机器学习入门笔记第25页

手把手教程｜如何使用 Azure 机器学习 Prompt Flow 优化提示词工程

企业申请AzureOpenAI绿色通道→记得评论私信~大模型（LargeLanguageModel,LLM）尤其是OpenAI推出的ChatGPT模型打破了人类语言和机器语言之间的障碍，人们通过自然语言（Prompt）就可以操作模型，而模型可以准确的捕获用户的复杂语义和目的，最后以人类可以理解的方式输出结果。为了能更好的使用大模型，如何写提示词（Prompt）也就是提示词工程成为一门新的学科，这个

全云在线allcloudonline·2024-02-07 10:25

[译] iOS 11：机器学习人人有份

MatthijsHollemans译文出自：掘金翻译计划译者：ChangkunOu校对者：wilsonandusaatuoooWWDC2017使一件事情变得非常清楚，那就是：Apple正在全力以赴地支持「设备上的机器学习

小饕·2024-02-07 10:53

机器学习要警惕的4个常见陷阱！

点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达编辑：中国统计网在一场科技会议上，演讲者询问观众，“有谁为自己的业务开发过机器学习或者人工智能模型？”

小白学视觉·2024-02-07 10:21

政安晨：政安晨：机器学习快速入门（三）{pandas与scikit-learn} {模型验证及欠拟合与过拟合}

这一篇中，咱们使用Pandas与Scikit-liarn工具进行一下模型验证，之后再顺势了解一些过拟合与欠拟合，这是您逐渐深入机器学习的开始！模型验证评估您的模型性能，以便测试和比较其他选择。

政安晨·2024-02-07 09:18

政安晨：机器学习快速入门（一）{基于Python与Pandas}

对于刚接触ML（机器学习）的小伙伴来说，通过几篇文章能够快速登堂入室是非常及时且有用的，作者政安晨力求让小伙伴们，几篇文章内就可以达到这个目标，咱们开始！

政安晨·2024-02-07 09:47

政安晨：机器学习快速入门（二）{基于Python与Pandas} {建立您的第一个机器学习模型}

现在咱们要一起创建您的第一个机器学习模型啦！选择建模数据你的数据集包含太多变量，让你无法理解，甚至无法很好地打印出来。你如何将这大量的数据减少到你能理解的程度？我们将从直觉上选择几个变量。

政安晨·2024-02-07 09:47

政安晨：机器学习快速入门（四）{pandas与scikit-learn} {随机森林}

咱们将在这篇文章中使用更复杂的机器学习算法。随机森林基本定义随机森林(RandomForest)是一种机器学习算法，属于集成学习(ensemblelearning)的一种。

政安晨·2024-02-07 09:42

Scikit-learn－04.决策树算法

这节我们来说机器学习中常用的一个功能－决策树。决策树是分类器中的一种，属于有监督学习方法。简单来说，分类器就是根据样本的特征或属性，划分到已有的类别中。也就是说，这些类别是已知的

sun zi chao·2024-02-07 09:02

解释性AI（XAI）技术和方法

局部解释工具的使用：LIME的应用：对于复杂的机器学习分类器预

李建军·2024-02-07 09:00

极大似然概率

MachineLearninginMarketingEM算法极大似然函数极大似然估计是机器学习中比较重要的概念，一些专业教程往往容易忽略对其解释。

zidea·2024-02-07 08:28

Sklearn库知识学习-学习笔记

机器学习"课程内容导学2.Sklearn库的安装3.Sklearn库标准数据集及基本功能Python机器学习应用-北京理工大学-礼欣、嵩天1."

努力奋斗的durian·2024-02-07 08:22

机器学习笔记

1、机器学习为什么要打乱数据机器学习中的训练是用已知的输入数据来修改模型中的参数，以将其泛化到新的数据上。假设输入数据大致可以分为两类。

想努力的人·2024-02-07 08:06

什么？00后都在学python了？

目前，Python已经逐步在网络爬虫、数据分析、AI、机器学习、Web开发、金融、运维、测试等多个领域扎根壮大。

全栈媛·2024-02-07 07:16

Python自动化机器学习库之evalml使用详解

概要数据科学是当今科技领域中不可或缺的一部分，而机器学习是数据科学的核心。然而，构建和部署机器学习模型常常需要大量的时间和精力，涉及到数据预处理、特征工程、模型选择、超参数调优等一系列复杂任务。

Rocky006·2024-02-07 07:42

机器学习——流形学习

流形学习是一种在机器学习领域中用于理解和分析数据的技术。它的核心思想是，尽管我们通常将数据表示为高维空间中的向量，但实际上数据可能具有较低维度的内在结构，这种结构被称为流形。

ALGORITHM LOL·2024-02-07 07:00

机器学习之DeepSequence软件使用学习2-helper模块学习

在学习1中粗略地运行了一下软件的例子文件，但其中的很多东西都未能理解。该文中主要是对helper模块中代码的初步注释及学习以求能够熟练使用该软件。from__future__importprint_function#from__future__importprint_function只在Python2中有意义。在Python3中，print已经是一个函数，所以这个导入语句没有任何效果。如果你尝试在

爱刷短视频的大朋友·2024-02-07 06:02

【机器学习300问】22、什么是超参数优化？常见超参数优化方法有哪些？

如果想在开始阅读本文之前了解这两个超参数的有关内容可以参考我之前的文章，文章链接为你放在了这里：【机器学习300问】10、学习率设置过大或过小对训练有何影响？

小oo呆·2024-02-07 06:00

【机器学习300问】23、什么是主动学习？

一、带标签的数据很难获得机器学习中，比如监督学习需要带有标签的训练样本才能得到模型，然而在以下几种场景中去获取带有标签的数据是很难的：自动驾驶场景：对自动驾驶汽车收集的高清地图数据或实时摄像头数据进行标注

小oo呆·2024-02-07 06:00

【机器学习】Ubuntu系统下显卡驱动卸载及重装

目录背景驱动卸载驱动安装CUDA驱动安装安装nvidia-smi背景这里包含显卡驱动和CUDA驱动，在如下场景下，我们需要卸载显卡驱动并重新安装。在某些情况下需要对显卡驱动进行升级某些情况下（如重启，或者调整系统配置等），系统出问题导致显卡驱动掉了，需要重新安装在上述过程中，经常会出现一些问题导致显卡驱动安装失败，本文参考官方给定的一些方式安装。驱动卸载使用apt卸载相应驱动（不用care是否存在

EulerBlind·2024-02-07 06:30

机器学习系列——（十四）正则化回归

引言在机器学习领域，正则化回归是一种常用的技术，旨在解决过拟合问题，提高模型的泛化能力。本文将简单探讨正则化回归的概念、类型和应用，帮助读者更好地理解和运用这一重要技术。

飞影铠甲·2024-02-07 06:28

OpenCV与机器学习：使用opencv和sklearn实现线性回归

前言线性回归是一种统计分析方法，用于确定两种或两种以上变量之间相互依赖的定量关系。在统计学中，线性回归利用线性回归方程（最小二乘函数）对一个或多个自变量（特征值）和因变量（目标值）之间的关系进行建模。线性回归主要分为一元线性回归和多元线性回归。一元线性回归涉及两个变量，其关系可以用一条直线近似表示。而多元线性回归则涉及两个或两个以上的自变量，因变量和自变量之间是线性关系。线性回归的目标是找到一个数

艾醒(AiXing-w)·2024-02-07 06:52

Spark scala如何本地运行

SparkScala本地运行Spark任务调试太费时间啦ApacheSpark是一个开源的大数据处理框架，它提供了一个接口用于编程大规模分布式计算，且提供了很多高级工具，包括支持SQL查询、流数据处理、机器学习和图计算等

HanhahnaH·2024-02-07 06:03

JCIM | pointsite(点云)在蛋白结合位点预测方面的应用

利用机器学习架构，特别是基于次流

药研猿·2024-02-07 05:06

【Andrew Ng机器学习】单变量线性回归-模型描述

课程：吴恩达机器学习一个监督学习的例子——房价预测使用的是一组俄勒冈州波特兰市的城市住房价格的数据。根据不同的尺寸的房间对应的不同售价，组成的数据集来画图。

jenye_·2024-02-07 05:21

企业该如何以及何时聘用数据科学家

现在，企业依靠数据运行，每天都有自动化流程、机器学习模型和成百上千的员工在使用数据。目前，随着人工智能的突飞猛进，数据领域呈现爆炸式增长。

c++服务器开发·2024-02-07 05:42

ui转py

pyqt系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录

CN-JackZhang·2024-02-07 05:05

随机森林算法

Bagging框架Bagging框架，即BootstrapAggregating，是一个用于提高机器学习算法稳定性和准确性的方法。

小森( ﹡ˆoˆ﹡ )·2024-02-07 04:27

机器学习聚类算法

聚类算法是一种无监督学习方法，用于将数据集中的样本划分为多个簇，使得同一簇内的样本相似度较高，而不同簇之间的样本相似度较低。在数据分析中，聚类算法可以帮助我们发现数据的内在结构和规律，从而为进一步的数据分析和挖掘提供有价值的信息。聚类算法在现实中的应用：用户画像，广告推荐，搜索引擎的流量推荐，恶意流量识别，新闻聚类，筛选排序；图像分割，降维，识别；离群点检测；在聚类算法中根据样本之间的相似性，将样

小森( ﹡ˆoˆ﹡ )·2024-02-07 04:26

机器学习算法之逻辑回归算法（Logistic Regression）

逻辑回归算法是一种用于分类问题的经典机器学习算法。虽然它的名字中带有“回归”，但实际上逻辑回归用于解决分类问题，特别是二分类问题。

迎风斯黄·2024-02-07 04:37

机器学习 | 探索朴素贝叶斯算法的应用

朴素贝叶斯算法是一种基于贝叶斯定理和特征条件独立假设的分类算法。它被广泛应用于文本分类、垃圾邮件过滤、情感分析等领域，并且在实际应用中表现出色。朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法：1）对于给定的待分类项r，通过学习到的模型计算后验概率分布。2）此项出现的条件下各个目标类别出现的概率，将后验概率最大的类作为α所属的类别。核心思想：是利用特征之间的条件独立性，来对给定的数据进行分

亦世凡华、·2024-02-07 03:45

快速上手医学影像组学和机器学习（训练营：2023.9.19~9.26）

茗创科技专注于脑科学数据处理，涵盖（EEG/ERP,fMRI,结构像,DTI,ASL,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师（微信号MCKJ-zhouyi或17373158786）咨询。★课程简介★随着大数据、人工智能的深入融合发展，一项新的研究方法开始用于临床研究，它就是影像组学。它可以对普通影像图像进行更深层

茗创科技·2024-02-07 02:08

自学Python 1 介绍

Python是一款计算机语言，对大数据分析、人工智能等机器学习、深度学习都提供了大力的支持。它背后有最庞大的“代码库”，也称之它为“胶水语言”。

江南赴艽野·2024-02-07 01:58

一、Python的自述

1.我们为什么要学习pythonpython应用范围广对大数据分析、人工智能中至关重要的机器学习、深度学习都提供了大力支持背后有最庞大的“代码库”习惯称为“胶水语言”2.python能做啥能抢票，数据分析

多斯Niko·2024-02-07 01:54

TensorFlow版本的HelloWord

下面是TensorFlow官网提供的一个入门代码，对于一个机器学习的新手来说，好难呀，所以下面就只能一行一行的来理解了。

何小有·2024-02-06 23:07

K12教育之AI智能应用讨论

AI智能，机器学习这些高端科技近期已被炒得如火如荼，这些技术的应用领域也是很多。那么今天我们就AI机器人在家庭教育方面的现状，未来进行讨论。为什么讨论这个话题？

maki辛·2024-02-06 22:28

Sklearn之StandardScaler（数据预处理）

1.哪些机器学习算法不需要(需要)做归一化?概率模型（树形模型）不需要归一化，因为它们不关心变量的值，而是关心变量的分布和变量之间的条件概率，如决策树、RF、XGboost。

爱睡觉的琪·2024-02-06 22:05

机器学习---半监督学习简单示例（标签传播算法）

1.使用半监督学习方法LabelSpreading在一个生成的二维数据集上进行标签传播importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.semi_supervisedimportlabel_propagationfromsklearn.datasetsimportmake_circles#generateringwithinnerboxn

三月七꧁ ꧂·2024-02-06 21:43

机器学习---概率图模型（隐马尔可夫模型、马尔可夫随机场、条件随机场）

1.隐马尔可夫模型机器学习最重要的任务是根据已观察到的证据（例如训练样本）对感兴趣的未知变量（例如类别标记）进行估计和推测。

三月七꧁ ꧂·2024-02-06 21:39

AR人脸106240点位检测解决方案

美摄科技针对企业需求推出了AR人脸106/240点位检测解决方案，为企业提供高效、精准的人脸识别服务，采用先进的人脸识别算法和机器学习技术，通过高精度、高速度的检测设备，对人脸进行快速、准确地定位和识别

美摄科技·2024-02-06 21:50

L1与L2损失函数和正则化的区别

本文翻译自文章：DifferencesbetweenL1andL2asLossFunctionandRegularization，如有翻译不当之处，欢迎拍砖，谢谢~ 在机器学习实践中，你也许需要在神秘的

山阴少年·2024-02-06 20:34

4种不同类别的机器学习概述

导读：机器学习涉及方方面面的内容，包含许多不同类型的算法，其学习方式也不相同。我们将简要介绍这些学习方式及其对应的情景。

大数据v·2024-02-06 19:44

机器学习-集成学习（模型融合）方法概述

概述模型融合方法广泛应用于机器学习中，其原因在于，将多个学习器进行融合预测，能够取得比单个学习器更好的效果，实现“三个臭皮匠，顶一个诸葛亮”，其原因在于通过模型融合，能够降低预测的偏差和方差。

毛飞龙·2024-02-06 19:13

机器学习概述及流程

概述一、目标1、掌握机器学习基础环境安装2、掌握常用的科学计算库对数据进行展示、分析二、人工智能三要素1、数据2、算法2、算力：CPU适合I/O密集型程序，GPU适合计算密集型和易于并行的程序。

机智的冷露·2024-02-06 19:36

机器学习简要概述

一、基本概念及应用传统机器学习算法首先需要对数据进行特征提取，采用分类器（如决策树、人工神经网络、贝叶斯、集成学习、支持向量机等）进行分类。机器学习：特征提取+分类器分类特征提取难，制约发展。

@Duang~·2024-02-06 19:03

机器学习实战朴素贝叶斯分类器

基于概率论的分类方法：朴素贝叶斯我的微信公众号：s406205391;欢迎大家一起学习，一起进步！！！k-近邻算法和决策树会给出“该数据属于哪一类”的明确回答。不过，分类器有时会产生错误结果，这是可以要求分类器给出一个最优的类别的猜测结果，同事给出这个猜测的概率估计值。朴素贝叶斯就是一个概率分类器。我们称之为“朴素”，是因为整个形式化的过程只做最原始、最简单的假设。朴素贝叶斯的优点：在数据较少的情

shenny_·2024-02-06 17:04

机器学习算法之决策树

原理：基于数据特征进行特征空间的划分，构造树形结构，其中包含两种结点类型，内部结点和叶子结点，内部结点是数据的特征，叶子结点为数据所属的类别。树形结构的实质是if-then规则的集合，不过这个规则集合是互斥且完备的。步骤：特征选择、决策树生成、决策树剪枝（1）特征选择：每次选择的特征要具备一定的分类能力，否则没有意义。通常选择的方式有信息增益或信息增益比。a.信息增益:在知道特征X的情况下，使得类

浅白Coder·2024-02-06 17:24

机器学习算法之EM算法

一、EM算法EM算法最初是为了解决缺失数据情况下参数估计问题；根据已经给出的观察数据，估计出模型参数的值，然后根据得到的模型参数去估计缺失的数据，再由模型的观察数据和估计的确实数据去预测模型参数值，反复迭代，直至最后收敛。1.1预备知识：1.1.1.极大似然估计：根据已观察到的数据去最大化该数据出现概率，得到的参数即为所求。（已观察到的数据理应出现的概率比较大，比较合理）1.1.2.Jensen不

浅白Coder·2024-02-06 17:54

揭秘阿里云Flink智能诊断利器——Fllink Job Advisor

丰富而复杂的上下游系统让它能够支撑实时数仓、实时风控、实时机器学习等多样化的应用场景。

阿里云大数据AI技术·2024-02-06 16:49

机器学习之决策树（二）

今天我们探讨一下有关决策树的剪枝，以及由剪枝引出的一系列问题为什么要剪枝回顾上一节，我们知道决策树的生成是要达到局部最优，那么我们如何理解这个局部最优呢？我想就是将训练集完全分开，然而将训练集完全分开，就会使模型复杂度迅速上升，从而出现过拟合的现象。于是我们就要用到剪枝，剪掉对于分类并不重要的模型特征，从而达到全局最优用于ID3与C4.5的剪枝算法为什么说是用于ID3与C4.5的剪枝算法呢？因为与

Vophan·2024-02-06 16:15

AI生图软件对室内设计而言有什么用？

AI生图软件对室内设计而言具有多方面的用途和优势，AI生图软件可以通过机器学习和深度学习算法进行学习，帮助设计师快速、高效地完成设计任务，提高设计的质量和效果。

jianewang·2024-02-06 15:46

推荐频道

机器学习入门笔记