机器学习优化方法第14页

【机器学习笔记】 15 机器学习项目流程

机器学习的一般步骤数据清洗数据清洗是指发现并纠正数据文件中可识别的错误的最后一道程序，包括检查数据一致性，处理无效值和缺失值等。与问卷审核不同，录入后的数据清理一般是由计算机而不是人工完成。

RIKI_1·2024-02-20 08:43

【大厂AI课学习笔记】【2.2机器学习开发任务实例】（6）特征分析

今天来学习特征分析。通过图分析每个特征与结果的对应关系。例如上方，使用散点图，将各个特征和价格的关系，绘制出来，观察是否具有较大的相关性。散点图可以帮助找出现有特征中，与价格的关联度（正数正相关，负数负相关，绝对值大小体现相关性）。如上图可以看出，例如：房间数越多，价格越高；税率越高，价格越低；从上图中，我们可以去掉不相关的特征，收敛的更快。我们看到，房间数特征，和价格的关联度最大，我们可以对房间

giszz·2024-02-20 08:40

【大厂AI课学习笔记】【2.2机器学习开发任务实例】（5）数据理解

延伸学习：数据理解：深入探索与分析在人工智能和机器学习的项目中，数据理解是至关重要的一步。它涉及到对数据集的深入探索和分析，以揭示数据的内在特性、模式、异常值以及潜在的问题。通过数据理解，我

giszz·2024-02-20 08:10

机器学习中梯度下降法的缺点

机器学习中的梯度下降法是一种寻找函数最小值的优化算法，广泛应用于训练各种模型，尤其是在深度学习中。

华农DrLai·2024-02-20 08:08

AI手机是什么原理

这些原理主要包括：机器学习和深度学习：AI手机利用机器学习算法，尤其是深度学习模型，来分析和理解用户数据（如照片、视频、文本和语音）。

小黄人软件·2024-02-20 08:04

【IEEE出版、EI稳定检索】2024年机器学习与神经网络国际学术会议(MLNN 2024)

2024年机器学习与神经网络国际学术会议(MLNN2024)2024InternationalConferenceonMachinelearningandNeuralNetworks2024年4月19-

AEIC学术交流中心—李老师·2024-02-20 08:03

常用机器学习算法优缺点分析

机器学习无疑是当前数据分析领域的一个热点内容，其理论和方法已经广泛应用于解决工程应用的复杂问题，很多人在平时的工作中都或多或少会用到机器学习的算法。在机器学习领域，没有算法能完美地解决所有问题。

一个数据人的自留地·2024-02-20 08:42

2022-01-03

CellReports|高通量可视化DNA修复细节原创图灵基因图灵基因2022-01-0318:15收录于话题#前沿分子生物学技术来自国家癌症研究中心（CNIO）和马萨诸塞州总医院的研究人员开发了包括机器学习和高通量显微镜在内的新方法

图灵基因·2024-02-20 08:08

【保姆级教程|YOLOv8改进】【7】多尺度空洞注意力（MSDA），DilateFormer实现暴力涨点

阿_旭·2024-02-20 06:04

【保姆级教程|YOLOv8改进】【6】快速涨点，SPD-Conv助力低分辨率与小目标检测

阿_旭·2024-02-20 06:34

基于YOLOv8与ByteTrack的车辆行人多目标检测与追踪系统【python源码+Pyqt5界面+数据集+训练代码】深度学习实战、目标追踪、运动物体追踪

阿_旭·2024-02-20 06:33

【保姆级教程|YOLOv8改进】【5】精度与速度双提升，使用FasterNet替换主干网络

阿_旭·2024-02-20 06:33

基于YOLOv8深度学习的100种中草药智能识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战

阿_旭·2024-02-20 06:32

深度学习与机器学习的关系：比较、展望与交叉点

深度学习和机器学习，作为人工智能领域的两个重要分支，常常被人们相提并论。虽然它们在很多方面都有共同之处，但也有各自的特点和优势。

小厂程序猿·2024-02-20 06:02

深度学习从入门到不想放弃-1

从今天开始陆续连载一些深度学习的基础，包括概念，数学原理，代码，最近也确实没什么热点可以蹭先看机器学习和深度学习的对比："数据和特征决定了机器学习的上限，而模型与算法则是逼近这个上限而已"，机器学习和深度学习的本质区别之一是特征工程

周博洋K·2024-02-20 06:59

基于YOLOv8深度学习的智能车牌检测与识别系统【python源码+Pyqt5界面+数据集+训练代码】目标检测、深度学习实战

阿_旭·2024-02-20 06:51

机器学习入门--LSTM原理与实践

LSTM模型长短期记忆网络（LongShort-TermMemory，LSTM）是一种常用的循环神经网络（RNN）变体，特别擅长处理长序列数据和捕捉长期依赖关系。本文将介绍LSTM模型的数学原理、代码实现和实验结果，并使用pytorch和sklearn的数据集进行验证。数学原理遗忘门（ForgetGate）遗忘门的作用是决定前一时间步的细胞状态中哪些信息需要被遗忘。具体计算公式为：ft=σ(Wf⋅

Dr.Cup·2024-02-20 05:14

机器学习入门--双向长短期记忆神经网络（BiLSTM）原理与实践

双向长短记忆网络（BiLSTM）BiLSTM（双向长短时记忆网络）是一种特殊的循环神经网络（RNN），它能够处理序列数据并保持长期记忆。与传统的RNN模型不同的是，BiLSTM同时考虑了过去和未来的信息，使得模型能够更好地捕捉序列数据中的上下文关系。在本文中，我们将详细介绍BiLSTM的数学原理、代码实现以及应用场景。数学原理LSTM（长短期记忆网络）是一种递归神经网络（RNN），通过引入门控机制

Dr.Cup·2024-02-20 05:14

机器学习入门--循环神经网络原理与实践

循环神经网络循环神经网络（RNN）是一种在序列数据上表现出色的人工神经网络。相比于传统前馈神经网络，RNN更加适合处理时间序列数据，如音频信号、自然语言和股票价格等。本文将介绍RNN的基本数学原理、使用PyTorch和Scikit-Learn数据集实现的代码。数学原理RNN是一种带有循环结构的神经网络，其在处理序列数据时将前一次的输出作为当前输入的一部分。这使得RNN能够记住先前的状态和信息，并且

Dr.Cup·2024-02-20 05:44

机器学习入门--门控循环单元(GRU)原理与实践

GRU模型随着深度学习领域的快速发展，循环神经网络（RNN）已成为自然语言处理（NLP）等领域中常用的模型之一。但是，在RNN中，如果时间步数较大，会导致梯度消失或爆炸的问题，这影响了模型的训练效果。为了解决这个问题，研究人员提出了新的模型，其中GRU是其中的一种。本文将介绍GRU的数学原理、代码实现，并通过pytorch和sklearn的数据集进行试验，最后对该模型进行总结。数学原理GRU是一种

Dr.Cup·2024-02-20 05:43

机器学习第30天

简单的最大似然法根本无法求出所有的参数，这样PM也就没法计算。**这里就要召唤出之前的EM大法，首先对高斯分布的参数及混合系数进行随机初始化，计算出各个PM（即γji，第i个样本属于j类），再最大化似然函数（即LL（D）分别对α、u和∑求偏导），对参数进行迭代更新**。高斯混合聚类的算法流程如下图所示：密度聚类则是基于密度的聚类，它从样本分布的角度来考察样本之间的可连接性，并基于可连接性（密度可达

熊猫学猿·2024-02-20 05:49

Java和人工智能哪个好？

而在人工智能领域，像机器学习工程师、深度学习工程师、自然语言处理工程师、数据科学家等方向的

华清远见成都中心·2024-02-20 04:50

深度学习疆界：探索基本原理与算法，揭秘应用力量，展望未来发展与智能交互的新纪元

目录什么是深度学习深度学习的基本原理和算法深度学习的应用实例深度学习的挑战和未来发展方向挑战未来发展方向深度学习与机器学习的关系深度学习与人类的智能交互什么是深度学习深度学习是一种基于神经网络的机器学习方法

Srlua·2024-02-20 04:54

机器学习实战2--蒙特卡洛方法与Q-Q图(2022/10/12)

蒙特卡洛方法与Q-Q图文章目录蒙特卡洛方法与Q-Q图蒙特卡洛方法蒙特卡洛的定义和基本步骤一些常用的概率论相关函数使用蒙特卡洛验证大数定理Q-Q图Q-Q图的定义及用途importnumpyasnpfromnumpy.linalgimportinv,eigimportmatplotlib.pyplotaspltimportpandasaspdfromscipy.statsimportnorm蒙特卡洛方

点灯的棉羊·2024-02-20 03:13

机器学习实战1-基础运用（2022/10/11）

机器学习实战1-基础运用文章目录机器学习实战1-基础运用numpy的简单运用生成矩阵和矩阵的简单操作用pandas库读取、保存csv数据文件read_csv()函数及读入的数据处理to_csv()保存数据

点灯的棉羊·2024-02-20 03:12

机器学习实战Jupyter笔记专栏汇总

机器学习实战Jupter笔记开始博客学校开始的一门机器学习的课程，于是使用jupyter写这门课的作业，顺便将其完善为笔记发表为这个专栏的博客，并将专栏博客链接汇总到这里。

点灯的棉羊·2024-02-20 03:12

BN介绍：卷积神经网络中的BatchNorm

一、BN介绍1.原理在机器学习中让输入的数据之间相关性越少越好，最好输入的每个样本都是均值为0方差为1。

是Dream呀·2024-02-20 03:03

杂记(九) 本文(4000字) | 推荐免费使用GPT-4的四种工具 |

小酒馆燃着灯·2024-02-20 03:01

Python近似最近邻搜索库之annoy使用详解

概要在大数据时代，处理高维数据集的需求越来越迫切，尤其是在机器学习、推荐系统和自然语言处理等领域。高维数据集中的一个常见问题是最近邻搜索，即找到与给定数据点最接近的数据点。

Rocky006·2024-02-20 02:58

【激光SLAM】激光的前端配准算法

文章目录ICP匹配方法（PointtoPoint）PL-ICP匹配方法（PointtoLine）基于优化的匹配方法（Optimization-basedMethod）优化方法的求解地图双线性插值拉格朗日插值法

趴抖·2024-02-20 02:34

Michael Bronstein 最新几何深度学习综述：超越 WL 和原始消息传递的 GNN

在这些场景下，图结构数据的重要性日渐凸显，相关方法取得了一系列初步成功，而一系列工业应用使得图深度学习成为机器学习方向的热门

人工智能与算法学习·2024-02-20 02:26

Michael Brostein 最新几何深度学习综述：超越 WL 和原始消息传递的 GNN

在这些场景下，图结构数据的重要性日渐凸显，相关方法取得了一系列初步成功，而一系列工业应用使得图深度学习成为机器学习

人工智能学家·2024-02-20 02:55

数据挖掘十大经典算法之KNN

一、knn介绍1.K最近邻(k-NearestNeighbor，KNN)分类算法，属于有监督学习中的分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。

我姓许啊·2024-02-20 01:41

深度学习之pytorch实现逻辑斯蒂回归

实现逻辑斯蒂回归解决的问题数学公式logiatic函数损失值代码与线性回归代码的区别数据损失值构造回归的函数结果分析解决的问题logistic适用于分类问题，这里案例(y为0和1，0和1分别代表一类）于解决二分类（0or1）问题的机器学习方法

温柔了岁月.c·2024-02-20 01:58

深度学习之反向传播算法（backward()）

文章目录概念算法的思路概念反向传播（英语：Backpropagation，缩写为BP）是“误差反向传播”的简称，是一种与最优化方法（如梯度下降法）结合使用的，用来训练人工神经网络的常见方法。

Tomorrowave·2024-02-20 01:27

深度学习中的鲁棒性和泛化性有什么区别

鲁棒性（Robustness）和泛化性（Generalization）是评估模型性能时常用的两个术语，尤其在机器学习和统计建模领域。虽然这两个概念相关，但它们关注的方面有所不同。

智能建造小硕·2024-02-20 01:24

如何学习和规划类似ChatGPT这种人工智能（AI）相关技术

掌握机器学习和深度学习：了解机器学习和深度学习的基本概念，例如神经网络、卷积神经网络（CNN）和递归神经网络（RNN）。学习

ABEL in China·2024-02-20 00:43

人工智能在现代科技中的应用和未来发展趋势

概述人工智能（ArtificialIntelligence,AI）是一种模拟人类智能的技术，通过机器学习、机器视觉、自然语言处理等技术实现智能行为。它在现代科技中的应用非常广泛，涵盖了许多领域。

御翮·2024-02-19 23:35

深度学习发展的艺术

在数十年的研究和发展过程中，他们不断探索并尝试各种网络结构、优化方法、激活函数等关键组件。一方面，研究人员运用严谨的数学理论来构建和分析深度学习模型，如线性代数、概

科学禅道·2024-02-19 23:05

机器学习

在过去50年，机器学习的研究已经从几个计算机工程师探索计算机是否能学会玩游戏的影响下不断成长，统计领域（在很大程度上忽视计算的考虑）到广泛的学科（该学科产生了基本的学习过程的统计-计算理论）已经设计了许多学习算法

会敲键盘的猩猩·2024-02-19 23:23

tensorflow学习笔记（二）：机器学习必备API

因为我个人的最终目的还是在深度学习上，所以一些深度学习和机器学习模块是必须要了解的，这其中包括了tf.train、tf.contrib.learn、还有如训练神经网络必备的tf.nn等API。

我愛大泡泡·2024-02-19 23:23

机器学习中的特征工程

目录一、特征工程目标二、特征工程内容（一）异常处理（二）特征标准化/归一化（三）数据分桶（四）缺失值处理（五）特征构造（六）特征筛选（特征选择）（七）降维三、代码示例（一）导入数据（二）删除异常值（三）特征构造（四）特征筛选1.过滤式2.包裹式一、特征工程目标对于特征进行进一步分析，并对于数据进行处理。完成对于特征工程的分析，并对于数据进行一些图表或者文字总结。特征工程的主要目的还是在于将数据转换

qq_44980515·2024-02-19 23:52

协调尺度：特征缩放在机器学习中的重要作用

目录一、介绍二、背景知识三、了解功能缩放四、特征缩放方法五、特征缩放的重要性六、实际意义七、代码八、结论一、介绍特征缩放是机器学习和数据分析预处理阶段的关键步骤，在优化各种算法的性能和效率方面起着至关重要的作用

无水先生·2024-02-19 23:50

机器学习---HMM前向、后向和维特比算法的计算

1.HMMimportnumpyasnp#In[15]:classHiddenMarkov:defforward(self,Q,V,A,B,O,PI):#使用前向算法N=len(Q)#状态序列的大小M=len(O)#观测序列的大小alphas=np.zeros((N,M))#alpha值T=M#有几个时刻，有几个观测序列，就有几个时刻fortinrange(T):#遍历每一时刻，算出alpha值i

三月七꧁ ꧂·2024-02-19 23:23

测试文章笔记-SQL3种优化方法

SQL语句优化：本质：降低执行时间**核心思路：**找到执行计划中开销较高的操作，改写SQL语句或改变表访问方式调整执行计划。举例：1.使用索引替代全表扫描（索引：是帮助MysQL高效获取数据的数据结构(有序)。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。）总结：让包含null值

麻辣菟头·2024-02-19 23:23

【机器学习笔记】5 机器学习实践

数据集划分子集划分训练集（TrainingSet）：帮助我们训练模型，简单的说就是通过训练集的数据让我们确定拟合曲线的参数。验证集（ValidationSet）：也叫做开发集（DevSet），用来做模型选择（modelselection），即做模型的最终优化及确定的，用来辅助我们的模型的构建，即训练超参数，可选；测试集（TestSet）：为了测试已经训练好的模型的精确度。三者划分：训练集、验证集、

RIKI_1·2024-02-19 23:52

机器学习和统计学的区别？

1、本质区别：目标：机器学习的核心目标是建立一个可以自动学习和改进的模型，以预测未知数据。它更关注结果的准确性和模型的泛化能力，通常不关心模型是否可以解释。

小桥流水---人工智能·2024-02-19 23:21

GAN生成对抗性网络

一、GAN原理出发点：机器学习中生成模型的问题无监督学习是机器学习和未来人工智能的突破点，生成模型是无监督学习的关键部分特点：不需要MCMC或者变分贝叶斯等复杂的手段，只需要在G和D中对应的多层感知机中运行反向传播或者梯度下降算法模型通常使用神经网络

Dirschs·2024-02-19 23:19

【解决（几乎）任何机器学习问题】：超参数优化篇（超详细）

假设您的机器学习项⽬有⼀个简单的流程。有⼀个数据集，你直接应⽤⼀个模型，然后得到结果。模型在这⾥的参数被称为超参数，即控制模型训练/拟合过程的参数。

X.AI666·2024-02-19 23:48

机器学习网格搜索超参数优化实战(随机森林) ##4

文章目录基于Kaggle电信用户流失案例数据（可在官网进行下载）数据预处理模块时序特征衍生第一轮网格搜索第二轮搜索第三轮搜索第四轮搜索第五轮搜索基于Kaggle电信用户流失案例数据（可在官网进行下载）导入库#基础数据科学运算库importnumpyasnpimportpandasaspd#可视化库importseabornassnsimportmatplotlib.pyplotasplt#时间模块

恒c·2024-02-19 23:47

推荐频道

机器学习优化方法