学习中的两种主要学习方式，它们的主要区别在于数据的标注情况和学习的目标。

伊一大数据&人工智能学习日志·2025-01-19 08:41

嵌入式硬件篇---代码控制硬件

文章目录前言第一部分：软件控制硬件1.操作系统与硬件的联系2.驱动程序3.软件通过系统调用控制硬件4.硬件响应5.中断与轮询：6.数据传输7.额外小知识第二部分：三极管第三部分：MOS管第四部分：GPIO1

Ronin-Lotus·2025-01-19 07:04

上位机操作篇---Linux常用命令

pwd二、ls或者ls[选项][目录名]三、cd四、clear或者crtl+l第二部分：文件操作一、touch二、mkdir三、cp四、mv五、rm第三部分：文本操作一、cat二、grep三、find第四部分

Ronin-Lotus·2025-01-19 07:03

机器学习笔记——Boosting中常用算法（GBDT、XGBoost、LightGBM）迭代路径

大家好，这里是好评笔记，公主号：Goodnote，专栏文章私信限时Free。本文主要阐述Boosting中常用算法（GBDT、XGBoost、LightGBM）的迭代路径。文章目录XGBoost相对GBDT的改进引入正则化项，防止过拟合损失函数L(yi,y^i)L(y_i,\hat{y}_i)L(yi,y^i)正则化项Ω(fm)\Omega(f_m)Ω(fm)使用二阶导数信息，加速收敛一阶导数与二

好评笔记·2025-01-19 03:24

吴恩达系列——微调（Fine-tuning）与生成模型的应用

微调（Fine-tuning）是指在已有预训练模型的基础上，对模型进行进一步训练，以适应特定任务或需求。在自然语言处理领域，生成模型通过微调可以在特定场景下生成更加准确、一致的输出，同时保护用户的隐私，减少不当信息的泄露。本文将结合生成模型的工作原理和实际应用，解释微调如何提升生成模型的效果，并探讨其在保护隐私方面的优势。1.生成模型与Prompt的作用生成模型，如GPT系列，通常通过接受一个输入

疯狂小料·2025-01-18 21:04

机器学习02-发展历史补充

机器学习02-发展历史补充文章目录机器学习02-发展历史补充1-机器学习个人理解1-初始阶段：统计学习和模式识别（20世纪50年代至80年代）2-第二阶段【集成时代】+【核方法】（20世纪90年代至2000

坐吃山猪·2025-01-18 21:02

Python数据分析高频面试题及答案

目录1.基础知识2.数据处理3.数据可视化4.机器学习模型5.进阶问题6.数据清洗与预处理7.数据转换与操作8.时间序列分析9.高级数据分析技术10.数据降维与特征选择11.模型评估与优化12.数据操作与转换

闲人编程·2025-01-18 20:23

Python机器学习之XGBoost从入门到实战(基本理论说明)

Xgboost从基础到实战XGBoost:eXtremeGradientBoosting*应用机器学习领域的一个强有力的工具*GradientBootingMachines(GBM)的优化表现，快速有效

雪域枫蓝·2025-01-18 19:10

【数据分析岗】关于数据分析岗面试python的金典问题+解答，包含数据读取、数据清洗、数据分析、机器学习等内容

大家好，我是摇光~，用大白话讲解所有你难懂的知识点最近和几个大佬交流了，说了很多关于现在职场面试等问题，然后也找他们问了问他们基本面试的话都会提什么问题。所以我收集了很多关于python的面试题，希望对大家面试有用。类别1：数据读取与处理问题1：如何用Python从Excel文件中读取数据？答：在Python中，可以使用pandas库从Excel文件中读取数据。pandas提供了read_exce

摇光~·2025-01-18 19:07

【Python篇】深入机器学习核心：XGBoost 从入门到实战

文章目录XGBoost完整学习指南：从零开始掌握梯度提升1.前言2.什么是XGBoost？2.1梯度提升简介3.安装XGBoost4.数据准备4.1加载数据4.2数据集划分5.XGBoost基础操作5.1转换为DMatrix格式5.2设置参数5.3模型训练5.4预测6.模型评估7.超参数调优7.1常用超参数7.2网格搜索8.XGBoost特征重要性分析9.高级功能扩展9.1模型解释与可解释性9.2

半截诗·2025-01-18 19:06

es java match_ElasticSearch查询第四篇：匹配查询（Match）

《ElasticSearch查询》目录导航：匹配(Match)查询属于全文(Fulltext)查询，不同于词条查询，ElasticSearch引擎在处理全文搜索时，首先分析(analyze)查询字符串，然后根据分词构建查询，最终返回查询结果。匹配查询共有三种类型，分别是布尔(boolean)、短语(phrase)和短语前缀(phrase_prefix)，默认的匹配查询是布尔类型，这意味着，Elas

哈哈哈哈哈哈哈哈鸽·2025-01-18 18:00

提升数据科学工作流效率的10个Jupyter Notebook高级特性

JupyterNotebooks已成为数据科学家、机器学习工程师和Python开发人员的核心开发工具。其核心优势在于提供了一个集成式环境，支持代码执行、文本编辑和数据可视化的无缝整合。

·2025-01-18 18:05

Python 数据建模完整流程指南

在数据科学和机器学习中，建模是一个至关重要的过程。通过有效的数据建模，我们能够从原始数据中提取有用的洞察，并为预测或分类任务提供支持。

木觞清·2025-01-18 18:56

NVIDIA Hopper解说

NVIDIAHopper架构和基于该架构的GPU产品H100的详细信息：NVIDIAHopper架构技术特点：第四代TensorCore：Hopper架构引入了第四代TensorCore

白总Server·2025-01-18 17:24

推荐频道