无监督学习

机器学习第一课

文章目录实现流程一、数据基本处理二、特征工程三、机器学习（模型）分类：监督学习无监督学习半监督学习强化学习四、模型评估实现流程数据输入->数据基本处理->特征工程->训练->模型评估->新数据输入->预测结果数据类型
笔记本IT·2023-06-19 03:38

论文

Reinforcementlearning,thealgorithminterestsme1.摘要2.介绍  Deepmind在AlphoGo上的成就把强化学习这一方法带入了人工智能的主流学习领域，从而同以往的监督学习，无监督学习一同跻身人工智能三大主流子领域
BoringFantasy·2023-06-19 03:46

【零基础学机器学习 4】机器学习中的回归-线性回归

本教程包含以下内容:监督和无监督学习、线性回归
程序员半夏·2023-06-19 01:23

理解监督学习和无监督学习的定义

机器学习  首先呢，学习可以称为一个举一反三的过程，举个例子：我们在学生时代经常参加的考试，考试的题目在上考场前我们未必做过，但是在考试之前我们通常都会刷很多的题目，通过刷题目学会了解题方法，因此考场上面对陌生问题也可以算出答案。  机器学习的思路也类似：我们可以利用一些训练数据（已经做过的题），使机器能够利用它们（解题方法）分析未知数据（考场的题目）。就像考试前老师给我们预测考试会考什么一样。 
·城府、·2023-06-18 14:04

监督学习和无监督学习对比总结

机器学习机器学习简单来说就是让机器进行自我学习，举个例子作为学生的我们经常参加考试，考试在考场上遇到的题目我们未必做过，但是在考试之前我们会刷很多的题目，通过刷题总结解题方法，这样上了考场也能以不变应万变。其实机器学习的思路也类似，我们可以利用一些训练数据（已经做过的题），使机器能够利用它们（解题方法）分析未知数据（考场的题目）。一句话概括：机器学习就是让机器从大量的数据集中学习，进而得到一个更加
Rashore·2023-06-18 14:04

有监督学习和无监督学习

（一）什么是机器学习？概念：从广义上来说，机器学习是一种能够赋予机器学习的能力以此让它完成直接编程无法完成的功能的方法。但从实践的意义上来说，机器学习是一种通过利用数据，训练出模型，然后使用模型预测的一种方法。机器学习的应用范围：机器学习与模式识别、统计学习、数据挖掘、计算机视觉、语音识别、自然语言处理等领域有着非常深的联系。模式识别=机器学习两者的主要差别在于前者是从工业界发展起来的概念，后者则
____-7·2023-06-18 14:04

深度学习#1.有监督学习和无监督学习

机器学习#1.有监督学习和无监督学习人工智能与机器学习与深度学习机器学习有监督学习无监督学习人工智能与机器学习与深度学习什么是人工智能？人类用各种方式让机器拥有与人类相仿的“智能”，就是人工智能。
直走的螃蟹·2023-06-18 14:33

监督学习和无监督学习

文章目录监督学习和无监督学习监督学习算法包括无监督学习算法包括OpenCV十个子类举例：监督学习和无监督学习监督学习和无监督学习是机器学习领域中两种不同的学习范式，它们之间的区别在于数据的标签或标记的可用性以及学习任务的性质
Wi~·2023-06-18 14:31

有监督学习和无监督学习的异同

无监督学习即训练数据只有输入变量(x)，并没有输出变量(y)，无监督学习的目的就是将这些训练数据潜在的结构或者分布找出来，类似于去探索。两者主要在于训练数据是否有输出变量也就是标签。
IT_心如止水·2023-06-18 14:29

系列文章之一文纵览机器学习——无监督学习 (算法)（4）：PCA (主成分分析) | LSA (潜在语义分析)|NMF (非负矩阵分解)|LLEDA | k-means | 混合高斯分布 |t-SNE

到不了的都叫做远方，回不去的名字叫家乡。作者主页：追光者♂个人简介：[1]计算机专业硕士研究生[2]2022年度博客之星人工智能领域TOP4[3]阿里云社区特邀专家博主[4]CSDN-人工智能领域优质创作者[5]预期2023年10月份·准CSDN博客专家无限进步，一起追光！&#
追光者♂·2023-06-18 11:25

Matlab实现神经网络SOM算法（附上完整仿真源码）

神经网络SOM算法是一种基于自组织的无监督学习算法，其全称为Self-OrganizingMap，可以用来对数据进行聚类和可视化。本文将介绍如何使用Matlab实现神经网络SOM算法。
Matlab仿真实验室·2023-06-18 08:36

Unsupervised Learning（无监督学习）

DimensionReduction（降维）PCA（Principlecomponentanalysis，主成分分析）WordEmbedding（词嵌入）MatrixFactorization(矩阵分解)Introduction无监督学习化繁为简聚类
keep--learning·2023-06-17 17:42

一、深度学习引言

文章目录一、机器学习中的关键组件1.数据2.模型3.目标函数4.算法二、各种机器学习问题1.有监督学习1.1回归1.2分类1.3标记问题1.4搜索1.5推荐系统1.6序列学习2.无监督学习3.与环境互动
穆_清·2023-06-17 17:41

2021 年全国大学生数据统计与分析竞赛

本文涉及以下内容1.pandas数据处理、筛选、计算2.复杂的表格数据计算与处理3.文本分析与无监督学习4.将计算结果输出表格5.数据特征对比赛题思路代码将excel文件中的文本数据转入txt文件#-*
咸鱼.m·2023-06-16 23:25

使用Transformer与无监督学习，OpenAI提出可迁移至多种NLP任务的通用模型

OpenAI最近通过一个与任务无关的可扩展系统在一系列语言任务中获得了当前最优的性能，目前他们已经发布了该系统。OpenAI表示他们的方法主要结合了两个已存的研究，即Transformer和无监督预训练。实验结果提供了非常令人信服的证据，其表明联合监督学习方法和无监督预训练能够得到非常好的性能。这其实是很多研究者过去探索过的领域，OpenAI也希望他们这次的实验结果能激发更加深入的研究，并在更大和
weixin_33801856·2023-06-16 15:03

VAE（变分自编码器）原理简介

自编码器（Autoencoder）是深度学习领域中常用的一种无监督学习方法，其基本思想是通过将输入数据压缩到低维表示，然后将其解压缩回原始空间，从而实现对数据的重构。
qq_41771998·2023-06-16 10:13

【OpenMMLab】AI实战营第二期Day10：底层视觉与MMEditing

第一部分介绍图像超分、深度学习和网络训练的相关算法，第二部分介绍超像素卷积、无监督学习、卷积网络和空间注意机制，以及这些算法在视觉框架中的实践应用。
songyuc·2023-06-16 03:02

吴恩达监督机器学习：回归和分类（一）

文章目录机器学习简介机器学习是什么quiz监督学习回归问题分类问题quiz无监督学习聚类问题quiz练习测试：监督学习与无监督学习线性回归线性回归模型第一部分基本术语线性回归模型第二部分quiz选学实验
源代码•宸·2023-06-15 18:45

PyTorch 深度学习 || 专题九：PyTorch 全连接自编码网络的无监督学习

PyTorch全连接自编码网络的无监督学习文章目录PyTorch全连接自编码网络的无监督学习1.数据去噪1.1计算库和数据准备工作1.2构建自编码网络1.3调用主函数1.4可视化2.数据的重建与降维2.1
Mr_LeeCZ·2023-06-15 14:12

【OpenMMLab AI实战营第二期】底层视觉

产生真实内容应用经典游戏高清重制动画高清重制照片修复节约传输高清图像的带宽民生领域类型多图超分单图超分解决思路：给予已知数据学习高低分辨率图像之间的关系在符合先验知识的条件下恢复高清图像目标：内容更真实，细节更丰富经典方法稀疏编码：通过无监督学习方法
JeffDingAI·2023-06-15 14:01

生成AI(三)—创建自己的MidJorney

反扩散过程：从XT到X0，根据时间t等相关进行无监督学习，得到
直男250·2023-06-15 02:38

第8课：动手实战基于 ML 的中文短文本聚类

关于文本聚类，我曾在Chat《NLP中文文本聚类之无监督学习》中介绍过，文本聚类是将一个个文档由原有的自然语言文字信息转化成数学信息，以高维空间点的形式展现出来，通过计算哪些点距离比较近，从而将那些点聚成一个簇
一纸繁鸢w·2023-06-15 01:22

数据科学导论

《数据科学导论》重点归纳第1~4章数据科学研究的问题边角广泛，只要是和数据收集、清洗整理、分析和挖掘有关的问题都是数据科学要研究的问题；数据科学的主要方法：有监督学习、无监督学习、半监督学习；有监督学习中
乄北城以北乀·2023-06-15 01:00

简要介绍 | 自监督学习：挖掘数据内在价值的新兴方法

2.自监督学习基本概念自监督学习（Self-supervisedlearning）是一种无监督学习方法，其主要任务是从未标注的数据中学习有用的表示。通过设计
R.X. NLOS·2023-06-14 21:23

人工智能数学基础

第一章人工智能概述1.1人工智能的概念和历史1.2人工智能的发展趋势和挑战1.3人工智能的伦理和社会问题第二章数学基础1.1线性代数1.2概率与统计1.3微积分第三章监督学习1.1无监督学习1.2半监督学习
Kali与编程～·2023-06-14 15:30

人工智能算法简介

一、按照模型训练方式不同可以分为监督学习（SupervisedLearning），无监督学习（UnsupervisedLearning）、半监督学习（Semi-supervisedLearning）和强化学习
巨人肩上摘星怪·2023-06-14 15:12

机器学习基础概论

同时，这三类问题都属于监督学习的范畴，监督学习是机器学习的一个分支，还包括三个其他的主要分支：无监督学习、自监督学习和强化学习。
·2023-06-14 11:08

小白都看得懂的监督学习与无监督学习

之前对机器学习中的监督学习与无监督学习，只是有个概念，前几天学习知识的时候，又遇到了，所以打算好好记录下来。在理解监督学习和无监督学习之前，我们先来聊一聊什么是机器学习（ML）？
LiBiscuit·2023-06-14 08:37

Python 实操案例：一文详解10种聚类算法

聚类或聚类分析是无监督学习问题。它通常被用作数据分析技术，用于发现数据中的有趣模式，例如基于其行为的客户群。有许多聚类算法可供选择，对于所有情况，没有单一的最佳聚类算法。
我爱Python数据挖掘·2023-06-13 09:52

十种常用聚类算法（python完整代码演示）

聚类或者聚类分析是无监督学习问题。通常被用作数据分析技术，用来发现大数据中的有趣模型。与监督学习（类似预测模型）不同，聚类算法只解释输入数据，并在特征空间中找到自然组或群集。
小刘研CV·2023-06-13 09:19

自编码器（minist）

在无监督学习中，希望模型可以提取数据内部的规律特征，其中一大特征是稀疏性（sparsity).稀疏性存在的最大意义是降维，数据具有稀疏性，那么模型需要提取的特征的数量就远比输入神经元数量要小。
Summer_Anny·2023-06-13 07:33

情感分析实战(中文)-数据获取

而帮助各大广大学子们，在碰到情感分析的毕业设计时，提供一个好的处理思路，让广大学子们能顺利毕业情感分析实战：a)数据获取篇b)数据预处理篇-情感分类篇(中文版)c)数据预处理篇-情感分类篇(英文版)d)无监督学习
有猫腻妖·2023-06-12 18:08

情感分析实战(中文)-聚类篇

情感分析实战(中文)-无监督学习k-means聚类分析背景：该专栏的目的是将自己做了N个情感分析的毕业设计的一个总结版，不仅自己可以在这次总结中，把自己过往的一些经验进行归纳，梳理，巩固自己的知识从而进一步提升
有猫腻妖·2023-06-12 18:38

大数据---聚类分析概述及聚类评估

聚类是无监督学习，因为给的数据没有类标号信息。分类和聚类的区别分类有监督学习；通过带标签的样本进行学习，生成分类模型（分类器）。聚类无监督学习；通过观察学习，根据样本间的相似性将数据分割成多个簇。
.叹服·2023-06-12 13:59

总结896

检测每日必复习（5分钟）线代第二讲学习内容：暴力英语：早上继续从第一篇文章开始回诵，每日长难句，一篇六级阅读数学：关于泰勒公式的23道题目纠错，40分钟刷题16道期末复习：机器学习网课，关于有监督学习和无监督学习的理解
天真小巫·2023-06-12 11:12

机器学习期末复习 线性模型

有监督学习和无监督学习解释：线性模型要做的有两类任务：分类任务、回归任务分类的核心就是求出一条直线w的参数，使得直线上方和直线下方分别属于两类不同的样本回归就是用来拟合尽可能多的点的分布的方法，我们可以通过拟合的直线知道一个新样本的相关数值有监督的学习
JYHZZ·2023-06-12 05:19

什么是机器学习？有哪些算法和分类？又有哪些应用？看完你就懂了

接着按照学习形式将机器学习划分为监督学习、无监督学习、半监督学
hzbooks·2023-06-12 00:06

情感分析实战(中文)-数据获取

，而帮助各大广大学子们，在碰到情感分析的毕业设计时，提供一个好的处理思路，让广大学子们能顺利毕业废话不多说：该专栏主要有2大主题：1、中文-情感分析实战：a)数据获取篇b)数据预处理篇-情感分类篇d)无监督学习机器
有猫腻妖·2023-06-11 21:32

情感分析实战(中文)-LDA主题建模分析

情感分析实战(中文)-无监督学习LDA主题建模处理背景：该专栏的目的是将自己做了N个情感分析的毕业设计的一个总结版，不仅自己可以在这次总结中，把自己过往的一些经验进行归纳，梳理，巩固自己的知识从而进一步提升
有猫腻妖·2023-06-11 21:32

[迁移学习]预训练和微调

一、概述一般的有监督迁移学习分为以下三种：①将训练好的模型作为特征抽取模块（例如以resnet进行特征提取）②在一个相关的任务中训练后直接后直接使用(例如gpt)③在训练好的模型基础上进行微调此外还有无监督学习的方式
ViperL1·2023-06-11 18:39

第九章 聚类

聚类任务训练样本的标记信息未知，目标是对无标记训练样本的学习来揭示数据的内在性质及规律，即是无监督学习，训练数据无标记，目的是为了分类。
尘濯·2023-06-11 17:15

【转】Generative Pretrained Transformer

此外，即使在可获得相当大的监督语料情况下，以无监督学习的方式学到的表示也可以提供显着的性能提升。到目前为止，最引人注目的证据是广泛使用预训练词嵌入来提高一系列NLP任务的性能。1.2简介G
小金子的夏天·2023-06-11 02:22

【人工智能与深度学习】解码语言模型

文字生成评估序列到序列模型条件语言模型序列到序列模型序列转换器回译问题迭代反向翻译NLP的无监督学习`word2vec`问题：单词表示形式是依赖于上下文还是独立于上下文？
prince_zxill·2023-06-10 23:58

机器学习算法分类（三）

在机器学习中，又分为监督学习、无监督学习、半监督学习、强化学习和深度学习。监督、无监督、半监督学习机器学习根据数据集是否有标签，又分为监督学习、无监督学习、半监督学习。
涛声依旧叭·2023-06-10 09:23

10.无监督学习之K-means算法

10.1无监督学习的定义监督学习：我们有一些列标签，然后用假设函数去拟合它无监督学习：给出的数据不带任何标签。
秃头少女Emily·2023-06-10 09:32

11.无监督学习之主成分分析

11.1降维降维的两种应用：一是数据压缩；二是可视化数据。11.1.1数据压缩将相关性强的两个特征导致冗余，可以直接去掉其中一个特征，或者将两个特征进行某种转换，得到一个特征。11.1.2可视化数据直接看数据可能看不出什么现象出来但是通过图来进行对比，按照GDP或者是其他标准来看，会更明显。11.2主成分分析（PCA）假设我们有一个二维的样本x数据集，当我们向对数据进行降维从二维到一维，也就是想到
秃头少女Emily·2023-06-10 08:29

Python数据分析案例29——自编码器监测异常值

与传统的监督学习不一样，这一篇主要是讲述自编码器模型的，是无监督学习，并且用于的任务不是分类或者回归，而是异常值的监测。案例背景需要从一堆网络流量特征监控的数据中寻找哪些可能是异常情况。
阡之尘埃·2023-06-10 02:14

机器学习实战六步法之数据预处理（五）

数据的预处理通常包括5个步骤，如下：这个是比较完整的一个步骤，不同的算法可能会缺少一些步骤，例如无监督学习中，没有标签也就没有特征工程。1、数据可视化数据的可视化，可以帮我们发现数据中的规律和问题。
涛声依旧叭·2023-06-09 22:17

基于频率敏感的无监督学习去噪方法--简介

目录引言方法实验结论代码示例：引言去噪，作为图像处理领域的核心任务之一，其挑战性及其广泛的应用需求引发了大量的研究。然而，虽然基于监督学习的方法可以产生稳健的去噪结果，但其本质上受到对大规模干净/嘈杂配对数据集的需求的限制。由于数据收集的困难，这使得这种方法在实际应用中可能难以实现。另一方面，无监督降噪器需要更详细地了解底层图像统计数据，但传统的方法主要依赖于空间域的信息，忽视了频域信息的重要性。
快撑死的鱼·2023-06-09 22:50

机器学习框架之sklearn简介

（sklearn为包名）基本概括sklearn拥有可以用于监督和无监督学习的方法，一般来说监督学习使
p是马甲·2023-06-09 20:33
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他