机器学习与数据挖掘

《加州理工学院公开课：机器学习与数据挖掘》第1讲学习笔记

机器学习的定义（来源互联网，非本课程）：PerformanceMeasure（性能测量）机器学习的实质（什么时候可以使用机器学习）：1.patternexist；2.不能用精确的数据公示表示；3.data！学习的组成部分(ComponentofLearning)：这是机器学习的一般过程，我们的关键就是确定这个假设集（hypothesisset）和学习算法（learningalgorithm）。具体
knightzj·2022-12-01 16:52

机器学习与数据挖掘 第一讲 定义与PLA算法

机器学习与数据挖掘第一讲定义与PLA算法机器学习的实质机器学习的组成部分感知机模型举例机器学习的定义与本质MachinelearningTomM.Mitchell定义：AcomputerprogramissaidtolearnfromexperienceEwithrespecttosomeclassoftasksTandperformancemeasureP
leeningzzu·2022-12-01 16:52

机器学习100+问

3.讨论机器学习与人工智能的关系4.讨论机器学习与数据挖掘的关系5.讨论机器学习与数据科学、大数据分析等概念的关系6.机器学习有哪些常用的应用领域?请举例说明其应用7.机器学习能解决哪些问题?
处女座程序员的朋友·2022-12-01 00:13

机器学习与数据挖掘--编程实现BP算法

机器学习与数据挖掘实验五（编程实现误差逆传播算法BP算法）实验目的：掌握误差逆传播算法（BP算法）的工作流程实验环境：Anaconda/Jupyternotebook/Pycharm实验内容：编码实现标准
十七不卖书Q·2022-11-30 03:14

机器学习与数据挖掘-实验五

用线性核与高斯核训练支持向量机使用Sklearn，在西瓜集3.0a上分别使用线性核和高斯核训练一个SVM，并比较其支持向量的差别。data_file_watermelon_3a="watermelon_3a.csv"importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltimportseabornassnsfromsklearnimpo
墨笔挥毫_半世繁华·2022-11-30 03:44

机器学习与数据挖掘--用线性核与高斯核训练支持向量机

机器学习与数据挖掘实验六（用线性核与高斯核训练支持向量机）实验目的：掌握支持向量机的原理及应用实验环境：Anaconda/Jupyternotebook/Pycharm实验内容：使用Sklearn，在西瓜集
十七不卖书Q·2022-11-30 03:36

机器学习与数据挖掘期末复习

一、引言1.数据中的知识发现包括哪几个步骤？数据源—（数据整合）—整理过的数据—（筛选与预处理）—准备好的数据—（选择函数、算法，进行数据挖掘）—模型—（数据评估）—专业知识2.数据挖掘应用目标检测、文本分类、语音识别、数据建模、自动驾驶、用户自定义学习、疾病故障自检二、学习的可行性1.Hoeffding不等式2.用Hoeffding不等式说明学习可行性三、数据和数据预处理1.有哪四种不同的属性类
AAquiloo·2022-11-28 14:03

PyTorch常用代码段整理合集，建议收藏！

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达张皓：南京大学计算机系机器学习与数据挖掘所（LAMDA）硕士生，研究方向为计算机视觉和机器学习，特别是视觉识别和深度学习。
小白学视觉·2022-11-25 15:44

2021年机器学习与数据挖掘简答题复习整理

简述面向属性归纳的基本思想，并说明什么时候使用属性删除，什么时候使用属性概化。答：面向属性归纳的基本思想是：首先使用关系数据库查询收集任务相关的数据；然后通过考察任务相关数据中每个属性的不同值的个数，进行概化（通过属性删除或者属性概化）。聚集通过合并相等的广义元组，并累计他们相应的计数值进行。这压缩了概化后的数据集合。结果广义关系可以映射到不同形式，如图表或规则，提供用户。使用属性删除的情况：如果
RouTineD·2022-11-24 18:11

机器学习与数据挖掘概述

其中包括机器学习中常用的算法，如线性回归、逻辑回归、贝叶斯、决策树、K-Means等，这是第一篇——机器学习与数据挖掘的概念，这篇博文会有些枯燥，介绍的都是概念性东西。
恰巧偶遇·2022-11-24 18:11

机器学习与数据挖掘期末考试复习重点整理

分类：–有类别标记信息,因此是一种监督学习–根据训练样本获得分类器，然后把每个数据归结到某个已知的类，进而也可以预测未来数据的归类。聚类：–无类别标记,因此是一种无监督学习–无类别标记样本，根据信息相似度原则进行聚类，通过聚类，人们能够识别密集的和稀疏的区域，因而发现全局的分布模式，以及数据属性之间的关系聚类方法：划分方法-（分割类型）K-均值K-Means顺序领导者方法基于模型的方法基于密度的方
weixin_34114823·2022-11-24 18:38

机器学习与数据挖掘150道题

单选题1.某超市研究销售纪录数据后发现，买啤酒的人很大概率也会购买尿布，这种属于数据挖掘的哪类问题？(A)A.关联规则发现B.聚类C.分类D.自然语言处理2.以下两种描述分别对应哪两种对分类算法的评价标准？(A)(a)警察抓小偷，描述警察抓的人中有多少个是小偷的标准。(b)描述有多少比例的小偷给警察抓了的标准。A.Precision,RecallB.Recall,PrecisionC.Precis
weixin_30305735·2022-11-24 18:07

机器学习与数据挖掘实验四--编程实现基于信息增益进行划分选择的决策树

机器学习与数据挖掘实验四（编程实现基于信息增益进行划分选择的决策树算法）实验目的：掌握构建决策树的基本流程实验环境：Anaconda/Jupyternotebook/Pycharm实验内容：编码实现基于信息增益进行划分选择的决策树算法
十七不卖书Q·2022-11-23 16:09

机器学习与数据挖掘实验一：牛顿法，梯度下降实现对数几率回归【详细原理+python代码】

系列文章目录机器学习与数据挖掘实验一：牛顿法，梯度下降实现对数几率回归【详细原理+python代码】机器学习与数据挖掘实验二：以信息增益为划分准则构造决策树【例题求解】机器学习与数据挖掘实验三：基于CNN
oax_knud·2022-11-21 23:52

机器学习与数据挖掘实验四：基于特征工程的支持向量机分类实验【详细原理+python代码】

系列文章目录机器学习与数据挖掘实验一：牛顿法，梯度下降实现对数几率回归【详细原理+python代码】机器学习与数据挖掘实验二：以信息增益为划分准则构造决策树【例题求解】机器学习与数据挖掘实验三：基于CNN
oax_knud·2022-11-21 15:30

机器学习与数据挖掘实验三：基于 CNN (VGG，GoogLeNet)的海面舰船图像分类【详细原理+python代码】

系列文章目录机器学习与数据挖掘实验一：牛顿法，梯度下降实现对数几率回归【详细原理+python代码】机器学习与数据挖掘实验二：以信息增益为划分准则构造决策树【例题求解】机器学习与数据挖掘实验三：基于CNN
oax_knud·2022-11-21 15:29

机器学习与数据挖掘实验二：以信息增益为划分准则构造决策树【例题求解】

系列文章目录机器学习与数据挖掘实验一：牛顿法，梯度下降实现对数几率回归【详细原理+python代码】机器学习与数据挖掘实验二：以信息增益为划分准则构造决策树【例题求解】机器学习与数据挖掘实验三：基于CNN
oax_knud·2022-11-21 15:59

西电机器学习简答题核心考点汇总（期末真题，教材西瓜书）

核函数的作用五、特征的相似度定义，性质六、预剪枝与后剪枝优缺点七、密度直接可达，密度可达，密度相连定义八、DBSCAN相对于k-menas的优缺点九、LDA和PCA区别总结前言主要针对西安电子科技大学《机器学习与数据挖掘课程
oax_knud·2022-11-21 15:51

广州大学机器学习与数据挖掘实验四

实验四决策树分类一、实验目的本实验课程是计算机、人工智能、软件工程等专业学生的一门专业课程，通过实验，帮助学生更好地掌握数据挖掘与机器学习相关概念、技术、原理、应用等；通过实验提高学生编写实验报告、总结实验结果的能力；使学生对机器学习模型、算法等有比较深入的认识。要掌握的知识点如下：掌握机器学习中涉及的相关概念、模型、算法；熟悉机器学习模型训练、验证、测试的流程；熟悉常用的数据预处理方法；掌握决策
faith312·2022-11-21 00:21

广州大学机器学习与数据挖掘实验三

实验三聚类分析一、实验目的本实验课程是计算机、人工智能、软件工程等专业学生的一门专业课程，通过实验，帮助学生更好地掌握数据挖掘与机器学习相关概念、技术、原理、应用等；通过实验提高学生编写实验报告、总结实验结果的能力；使学生对机器学习模型、算法等有比较深入的认识。要掌握的知识点如下：掌握机器学习中涉及的相关概念、模型、算法；熟悉机器学习模型训练、验证、测试的流程；熟悉常用的数据预处理方法；掌握聚类分
faith312·2022-11-21 00:20

广州大学机器学习与数据挖掘实验二

实验二逻辑回归与朴素贝叶斯分类一、实验目的本实验课程是计算机、人工智能、软件工程等专业学生的一门专业课程，通过实验，帮助学生更好地掌握数据挖掘与机器学习相关概念、技术、原理、应用等；通过实验提高学生编写实验报告、总结实验结果的能力；使学生对机器学习模型、算法等有比较深入的认识。要掌握的知识点如下：掌握机器学习中涉及的相关概念、模型、算法；熟悉机器学习模型训练、验证、测试的流程；熟悉常用的数据预处理
faith312·2022-11-21 00:20

广州大学机器学习与数据挖掘实验一

实验一线性回归一、实验目的本实验课程是计算机、人工智能、软件工程等专业学生的一门专业课程，通过实验，帮助学生更好地掌握数据挖掘与机器学习相关概念、技术、原理、应用等；通过实验提高学生编写实验报告、总结实验结果的能力；使学生对机器学习模型、算法等有比较深入的认识。要掌握的知识点如下：掌握机器学习中涉及的相关概念、模型、算法；熟悉机器学习模型训练、验证、测试的流程；熟悉常用的数据预处理方法；掌握线性回
faith312·2022-11-21 00:15

机器学习与数据挖掘-educoder-实训作业（模型评估、选择与验证）

目录第1关：为什么要有训练集与测试集第2关：欠拟合与过拟合第3关：偏差与方差第4关：验证集与交叉验证第5关：衡量回归的性能指标第6关：准确度的陷阱与混淆矩阵第7关：精准率与召回率第8关：F1Score第9关：ROC曲线与AUC第10关：sklearn中的分类性能指标第1关：为什么要有训练集与测试集任务描述本关任务：根据本节课所学知识完成本关所设置的选择题。相关知识为了完成本关任务，你需要掌握：1.
Tony_Chen_0725·2022-11-20 21:43

机器学习与数据挖掘-educoder-实训作业（逻辑回归）

目录第1关：逻辑回归算法大体思想第2关：逻辑回归的损失函数第3关：梯度下降第4关：逻辑回归算法流程第5关：sklearn中的逻辑回归第1关：逻辑回归算法大体思想什么是逻辑回归当一看到“回归”这两个字，可能会认为逻辑回归是一种解决回归问题的算法，然而逻辑回归是通过回归的思想来解决二分类问题的算法。那么问题来了，回归的算法怎样解决分类问题呢？其实很简单，逻辑回归是将样本特征和样本所属类别的概率联系在一
Tony_Chen_0725·2022-11-20 21:13

机器学习与数据挖掘

写在前面，本文主要以李航老师的《统计学习方法》内容为主，穿插数据挖掘知识，持续更新ing！总结比较1.1机器学习和数据挖掘的关系机器学习是数据挖掘的重要工具。数据挖掘不仅仅要研究、拓展、应用一些机器学习方法，还要通过许多非机器学习技术解决数据仓储、大规模数据、数据噪音等等更为实际的问题。机器学习的涉及面更宽，常用在数据挖掘上的方法通常只是“从数据学习”，然则机器学习不仅仅可以用在数据挖掘上，一些机
Weiyaner·2022-11-19 23:00

机器学习01：绪论

机器学习与数据挖掘当人们在讨论机器学
非妃是公主·2022-11-19 16:02

优Tech分享｜YouTube推荐系统算法梳理

南京大学计算机系机器学习与数据挖掘所（LAMDA）硕士。YouTube创建于2005年，用于让用户寻找和发布视频。近年来，YouTube上的视频数量得到了迅猛增长，成为全球最大的视频网站。
智能推荐系统·2022-11-06 09:15

YouTube推荐系统算法梳理

南京大学计算机系机器学习与数据挖掘所（LAMDA）硕士。YouTube创建于2005年，用于让用户寻找和发布视频。近年来，YouTube上的视频数量得到了迅猛增长，成为全球最大的视频网站。
智能推荐系统·2022-11-06 09:15

大数据平台架构包含哪些功能

第2层是大数据处理核心，包含数据离线处理和实时处理、数据交互式分析以及机器学习与数据挖掘。第3层是资源管理，为了支撑数据的处理，需要统一的资源管理与调度。
梯度科技·2022-10-13 15:01

机器学习基础：大数据与深度学习的关系

关系机器学习与数据挖掘的关系：数据挖掘是一个过程，在此过程中机器学习算法被用作提取数据集中潜在有价值模式的工具。大数据与深度学
HanZee·2022-09-13 07:22

大数据生态圈简介

第二层是大数据处理核心，包括数据处理、交互式分析以及机器学习与数据挖掘。第三层是资源调度，为了充分利用系统资源，提高全系统的资源利用率以及增强系统扩展性，需要进行统一的资源管理与调度。
JeremyHeria·2022-08-15 09:08

机器学习与数据挖掘相关算法汇总

机器学习与数据挖掘相关算法汇总本文供机器学习学习者作为方向指导。参考资料：http://tieba.baidu.com/p/4843600839?
JayRoxis·2022-07-24 07:07

机器学习与数据挖掘

第一章引言0.什么是数据挖掘数据挖掘是从大量数据中挖掘出有趣模式和知识的过程或方法，其中涉及机器学习、统计数据和数据库系统交叉处的方法。1.数据中的知识发现包括哪几个步骤businessunderstanding（业务理解）dataunderstanding（数据理解）datapreparation（数据准备）modeling（建模）evaluation（评估）development（部署）2.数
_Liz·2022-06-23 07:54

中国神经网络计算机,图神经网络 (GNN) 算法及其应用 [唐杰 清华大学] 2019年中国计算机大会机器学习与数据挖掘论坛...

论坛嘉宾：沈华伟中国科学院计算技术研究所研究员报告主题：图卷积神经网络及其应用报告摘要：卷积神经网络在处理图像、语音、文本等具有较好空间结构的数据时展现出了很好的优势。然而，卷积神经网络不能直接应用于图(Graph)这类空间结构不规则的数据上。近年来，研究人员开始研究如何将卷积神经网络迁移到图数据上，涌现出ChevNet、MoNet、GraphSAGE、GCN、GAT等一系列方法，在基于图的半监督
usotsuki1993·2022-05-30 09:43

二、机器学习基础3

机器学习与数据挖掘的关系：数据挖掘是个过程，在此过程中机器学习算法被用作提取数据集价值的工具。
满满myno·2022-04-14 07:33

python dataframe的某一列变为list_Python数据分析系列文章之Pandas(上)

本篇是【机器学习与数据挖掘】头条号原创首发Python数据分析系列文章的第三篇Python数据分析系列文章之Python基础篇Python数据分析系列文章之NumpyPython数据分析系列文章之Pandas
weixin_39598094·2022-02-08 10:33

从深度学习到深度森林方法（Python）

周志华教授，毕业于南京大学，欧洲科学院外籍院士，国家杰出青年基金获得者，现任南京大学人工智能学院院长、南京大学计算机软件新技术国家重点实验室常务副主任、机器学习与数据挖掘研究所(LAMDA)所长、人工智能教研室主任
算法进阶·2021-12-15 22:19

数据预处理代码分享——机器学习与数据挖掘

数据预处理分为6步：第1步：导入NumPy和Pandas库。NumPy和Pandas是每次都要导入的库，其中Numpy包含了数学计算函数，Pnadas是一个用于导入和管理数据集(DataSets)的类库。第2步：导入数据集。数据集一般都是.csv格式，csv文件以文本形式存储数据。每一行数据是一条记录。我们使用pandas类库的read_csv方法读取本地的csv文件作为一个dataframe。然
爱码小士·2021-06-11 14:39

Apriori算法详解

1、数据挖掘与机器学习有时候，人们会对机器学习与数据挖掘这两个名词感到困惑。如果你翻开一本冠以机器学习之名的教科书，再同时翻开一本名叫数据挖掘的教材，你会发现二者之间有相当多重合的内容。
文哥的学习日记·2021-05-20 22:29

腾讯云大学大咖分享 | 腾讯云知识图谱实践

毕业于中国科学院大学控制科学与工程系，具有丰富的机器学习与数据挖掘经验。加入腾讯云AI语义产品组后，主要负责知识图谱相关产品的研发与应用。
Noosphere·2020-11-16 01:50

腾讯云大学大咖分享 | 腾讯云知识图谱实践

毕业于中国科学院大学控制科学与工程系，具有丰富的机器学习与数据挖掘经验。加入腾讯云AI语义产品组后，主要负责知识图谱相关产品的研发与应用。
Noosphere·2020-11-16 01:24

一文总览近年来YouTube推荐系统算法梳理

作者：张皓来源：https://zhuanlan.zhihu.com/p/99953120整理：深度传送门作者介绍：南京大学计算机系机器学习与数据挖掘所（LAMDA）硕士，腾讯优图实验室研究员，研究方向为视频理解与推荐
文文学霸·2020-09-17 03:26

周志华：最新实验表明gcForest已经是最好的非深度神经网络方法

北京时间11月5日到11月6日，西瓜书《机器学习》作者、南京大学机器学习与数据挖掘研究所（LAMDA）周志华教授日前在MLA2017上的演讲：深度森林初探——讲述的关于他最新集成学习研究成果-深度森林，
人工智能学家·2020-09-16 22:02

机器学习与数据挖掘

机器学习与数据挖掘周志华南京大学计算机软件新技术国家重点实验室，南京210093“机器学习”是人工智能的核心研究领域之一，其最初的研究动机是为了让计算机系统具有人的学习能力以便实现人工智能，因为众所周知
lanbing510·2020-09-15 14:54

说说高斯过程回归

作者介绍：新浪微博ID@妖僧老冯，9月将赴南京大学（直博生），方向是机器学习与数据挖掘编者：小便和作者打过几次交道，一直以为是他是已“修成正果”的某某博士，便“毕恭毕敬”地去邀请他写篇牛文。
greenapple_shan·2020-09-15 04:47

机器学习与数据挖掘的定义和区别

主要参考书籍：《机器学习实战》李航的《统计学习方法》《机器学习理论与算法》机器学习，简称ML（machinelearning）；数据挖掘，简称DM（DataMining）。如果问数据挖掘与机器学习有何区别，那就是术和道的区别，机器学习侧重理论，数据挖掘偏重应用。而这些，都必须基于统计学习的理论。1、什么是学习？引用希尔伯特对学习的定义：“如果一个系统能够通过执行某个过程改进它的性能，这个过程就是学
tenggenbao2014·2020-09-12 07:49

说说高斯过程回归

说说高斯过程回归作者介绍：新浪微博ID@妖僧老冯，9月将赴南京大学（直博生），方向是机器学习与数据挖掘编者：小便和作者打过几次交道，一直以为是他是已“修成正果”的某某博士，便“毕恭毕敬”地去邀请他写篇牛文
weixin_34008784·2020-09-12 03:37

机器学习入门笔记（一）

机器学习笔记机器学习基本概念一元线性回归梯度下降法机器学习基本概念机器学习与数据挖掘息息相关，可用人脑模拟机器学习的过程。
安徒生的旧时光·2020-09-10 17:21

快讯 | 周志华出任京东人工智能研究院学术委员会委员

周志华主要专注于人工智能、机器学习与数据挖掘领域的研究，著有《EnsembleMethods:Foundation
大数据文摘·2020-08-21 16:14

腾讯云大学大咖分享 | 腾讯云知识图谱实践

毕业于中国科学院大学控制科学与工程系，具有丰富的机器学习与数据挖掘经验。加入腾讯云AI语义产品组后，主要负责知识图谱相关产品的研发与应用。
腾讯云大学·2020-08-20 22:21
上一页 1 2 3 4 5 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他