学习理论第14页

模型效果差？我建议你掌握这些机器学习模型的超参数优化方法

机器学习和深度学习理论的所有分支都致力于模型的优化。机器学习中的超参数优化旨在寻找使得机器学习算法在验证数据集上表现性能最佳的超参数。超参数与一般模型参数不同，超参数是在训练前提前设置的。

Python数据挖掘·2022-12-12 08:15

手动完成线性回归

目录1向前计算1.1计算过程1.2requires_grad和grad_fn2梯度计算3线性回归实现前言：在学完深度学习理论和pytorch得基本使用方法后，我们来通过简单地线性回归例子来巩固前面理论知识

JeffchenITM·2022-12-12 07:19

新书推荐 | 机器学习实战：基于Sophon平台的机器学习理论与实践

hzbooks·2022-12-11 20:40

清华、北大、中科大、UMA、MSU五位博士生畅聊深度学习理论

我们也希望能通过本次的探讨，进一步明确深度学习在研究什么，同时分享各自对于深度学习理论的一些想法。2022年10月20日，由国际信息中心主办，AITIME承办的全球博

AITIME论道·2022-12-11 16:20

转载001--机器学习中的很多词语

常见的机器学习模型：感知机，线性回归，逻辑回归，支持向量机，决策树，随机森林，GBDT，XGBoost，贝叶斯，KNN，K-means等；常见的机器学习理论：过拟合问题，交叉验证问题，模型选择问题，模型融合问题等

堪培拉的小熊熊~·2022-12-11 16:12

机器学习——应用场景算法应用场景

常见的机器学习模型：感知机，线性回归，逻辑回归，支持向量机，决策树，随机森林，GBDT，XGBoost，贝叶斯，KNN，K-means等；常见的机器学习理论：过拟合问题，交叉验证问题，模型选择问题，模型融合问题等

baituixun1070·2022-12-11 16:39

基于改进Bisenet的五官精确分割系统（源码＆教程）

1.研究背景随着机器学习理论的不断成熟和深度学习技术的迅猛发展，人脸五官图像分割任务近年来得到了相关研究人员的普遍关注。

m0_73650416·2022-12-11 16:21

李宏毅《机器学习》国语课程(2022)来了

李老师以幽默风趣的上课风格让很多晦涩难懂的机器学习理论变得轻松易懂，他将理论知识与有趣的例子结合在课堂上展现

Python数据挖掘·2022-12-11 09:20

深度学习理论知识

深度学习笔记：深度学习笔记（一）：卷积变种（分组卷积、空洞卷积、深度可分离卷积、可形变卷积）卷积中的不一样的操作_呆呆象呆呆的博客-CSDN博客_小卷积代替大卷积vs深度可分离卷积深度学习笔记（二）：Normalization（原因、BN、WN、LN、IN、权重数据伸缩不变性）_呆呆象呆呆的博客-CSDN博客_wn和in的关系材料力学深度学习笔记（三）：激活函数比较分析，可视化，选择（Sigmoi

m0_61899108·2022-12-11 09:01

深度学习怎么入门？零基础快速入门深度学习

我根据自己的入门和工作经验，总结了一份超详细的保姆级深度学习从零入门路线，分享给大家;整个路线分为五个部分：基础知识;机器学习理论入门;机器学习竞赛实战;深度学习理论入门;深度学习竞赛实战;1.基础知识学习首先

程序媛珂珂·2022-12-11 00:44

机器学习与深度学习个人笔记

目录机器学习一、遗传算法（GeneticAlgorithm，GA）1.遗传算法理论2.实战代码3.数学建模中的应用二、粒子群算法(ParticleSwarmoptimization,PSO)1.学习理论的博客

不会变成恶龙的少年·2022-12-10 17:39

六维学习理论，好用又见效

家长都希望孩子能够取得好的成绩，今天学习到一个六位学习理论，可以帮助我们不仅成绩好、而且学得开心。六维学习理论包含学习成绩、知识方法、操作训练、基本习惯、思考习惯和学科情感这六个方面。

夏花de解忧杂货铺·2022-12-07 14:25

【强烈推荐】Github star 10K+，南瓜书来啦！周志华机器学习详细公式推导！

机器学习与AI生成创作·2022-12-07 10:41

Hinton最新演讲：前向-前向神经网络训练算法

NeurIPS2022会议正在如火如荼地进行之中，各路专家学者围绕着深度学习、计算机视觉、大规模机器学习、学习理论、优化、

自动驾驶之心·2022-12-06 15:37

深度学习理论：Categorical crossentropy 损失函数

分类交叉熵是一种用于多类分类任务的损失函数。在这些任务中，一个示例只能属于许多可能类别中的一个，模型必须决定哪个类别。形式上，它旨在量化两种概率分布之间的差异。分类交叉熵的数学计算方式：交叉熵损失函数通过计算以下和来计算示例的损失：根据公式我们可以发现，因为yi,要么是0，要么是1。而当yi等于0时，结果就是0，当且仅当yi等于1时，才会有结果。也就是说categorical_crossentro

正在黑化的KS·2022-12-06 12:21

7 支持向量机

支持向量机支持向量机(SVM)是在统计学习理论基础上发展起来的一种数据挖掘方法，1992年由Boser,Guyon和Vapnik提出，在解决小样本、非线性、高维的回归和分类问题上，有许多优势。

AlanshaoTT·2022-12-05 15:22

Hinton最新演讲！一种新神经网络：前向-前向FF算法，论文已公开！

NeurIPS2022会议正在如火如荼地进行之中，各路专家学者围绕着深度学习、计算机视觉、大规模机器学习、学习理论

Amusi（CVer）·2022-12-05 14:00

深度学习理论篇之 ( 十二) -- 降维之池化

科普知识机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。它是人工智能核心，是使计算机具有智能的根本途径。前言前面几期的文章中，我们学习了卷积操作，了解到它的作用在于更好的提取特征和降维，是推动深度学习进一步发展的原因之一，它的发展也促使了许多优

fengyuxie·2022-12-05 09:50

如何用Python实现支持向量机（SVM）?

SVM支持向量机是建立于统计学习理论上的一种分类算法，适合与处理具备高维特征的数据集。

qq_38220914·2022-12-05 08:30

人工智能实战2019 第一次作业刘强

项目内容这个作业属于哪个课程人工智能实战2019这个作业的要求在哪里作业要求我在这个课程的目标是将机器学习理论与实践相结合，获得一定的项目经验，提高编程能力这个作业在哪个具体方面帮助我实现目标初步掌握了

weixin_30474613·2022-12-04 12:11

支持向量机SVM的原理、算法、应用超详述

1.引言2.原理（线性可分、线性不可分、核函数）一.引言1.支持向量机[1-2](supportvectormachines，SVM)是建立在统计学习理论[3-4]VC维理论和结构风险最小化原理基础上的机器学习方法

king 开龙wu·2022-12-04 07:38

深度强化学习实验室(http://deeprlhub.com)

习题答案大全总结4：30+个必知的《人工智能》会议清单总结5：2019年-57篇深度强化学习文章汇总总结6:万字总结||强化学习之路总结7：万字总结||多智能体强化学习(MARL)大总结总结8：深度强化学习理论

深度强化学习实验室·2022-12-04 07:02

机器学习理论与实战（十）K均值聚类和二分K均值聚类 .

接下来就要说下无监督机器学习方法，所谓无监督机器学习前面也说过，就是没有标签的情况，对样本数据进行聚类分析、关联性分析等。主要包括K均值聚类（K-meansclustering）和关联分析，这两大类都可以说的很简单也可以说的很复杂，学术的东西本身就一直在更新着。比如K均值聚类可以扩展一下形成层次聚类（HierarchicalClustering），也可以进入概率分布的空间进行聚类，就像前段时间很火

wbglearn·2022-12-03 18:07

一个问题、观察和基于组织的SVVR方法，以提高学生在文化课程中的演讲表现、课堂参与和技术接受度

本研究结合以往的研究和建构主义学习理论，提出了基于问题、观察和组织（QOO）的SVVR方法。该方法的目的是加强学生的演讲表现，丰富他们的讨论，并增加他们的参与度。为了研究基于QOO-base

xiaoyuji_·2022-12-03 17:45

SVM损失函数

SVM损失函数支持向量机（SVM）是90年代中期发展起来的基于统计学习理论的一种机器学习方法，通过寻求结构化风险最小来提高学习机泛化能力，实现经验风险和置信范围的最小化，从而达到在统计样本量较少的情况下

tomatotian·2022-12-03 12:43

数学建模学习（109）：几行代码训练几十种机器学习模型

本文不需要你有机器学习理论知识，你只需要能够照着我的代码写即

川川菜鸟·2022-12-02 16:22

机器学习课程笔记---支持向量机

引言机器学习三种方法：1、经典的参数估计方法局限性是需要样本的先验分布2、非线性方法，如ann局限性是全靠经验，缺少理论3、统计学习理论针对小样本误差：1、一般误差真实误差2、经验误差来自样本机器学习的目标是最小化一般误差

野生蘑菇菌·2022-12-02 02:53

周志华《机器学习》书每章思维导图总结

周志华《机器学习》第一章绪论第二章模型评估与选择第三章线性模型第四章决策树第五章神经网络第六章支持向量机第七章贝叶斯分类器第八章集成学习第九章聚类第十章降维与度量学习第十一章特征选择与稀疏表示第十二章计算学习理论第十三章半监督学习第十四章概率图模型第十五章规则学习第十六章强化学习深度学习

Liao-Zhuolin·2022-12-01 20:15

【第三章】机器学习（2）

3.3支持向量机支持向量机基于统计学习理论，强调结构风险最小化。

Beixun_Qili·2022-11-30 14:01

机器学习、深度学习的学习路线

本人目前已经大三下了，学习机器学习、深度学习有一年多的时间，这里站在本科生的角度，结合自己的经验给对机器学习、深度学习感兴趣的同学一些建议和规划目录Step1数学基础和Python数学基础PythonStep2机器学习理论和编程实现机器学习理论深度学习理论

江海一飞鸥·2022-11-30 11:29

Faster-rcnn目标检测流程深入理解

笔者言：学习目标检测框架过程中记录自己的理解过程，个人认为理论知识足够完备前不急动手，单纯学习理论又过于无聊，写博客复述自己的理解是个不错的选择，当做笔记。

一头秀发的假程序猿·2022-11-30 08:59

knn mllib spark_Spark机器学习快速入门

机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。

王土三·2022-11-30 08:51

迁移学习理论

本文解读的是迁移学习的第一篇理论性的文章：《AnalysisofRepresentationforDomainAdaptation》。笔者水平有限，对于解读有错误或不合理的地方还请批评指正！一般的机器学习都假设训练集和测试集来自同一分布，但实际上在大多数情况下，我们有带标签的源域数据集（目标域不带标签，或者很少部分带标签），希望能训练一个分类器在一个分布不同的目标域上也能取得很好的泛化能力，这就是

SpaceAutomation·2022-11-30 02:31

SVM原理详解

支持向量机方法是建立在统计学习理论

coder_by·2022-11-29 22:53

机器学习理论基础学习4--- SVM（基于结构风险最小化）

一、什么是SVM？支持向量机是一种二分类模型。它是定义在特征空间上的、间隔最大的线性分类器。间隔最大使得支持向量机有别于感知机。如果数据集是线性可分的，那么感知机获得的模型可能有很多个，而支持向量机选择的是间隔最大的那一个。支持向量机还支持核技巧，从而使它成为实质上的非线性分类器。支持向量机支持处理线性可分数据集、非线性可分数据集。当训练数据线性可分时，通过硬间隔最大化，学习一个线性分类器，即线性

dili8870·2022-11-29 21:10

PyTorch学习笔记-损失函数与反向传播

1.损失函数具有深度学习理论基础的同学对损失函数和反向传播一定不陌生，在此不详细展开理论介绍。

柃歌·2022-11-29 11:15

深度学习理论篇之 ( 十八) -- 注意力机制之SENet

科普知识ILSVRC（ImageNetLargeScaleVisualRecognitionChallenge）是机器视觉领域最受追捧也是最具权威的学术竞赛之一，代表了图像领域的最高水平。ImageNet数据集是ILSVRC竞赛使用的是数据集，由斯坦福大学李飞飞教授主导，包含了超过1400万张全尺寸的有标记图片。ILSVRC比赛会每年从ImageNet数据集中抽出部分样本，以2012年为例，比赛的

fengyuxie·2022-11-29 09:23

深度学习理论基础14-数值微分

先来看一个导数的公式其中h是趋近无限小的数。导数表示x方向的微小变化导致f(x)的值在多大程度发生变化。如果用代码帮助你的理解，这个代码是这样的：defnumerical_diff(f,x):h=10e-50return(f(x+h)-f(x))/h现在你大约了解了导数是怎么回事(学渣才不知道的吧，喂！)但是这个实现是不能用的。因为小数点后50位早就被计算机省略了。10e-50对计算机来说就是个0

地狱恶狼·2022-11-29 08:21

人工智能基础必备知识

数学原理（更难一些）林轩田：数学原理（较为基础）跟李沐学AI：教代码的Second：机器学习相关书籍1、ESL（数理统计基础）：TheElementsofStatisticalLearning2、统计学习理论

牛奶面包~·2022-11-28 18:45

机器学习理论篇1：机器学习的数学基础

一、概述我们知道，机器学习的特点就是：以计算机为工具和平台，以数据为研究对象，以学习方法为中心；是概率论、线性代数、数值计算、信息论、最优化理论和计算机科学等多个领域的交叉学科。所以本文就先介绍一下机器学习涉及到的一些最常用的的数学知识。二、线性代数2-1、标量一个标量就是一个单独的数，一般用小写的的变量名称表示。2-2、向量一个向量就是一列数，这些数是有序排列的。用过次序中的索引，我们可以确定每

智元元·2022-11-28 13:39

机器学习理论知识-逻辑回归

紧接着上一章节的线性回归，这一周学习下逻辑回归。同样参照的资料斯坦福大学2014（吴恩达）机器学习教程中文笔记那本文的知识体系如下：基本知识点定义而线性回归yi=wi∗xi+by_{i}=w_{i}*x_{i}+byi=wi∗xi+b，模型的范围是可以为$\left{-∞，+∞\right}，线性回归能预测连续的值，然而对于分类问题，我们的因变量可能属于两个类别正向类和负向类，即，线性回归能预测连

cuihaoren01·2022-11-28 09:31

监督学习的分类：判别/生成模型，概率/非概率模型、参数/非参数模型

这不仅是由于在监督学习框架下面有各种各样的学习模型，如逻辑斯特回归、朴素贝叶斯、支持向量机等，更是因为这个框架有着坚实的理论支撑，机器学习中的计算学习理论就是主要为监督学习服务的：这套理论以概率的方式回答了

xys430381_1·2022-11-27 11:00

机器学习理论 | 周志华西瓜书第十三章：半监督学习

第十三章半监督学习此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中…13.1未标记样本1、一些概念主动学习(activelearning)：使用尽量少的query获得经良好的性能半监督学习(semi-supervisedlearning)：让学习器不依赖外界交互，自动利用未标记样本来提升学习性能2、一些假设聚类假设(clusterassumption)：假设数据存在簇结构，同一个簇的样本

ZIYUE WU·2022-11-27 10:49

机器学习理论 | 周志华西瓜书第十二章：计算学习理论

第十二章计算学习理论此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中…12.1基础知识1、概述目的：分析学习任务的困难本质，为学习算法提供理论保证）2、一些定义令h为从X到Y的映射，h的泛化误差

ZIYUE WU·2022-11-27 10:48

机器学习理论 | 周志华西瓜书第八章：集成学习

第八章集成学习此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中…8.1个体与集成集成学习的一般结构示意图个体学习器(individuallearner)基学习器(baselearner)同质(homogenous)集成：集成中只包含同种类型的个体学习器基学习器——同质集成中的个体学习器基学习算法(baselearningalgorithm)——相应的学习算法组建学习器(component

ZIYUE WU·2022-11-27 10:18

深度学习理论篇之 (七) -- 反向传播

科普知识BP算法(即反向传播算法)适合于多层神经元网络的一种学习算法，它建立在梯度下降法的基础上。BP网络的输入输出关系实质上是一种映射关系：一个n输入m输出的BP神经网络所完成的功能是从n维欧氏空间向m维欧氏空间中一有限域的连续映射，这一映射具有高度非线性。它的信息处理能力来源于简单非线性函数的多次复合，因此具有很强的函数复现能力。这是BP算法得以应用的基础。前言上期文章中我们学习基本的神经网络

fengyuxie·2022-11-27 04:31

深度学习理论--图像处理专栏收录

收录自用，侵删目录收录自用，侵删1.图像灰度化、二值化2.图像遥感影像中光谱分辨率、空间分辨率、时间分辨率、全色图像、多光谱图像、高光谱图像的区别3.图像平滑/降噪(均值滤波、中值滤波和高斯滤波)4.图像增强4.1获取图像属性、感兴趣区域(ROI)和通道拆分与合并4.2图像加法与融合运算和图像类型转换4.3图像拼接4.4图像缩放、图像旋转、图像翻转和图像平移4.5图像灰度变换——线性灰度变换和非线

李同学_道阻且行·2022-11-26 11:02

基于Tensorflow的MNIST手写数字识别及Web验证的实现

拿到这个题目，加上之前对于机器学习理论知识的学习，首先想到的是使用Tensorflow框架进行编写，因为Python实现较为多，也较为顺手，几乎不会遇到一些未知和无关的错误。

一个好名字会让对方记住你·2022-11-26 08:04

百面机器学习

模型评估的方法超参数调优过拟合和欠拟合机器学习基础偏差方差分解理论和定理PAC学习理论

数学工具构造器·2022-11-26 07:05

Python 数据挖掘与机器学习核心技术应用

为各领域人员量身定制学习内容，让你畅学Python编程及机器学习理论与代码实现方法，从“

WangYan2022·2022-11-26 01:27

推荐频道

学习理论