无监督学习

K-means 聚类算法学习笔记

K-means聚类算法是一种无监督学习算法，用来将nnn个样本点分成kkk类，使得整个数据集的误差平方和SSESSESSE最小。
YangHao5·2023-09-19 03:30

快速入门机器学习 干货核心概念梳理

目录介绍应用机器学习方法监督学习无监督学习常见算法方法K最近邻算法决策树算法深度学习人类偏见结论介绍机器学习（MachineLearning）是一种人工智能（AI）领域的技术和方法，它使计算机系统能够从数据中学习并自动改进
Momodel平台·2023-09-18 22:28

回归问题简介以及与分类问题的区别

从较高的层次上讲，这些不同的算法可以根据它们“学习”数据进行预测的方式分为两类：监督学习和无监督学习。有监督的机器学习：大多数实际的机器学习都使用有监督的学习。
你今天机器学习了么·2023-09-18 13:13

05模型建立与评价

线性回归算法、BP神经网络算法、决策树、支持向量机、KNN等无监督学习：自动对输入的资料进行分类或分群，以寻找数据的模型和规律。
糖雪球_ae18·2023-09-18 02:44

计算机未来-发展趋势和未来方向

机器学习作为人工智能的一个重要分支，其核心技术包括监督学习、无监督学习和强化学习等。其中，深度学习是机器学习的一个重要领域，其通过模拟人脑
a谷雨c·2023-09-17 19:57

机器学习（16）---聚类(KMeans)

聚类一、聚类概述1.1无监督学习与聚类算法1.2sklearn中的聚类算法二、KMeans2.1基本原理2.2簇内误差平方和三、sklearn中的KMeans3.1所用模块3.2聚类算法的模型评估指标3.3
冒冒菜菜·2023-09-17 06:11

AutoEncoder

1.简介Autoencoder是一种无监督学习过程，由encode和decode构成，给定输入之后，经过encode将输入编码成code，然后在经过decode将code解码成输出，通过不断地训练，使得输入和输出尽可能相似
魏清宇·2023-09-17 04:22

性能度量

在无监督学习(unsupervisedlearning)中，训练样本的标记信息是未知的。无监督学习的目标：通过对无标记训练样本的学习来揭露数据的内在性质以及规律。
dreampai·2023-09-16 06:22

NLP（5）--自编码器

特征分离三、自编码器的其他应用1、文本生成2、图像压缩3、异常检测四、VAE1、极大似然估计2、GSM3、GMM4、VAE的引出5、VAE一、自编码器1、自编码器概述自编码器（Auto-Encoder）作为无监督学习的一种算法
Struart_R·2023-09-16 05:35

机器学习——入门

机器学习算法分类：监督学习：目标值是类别->分类问题k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归目标值是连续型的数据->回归问题线性回归、岭回归无监督学习：没有目标值->无监督学习聚类
王王仙贝~·2023-09-16 04:02

GPT-1，GPT-2和GPT-3发展历程及核心思想，GTP-4展望

还是这位大佬介绍的比较透彻，特此转载：词向量之GPT-1，GPT-2和GPT-3-知乎(zhihu.com)https://zhuanlan.zhihu.com/p/350017443目录前言1.GPT-1：无监督学习
文昊桑·2023-09-14 18:58

欧能电话机器人好不好用？这6个关键技术是核心

**机械学习**机械学习是多领域交叉的学科，可以从学习模式和学习方法上面进行分类，学习模式将机器学习分类为监督学习、无监督学习和强化学习等，学习方法可以将机器学习分为传统机器学习和深度学习。
蟪蛄不知·2023-09-14 10:42

【GAN入门】生成 AI的概念

一、说明GAN是生成对抗网络（GenerativeAdversarialNetwork）的缩写，是一种无监督学习算法，由Goodfellow等人于2014年提出。
无水先生·2023-09-14 08:51

【深度学习】自监督学习详解（self-supervised learning）

self-supervisedlearning）文章目录【深度学习】自监督学习详解（self-supervisedlearning）1.引言2.自监督学习2.1对比学习2.2生成学习3.总结1.引言深度学习被分为：监督学习，无监督学习和自监督学习
笃℃·2023-09-13 20:01

【深度学习】对比学习

1.什么是对比学习对比学习有的paper中称之为自监督学习，有的paper称之为无监督学习，自监督学习是无监督学习的一种形式，现有的文献中没有正式的对两者进行区分定义，这两种称呼都可以用。
DonngZH·2023-09-13 20:30

聚类-kmeans

聚类算法是无监督学习算法，指定将数据分成k个簇。然后通过每个点到各个簇的中心的欧氏距离来分类。kmeans本身会陷入局部最小值的状况，二分kmeans可以解决这一点。
accosmos·2023-09-13 20:52

机器学习第九章K-均值聚类算法

利用K-均值聚类算法对未标注数据分组文章目录利用K-均值聚类算法对未标注数据分组基本术语K-均值聚类算法实现对地理坐标做聚类小结基本术语聚类：一种无监督学习方式，相较于有监督学习方式需要使用带有标签的数据来指导模型进行学习
极恶狒狒·2023-09-13 18:22

Pytorch 机器学习专业基础知识+神经网络搭建相关知识

三种学习方式二、机器学习的一些专业术语三、模型相关知识四、常用的保留策略五、数据处理六、解决过拟合与欠拟合七、成功的衡量标准一、三种学习方式有监督学习：1、分类问题2、回归问题3、图像分割4、语音识别5、语言翻译无监督学习
Wantfly9951·2023-09-13 06:57

机器学习--引入

无监督学习给定某些特征但不给定因变量，建模的目的是学习数据本身的结构和关
wzz_1c19·2023-09-12 17:02

AI入门指南：探索人工智能的基础原理和实际应用

解释监督学习、无监督学习和强化学习的区别。深度学习的核心概念：解释神经网络的基本结构。介绍神经元、层和权重的概念。提及反向传播算法的重要性。第二部分：AI的实际应用自然
执笔人·2023-09-12 04:12

机器学习入门笔记之回归（一）

Experience）中学习关于任务T（Tasks）的某些类别和性能度量P（Performance），让其在任务T中的性能（由P测量的）随着经验E而改善，那么这就是机器学习目前机器学习的主流分为监督学习、无监督学习
BubbleL·2023-09-12 01:56

AI入门指南：探索人工智能的基础原理和实际应用

解释监督学习、无监督学习和强化学习的区别。深度学习的核心概念：解释神经网络的基本结构。介绍神经元、层和权重的概念。提及反向传播算法的重要性。第二部分：AI的实际应用自然
·2023-09-11 15:34

机器学习中的 K-均值聚类算法及其优缺点。

K-均值聚类算法是一种常见的无监督学习算法，它可以将数据集分成K个簇，每个簇内部的数据点尽可能相似，而不同簇之间的数据点应尽可能不同。
超级大超越·2023-09-11 07:22

【无监督学习之聚类】

聚类0.简介距离和相似度1.K均值聚类(kmeans)模型算法特点2.谱聚类(Spectralclustering)算法思想特点谱聚类的具体步骤：算法步骤：3.小结参考资料0.简介聚类：针对给定的样本，依据他们的属性的相似度或距离，将其归并到若干个“簇”或“类”的数据分析问题。类：样本的子集。直观上，相似的样本聚集在同类，不相似的样本分散在不同类。距离和相似度距离和相似度量在聚类中十分重要。常用的
jjjhut·2023-09-10 23:21

机器学习 -- 绪论（四）机器学习的相关基础概念

机器学习的任务机器学习的任务.png4.3机器学习分类image.png4.4监督学习算法：训练/测试训练.png测试.png4.4监督学习算法：分类/回归image.png4.4监督学习算法监督学习算法.png4.5无监督学习算法
马洪滔·2023-09-10 14:10

机器学习算法汇总

1.监督学习2.无监督学习2.1聚类2.1.1谱聚类：刘建平Pinard.《谱聚类原理总结》：https://www.cnblogs.com/pinard/p/6221564.html
csdongxian·2023-09-10 03:50

GeoNet: Unsupervised Learning of Dense Depth, Optical Flow and Camera Pose 论文阅读

UnsupervisedLearningofDenseDepth,OpticalFlowandCameraPose作者：ZhichaoYinandJianpingShi来源：CVPR时间：2018Abstract我们提出了GeoNet，这是一种联合无监督学习框架
玛卡巴卡_qin·2023-09-08 06:19

机器学习简介

机器学习中所用算法大致分为监督学习（SupervisedLearnings）无监督学习（UnsuoervisedLearning）强化学习（ReinforcementLearning）一
白杨Cc·2023-09-07 06:40

infomap最全面易懂的解释--最小熵原理：“层层递进”之社区发现与聚类

让我们不厌其烦地回顾一下：最小熵原理是一个无监督学习的原理，“熵”就是学习成本，而降低学习成本是我们的不懈追求，所以通过“最小化学习成本”就能够无监督地学习出很多符合我们认知的结果，这就是最小熵原理的基本理念
土豆西瓜大芝麻·2023-09-05 16:50

[Machine Learning][Day1]监督学习和无监督学习

目录监督学习(SupervisedLearning)应用1：数据回归拟合应用2：分类无监督学习(UnsupervisedLearning)监督学习和无监督学习的区别练习：监督学习(SupervisedLearning
思则变·2023-09-05 15:06

机器学习(吴恩达第一课)

课程链接文章目录第一周1、机器学习定义2、监督学习(Supervisedlearning)1、回归(Regression)2、分类(Classification)3、无监督学习(Unsupervisedlearning
Think-killer·2023-09-05 15:04

机器学习的练功心法（一）——机器学习概述

1机器学习概述文章目录1机器学习概述1.1学习方法1.2什么是机器学习1.3监督学习1.4无监督学习1.5强化学习1.6机器学习的开发流程1.1学习方法引入：对于机器学习来说，我们需要有一个大局观，什么是大局观
ArimaMisaki·2023-09-05 01:50

2019-08-08

聚类属于无监督学习，以往的回归、朴素贝叶斯、SVM等都是有类别标签y的，也就是说样例中已经给出了样例的分类。而聚类的样本中却没有给定y，只有特征x，比如假设宇宙中的星星可以
牧山海北岸·2023-09-04 15:30

机器学习入门笔记（一）

一、无监督学习、监督学习和强化学习监督学习：在给定的一些数据下，已经告诉你这些数据的特性，并且让你分类，然后给你一个数据让你根据图来推出其他的数据（给定一个坐标系，上面有相应的图像，给你x数据让你预测y
君莫舞丶无念·2023-09-04 11:37

1.统计学习及监督学习概论

：工科数学（高等数学），线性代数，概率论，一门基础编程语言（python）统计学习的步骤:有限数据-》假设空间-》学习策略-》实现算法-》选择最优-》预测新数据1.2统计学习的分类基本分类：监督学习，无监督学习
徴徴南风·2023-09-03 23:55

论文阅读_扩散模型_DM

英文名称:DeepUnsupervisedLearningusingNonequilibriumThermodynamics中文名称:使用非平衡热力学原理的深度无监督学习论文地址:http://arxiv.org
xieyan0811·2023-09-03 14:44

其他常见神经网络

找出重要的局部特征，根据这些局部特征进行学习的算法也是神经网络的一个重要的发展趋势，通常采用以下的学习策略：竞争型学习（competitivelearning）是一种常用的无监督学习策略。
Kimochii·2023-09-03 09:01

基础论文学习（6）——BeiT

BERT：Bidiractional(双向)EncoderRepresentationsfromTransformersSSL自监督学习：机器学习分为有监督学习，无监督学习和强化学习，Sel
Yuezero_·2023-09-03 01:53

肘部法则和轮廓系数(用于确定簇类数目）

知识储备无监督聚类缺点聚类不同于其他常见机器学习有监督方法，聚类为一种无监督学习方法，原理为随机选取K个质心（K为确定聚类的数目），计算距离质心最近的样本点，不断迭代更新质心。
夏子期lal·2023-09-02 19:35

【机器学习】机器学习中的最优化算法总结

对于几乎所有机器学习算法，无论是有监督学习、无监督学习，还是强化学习，最后一般都归结为求解最优化问题。因此，最优化方法在机器学习算法的推导与实现中占据中心地位。
风度78·2023-09-02 07:47

基于Kohonen网络的聚类算法

1.案例背景1.1Kohonen网络Kohonen网络是自组织竞争型神经网络的一种,该网络为无监督学习网络,能够识别环境特征并自动聚类。
配电网和matlab·2023-09-01 12:26

chatGPT训练过程

【强化学习是一种无监督学习】强化学习没有标签告诉它在某种情况下应该做出什么样的行为，只有一个做出一系列行为后最终反馈
抓个马尾女孩·2023-09-01 10:01

机器学习中的 K-均值聚类算法及其优缺点

K-均值聚类算法是一种无监督学习算法，用于将数据分成K个不同的类别。该算法将每个数据点都视为一个向量，并通过计算各数据点之间的距离来确定它们所属的类别。
飞翔的佩奇·2023-08-31 05:15

【无监督学习】压缩即预测——Kolmogorov 复杂度作为终极压缩器

基于学习方法，机器学习大致可分为监督学习和无监督学习两种。在无监督学习中，我们需要用某种算法去训练无标签数据集，从而帮助模型找到这组数据的潜在结构。
dataloading·2023-08-30 16:30

K均值聚类 K-means Clustering

均值聚类的优点和缺点三、k均值聚类的应用场景四、构建k均值聚类模型的注意事项五、k均值聚类模型的实现类库六、k均值聚类模型的评价指标七、类库scikit-learn实现k均值聚类的例子总结前言k均值聚类是机器学习中无监督学习的一种聚类算法
JasonH2021·2023-08-30 16:13

利用MMPreTrain微调图像分类模型

前言MMPreTrain是一款基于PyTorch的开源深度学习预工具箱，是OpenMMLab项目的成员之一MMPreTrain的主要特性有：支持多元化的主干网络与预训练模型支持多种训练策略（有监督学习，无监督学习
羽星_s·2023-08-29 16:08

图像生成模型

监督学习与无监督学习监督学习数据：（x,y）X是数据，Y是标签目标：学习一个从x到y的函数映射样例：分类、回归、物体检测、语义分割、描述无监督学习数据：（x）只有数据，没有标签！
一直在努力的小宁·2023-08-29 14:46

机器学习中的 K-均值聚类算法及其优缺点

K-均值聚类算法是一种广泛使用的无监督学习算法，它可以将一组数据分成K个簇，每个簇包含最接近的K个数据点。其基本思想是找到K个中心点，并将数据点分配到这些中心点附近的簇中。
BigData_001_Lz·2023-08-29 09:50

监督学习无监督学习_无监督学习简介

监督学习无监督学习Tobeginwith,weshouldknowthatmachineprimarilyconsistsoffourmajordomain.首先，我们应该知道机器主要由四个主要领域组成
weixin_26752765·2023-08-28 18:09

一文搞懂深度信念网络！DBN概念介绍与Pytorch实战

目录一、概述1.1深度信念网络的概述1.2深度信念网络与其他深度学习模型的比较结构层次学习方式训练和优化应用领域1.3应用领域图像识别与处理自然语言处理推荐系统语音识别无监督学习与异常检测药物发现与生物信息学二
TechLead KrisChang·2023-08-28 15:04
上一页 7 8 9 10 11 12 13 14 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他