无监督学习

机器学习算法（二十八）：Gan （生成式对抗网络）

数据增强5GANs的改进5.1CGAN5.2DCGAN6ModeCollapse生成式对抗网络（GAN,GenerativeAdversarialNetworks）是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一
意念回复·2022-12-09 09:12

深度学习基础。入门到实战，深度学习到底有多深？

同时，大部分机器学习算法又可以分成监督学习和无监督学习两类；本文会介绍这两
奋进的贼牛批·2022-12-09 09:22

k均值聚类

均值聚类过程怎么样设置合理的K值计算距离的几种方式欧式距离：曼哈顿距离：切比雪夫距离余弦距离(CosineDistance)python实现参考文献什么是聚类所谓聚类算法是指将一堆没有标签的数据自动划分成几类的方法，属于无监督学习方法
ithinking110·2022-12-09 08:13

数据科学/机器学习python——聚类模型【K-means聚类举例】

聚类模型无标签、无监督学习可以简化数据，有助于寻找数据的内部结构基于相似度【能把不同领域的数据相似度的度量融合进去，还可加入核函数】；基于特征【可以直接考虑原始的数据，避免因为度量距离而丢失某些信息】平坦聚类
Gadus_·2022-12-09 08:41

ChatGPT的理解

参考李宏毅老师讲解思维导图ChatGPT对标instructGPT本质GPT的社会化训练过程1学习文字接龙无监督学习大量的自我学习生成的答案具有随机性自己修炼2人类老师引导文字接龙的方向监督学习标注:(
愚昧之山绝望之谷开悟之坡·2022-12-09 07:33

AI学习_无监督学习(编解码器)_图像分割_Unet/U2net

无监督学习让模型对输入的数据进行特征提取，从而实现无标签（无监督学习）本质是编码，解码的过程。让模型在卷积编码（下采样）、卷积解码（上采样）的过程中。
麦没了块QAQ·2022-12-09 05:07

（无监督）基于无监督学习的模板缺陷检测方法研究

本文方法：基于重建概述：深度学习中，对抗生成网络（GAN）和自编码器（AE）在图像修复与图像重建方面效果很强大，可以用于无监督学习，训练GAN网络使其学习无缺陷图像内部的特征。
视觉菜鸟Leonardo·2022-12-09 05:04

基于无监督学习的织物缺陷检测

对于实时分选领域，本人自研了一套AI算法，今将其运用于无纺布的缺陷检测，前期仅需要正常样本即可。平均检出率在0.9以上检测结果的链接：链接：https://pan.baidu.com/s/1aDCtOdv5LqAp9s6Xv8TG5g提取码：3ioc
Manketon·2022-12-09 05:31

深度置信网络（DBN）

1.RBM简介RBM属于一种无监督学习的方法，无监督学习的目的是最大可能地拟合训练数据。
hellosc01·2022-12-08 23:45

深度置信网络（DBN）【经典的DBN网络结构是由若干层 RBM（受限波尔兹曼机）和一层 BP 组成的一种深层神经网络】

一、RBM简介RBM属于一种无监督学习的方法，无监督学习的目的是最大可能地拟合训练数据。
u013250861·2022-12-08 23:45

MATLAB小技巧（25）竞争神经网络与SOM神经网络

竞争型神经网络是基于无监督学习（Unsupervisedlearning）方法的神经网络的一种重要
mozun2020·2022-12-08 20:29

深度学习之【pytorch入门】——二文带你理解深度学习的概念

深度学习神经网络基础文章目录深度学习神经网络基础什么是监督学习和无监督学习？监督学习中的两大问题回归问题分类问题模型的欠拟合和过拟合拟合欠拟合过拟合什么是向前传播？
Delv_Peter·2022-12-08 18:05

几种聚类算法的对比实验

几种聚类算法的对比实验聚类方法是属于无标签的无监督学习方法。其他常见的无监督学习还有密度估计，异常检测等。
_liuzt·2022-12-08 17:43

【机器学习】10种聚类算法的完整python操作示例

来源：海豚数据科学实验室著作权归作者所有，本文仅作学术分享，若侵权，请联系后台删文处理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。
风度78·2022-12-08 17:11

图像检索公开数据集

-------AndrewNg数据是一切算法应用的基础，无论是监督学习需要标注好的数据进行训练，还是无监督学习需要对数据进行分析、考量，数据都是不可或缺的。
二楼后座Scarlett·2022-12-08 17:00

《程序员的第一年》---------- 从决策树学习谈到贝叶斯分类算法、EM、HMM

[-]第一篇从决策树学习谈到贝叶斯分类算法EMHMM引言分类与聚类监督学习与无监督学习第一部分决策树学习什么是决策树ID3算法决策树学习之ID3算法哪个属性是最佳的分类属性ID3算法决策树的形成C45算法读者点评第二部分贝叶斯分类什么是贝叶斯分类拼写纠正贝叶斯的应用
zhongxiaobing·2022-12-08 16:16

无监督学习

系列文章目录第1章绪论第2章机器学习概述第3章线性模型第4章前馈神经网络第5章卷积神经网络第6章循环神经网络第7章网络优化与正则化第8章注意力机制与外部记忆第9章无监督学习第10章模型独立的学习方式第11
Oracle中文开发者社区·2022-12-08 16:45

【论文阅读】Siamese Neural Networks for One-shot Image Recognition

one-shortlearning:待解决的问题只有少量的标注数据，先验知识很匮乏，迁移学习就属于one-shortlearning的一种zero-shortlearning:这个种情况下完全没有标注数据，聚类算法等无监督学习就属于
杨树_·2022-12-08 13:39

【CV】吴恩达机器学习课程笔记 | 第1-15章

目录1介绍1-3监督学习1-4无监督学习2单变量线性回归2-2代价函数2-5Batch梯度下降算法4多变量线性回归4-1多特征4-2多元梯度下降法4-3多元梯度下降法I——特征缩放缩放归一化4-4多元梯度下降法演练
Fannnnf·2022-12-08 12:21

机器学习从零开始 --基础概念+支持向量机（哪天不更了说明放弃了

浙江大学机器学习笔记强烈推荐设置参数：T-task要完成的任务E-experience用于机器来学习的数据P-perfoemance性能评价指标学习分为：监督学习和强化学习ps：划分并不绝对监督学习分为：监督学习和无监督学习区别在于经验的来源监督学习
miao_nei·2022-12-08 12:47

《速通机器学习》-第六章 无监督学习

本书前面提到的各种模型，无论是回归还是分类，在训练阶段都有一个共同的前提条件，即需要有标注的训练样本。标注数据会告诉模型，“对这条数据，输入x后，我想要结果y”。模型会根据要求，使用梯度下降法或其他求解方式，不断调整自身参数，使输出y^'尽可能接近标注y。这类学习统称为有监督学习。标注y就是监督信号（也称为教师信号），用于告诉模型数据x所对应的正确类别y。在企业中，标注数据的来源一般是人工标注，以
AI_卢菁博士·2022-12-08 11:59

PyTorch笔记 - Word Embeddings & Word2vec 原理与源码

caroline_wendy本文地址：https://blog.csdn.net/caroline_wendy/article/details/128227529语言建模基于已有的人类组织的文本语料，来去无监督学习如何组织一句话
SpikeKing·2022-12-08 07:30

【从RL到DRL】强化学习基础（一）——强化学习基本介绍、基本的智能体概念

智能体组成智能体分类强化学习问题强化学习介绍关于强化学习强化学习在不同的学科中其实都具有不同的存在形式机器学习的分支有监督学习：利用一组已知类别的训练样本调整分类器的参数，使得习得的分类器能对未知样本进行分类或预测无监督学习
Vulcan_Q·2022-12-08 02:51

独立成分分析Independent component analysis (ICA)

前提假设观测信号数目⩾\geqslant⩾源信号数目1源信号的各个分量之间相互统计独立1源信号的各分量最多只允许有一个是高斯分布的1轮子ICA出现在sklearn文档第2章无监督学习（Unsupervisedlearning
千行百行·2022-12-08 01:01

深度学习异常检测_深度few-shot异常检测

入门,利用一些标记的异常实例执行异常通知的异常检测由于缺乏大规模的标记异常数据，现有的(深度或浅度)异常检测方法通常被设计为无监督学习(针对完全未标记的数据进行训练)或半监督学习(针对仅标记的正常数据进行训练
Bin Ho·2022-12-07 23:54

ECCV 2022 | 无需微调即可推广！基于配准的少样本异常检测框架

因此，近期关于异常检测的研究主要致力于无监督学习，即仅使用正常样本，通过使用单类别（o
PaperWeekly·2022-12-07 23:52

监督学习和无监督学习概念

学习目标：完成机器学习监督学习和无监督学习概念梳理知识详解：监督学习：学习算法从引用正确答案（标签）中学习。无监督学习：从无标签数据中发现一些构造，或有趣的东西。回归：预测数值，有无限多可能的输出。
疋瓞·2022-12-07 22:42

【知识图谱系列】基于生成式的知识图谱预训练模型

完整汇报ppt获取请关注公众号回复关键字：GPT-GNNBACKGROUNDBackground1、GPT/GPT2.0：GPT和GPT2.0是自然语言处理领域的生成式训练模型，预训练阶段通过大量预料进行无监督学习
zenRRan·2022-12-07 19:04

sklearn中的线性回归大家族

决策树、随机森林、支持向量机的分类器等分类算法的预测标签是分类变量，多以{0,1}来表示，而无监督学习算法（如CPA、Kmeans）并不是求解标签，注意加以区别。
momokofly·2022-12-07 16:36

有监督学习和无监督学习

无监督学习无监督学习是不知道数据具体的含义，比如给定一些数据但不知道它们具体的信息，对于分类问题无监督学习可以得到多个不同的聚类，从而实现预测的功能。
cyy1104·2022-12-07 16:03

了解ChatGPT

将无监督学习有监督模型的预训练目标，因此叫做生成式预训练（GenerativePre-train
MIngo的成长·2022-12-07 13:35

机器学习基本知识（1）

无监督学习任务：从未标记的训练数据来训练模型。主要分为：聚类任务、降维任务。半监督学习任务：用大量的未标记训练数据
机器猫001·2022-12-07 13:34

机器学习sklearn-支持向量机

支持向量机SVM支持向量网络可以做有监督学习、无监督学习、半监督学习监督学习：线性二分类与多分类、非线性二分类与多分类、普通连续性变量的回归、概率型连续变量的回归支持向量机深度学习之外机器学习的天花板存在
yzy_1117·2022-12-07 13:54

无监督学习(1)

无监督学习（UnsupervisedLearning）可以分为两种：化繁为简1、聚类2、降维无中生有对于无监督学习（unsupervisedlearning）来说，通常我们会知道(x,y^)(x,\hat
weixin_45540546·2022-12-07 12:04

无监督学习

无监督学习9.1无监督特征学习9.2概率密度估计  无监督学习（UnsupervisedLearning，UL）是指从无标签的数据中学习出一些有用的模式．无监督学习算法一般直接从原始数据中学习，不借助于任何人工给出标签或者反馈等指导信息
爱蹦跶的小贺·2022-12-07 12:33

【数学建模常用模型】无监督学习篇

前几次的回归和分类等模型都是属于有监督的学习方法，这次来聊聊无监督学习。它的定义是：“无监督学习是机器学习的一种方法，指的是没有给定事先标记过的训练示例，自动对输入的资料进行分类或分群。”
数模乐园—分享官·2022-12-07 12:01

什么是无监督学习？

无监督学习是机器学习任务的一种。它从无标记的训练数据中推断结论。最典型的无监督学习就是聚类分析，它可以在探索性数据分析阶段用于发现隐藏的模式或者对数据进行分组。给定数据，寻找隐藏的结构。
地瓜稀饭不加糖·2022-12-07 12:58

机器学习中的无监督学习是什么？

什么是无监督学习？顾名思义，“无监督”学习发生在没有监督者或老师并且学习者自己学习的情况下。例如，考虑一个第一次看到并品尝到苹果的孩子。她记录了水果的颜色、质地、味道和气味。
BigQuant·2022-12-07 12:20

PCA降维代码实现

无监督学习，实现降维功能。
Goodness2020·2022-12-07 12:24

MG-BERT | 利用 无监督 原子表示学习 预测分子性质 | 在分子图上应用BERT | GNN | 无监督学习(掩蔽原子预训练) | attention

分子性质预测的的大部分文章，本质是研究分子的表示学习，然后应用到性质预测任务。有分子性质预测的文章，关键词是“propertyprediction”，也有专门研究毒性的文章，关键词是“toxicityprediction”。这周读了一篇2021.5发表在BIB上的文章，用无监督的方式学习分子的表示，期刊是化学二区的，影响因子9.905。MG-BERT:leveragingunsuperviseda
啊啦灯神叮·2022-12-07 11:33

第九章 聚类

9.1聚类任务在无监督学习中，训练样本的标记信息是未知的，目标是通过对无标记训练样本的学习来揭示数据的内在性质及规律。为进一步的数据分析提供基础。此类学习任务中研究最多、应用最广的是“聚类”。
高自期许·2022-12-07 11:00

周志华《机器学习》第九章复习（带例题）

学习向量量化、高斯混合聚类，这三种聚类方法的特点和方法思路4.密度聚类（选择、填空、判断、名词解释）核心对象、密度直达、密度可达、密度相连，算法实现的核心思想第九章聚类（密度聚类没讲，层次聚类简要介绍）1无监督学习
FitzFitzFitz·2022-12-07 10:18

第8章 注意力机制与外部记忆

系列文章目录第1章绪论第2章机器学习概述第3章线性模型第4章前馈神经网络第5章卷积神经网络第6章循环神经网络第7章网络优化与正则化第8章注意力机制与外部记忆第9章无监督学习第10章模型独立的学习方式第11
zaiziwamei·2022-12-07 10:47

边境的悍匪—机器学习实战：第九章 无监督学习任务

第九章无监督学习任务文章目录第九章无监督学习任务前言一、思维导图二、主要内容1、聚类2、高斯混合模型三、课后练习四、总结前言我们在解决实际问题的时候会遇到很多没有标签的数据，但是给实例打上标签又是一个费时费力的过程
doubleZ7·2022-12-07 10:15

《统计学习方法》学习笔记 第十三章 无监督学习概论

目录13.1无监督学习基本原理13.2基本问题13.3无监督学习三要素13.4无监督学习方法13.1无监督学习基本原理无监督学习是从无标注的数据中学习数据的统计规律或者说内在结构的机器学习，主要包括聚类
LittleFish0820·2022-12-07 10:15

第9章 无监督学习

系列文章目录第1章绪论第2章机器学习概述第3章线性模型第4章前馈神经网络第5章卷积神经网络第6章循环神经网络第7章网络优化与正则化第8章注意力机制与外部记忆第9章无监督学习第10章模型独立的学习方式第11
zaiziwamei·2022-12-07 09:41

2022吴恩达机器学习课程学习笔记（第一课第一周）

2022吴恩达机器学习课程学习笔记（第一课第一周）欢迎参加《机器学习》课程机器学习应用机器学习定义定义（非正式）主要类型监督学习定义特征类型无监督学习定义特征类型JupyterNotebook线性回归模型定义举例
Ys能保研·2022-12-07 07:08

2022吴恩达机器学习课程——第一课

注：参考B站视频教程视频链接：【(强推|双字)2022吴恩达机器学习Deeplearning.ai课程】文章目录第一周一、监督学习与无监督学习二、线性回归三、梯度下降第二周一、向量化二、特征缩放第三周一
now_try_·2022-12-07 07:37

数据挖掘笔记：聚类算法

在讲聚类之前，先讲讲无监督学习；无监督学习：在训练的时候只需要特征矩阵X，不需要标签；聚类算法/无监督分类作用：将数据划分成有意义或有用的组（或簇）；聚类和分类的比较如下图所示：KMeans聚类作为机器学习的一种常用方式
a44267113·2022-12-07 05:05

python和机械结合_《Python与机器学习》笔记（8）

无监督学习1.基于聚类的“图像分割”实例编写图像分割图像分割：利用图像的灰度、颜色、纹理、形状等特征，把图像分成若干个互不重叠的区域，并使这些特征在同一区域内呈现相似性，在不同的区域之间存在明显的差异性
weixin_39802020·2022-12-07 02:29
上一页 27 28 29 30 31 32 33 34 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他