机器学习和数据挖掘

特征缩放：统一量纲，提高模型性能

特征缩放：统一量纲，提高模型性能1.背景介绍在机器学习和数据挖掘领域，我们经常会遇到不同特征之间量纲差异很大的情况。

AI天才研究院·2025-03-08 03:04

【数据挖掘】ARFF格式与数据收集

知识表达7.聚类机器学习算法训练数据挖掘分析数据共享与交换三级目录1.ARFF格式与数据收集ARFF（Attribute-RelationFileFormat）是一种用于存储数据集的文本文件格式，常用于机器学习和数据挖掘领域

布鲁惠比寿·2025-02-20 23:04

Python：第三方库

pip安装指令NumPy矩阵运算pipinstallnumpyMatplotlib产品级2D图形绘制pipinstallmatplotlibPIL图像处理pipinstallpillowsklearn机器学习和数据挖掘

衍生星球·2025-02-16 20:00

机器学习里的逻辑回归Logistic Regression基本原理与应用

LogisticRegression即逻辑回归，是一种广泛应用于机器学习和数据挖掘领域的有监督学习算法，以下从原理、应用、算法优缺点等方面进行介绍：基本原理线性回归基础：逻辑回归基于线性回归模型，其基本形式为

硅基创想家·2025-02-15 19:54

Python环境下基于深度判别迁移学习网络的轴承故障诊断

目前很多机器学习和数据挖掘算法都是基于训练数据和测试数据位于同一特征空间、拥有相同数据分布的假设。然而在现实应用中，该假设却未必存在。

哥廷根数学学派·2024-02-19 12:36

机器学习系列——（十九）层次聚类

引言在机器学习和数据挖掘领域，聚类算法是一种重要的无监督学习方法，它试图将数据集中的样本分组，使得同一组内的样本相似度高，不同组间的样本相似度低。

飞影铠甲·2024-02-10 07:47

机器学习：朴素贝叶斯笔记

朴素贝叶斯（NaiveBayes）是一种基于贝叶斯定理的简单概率分类算法，广泛应用于机器学习和数据挖掘中。

Ningbo_JiaYT·2024-02-08 07:39

【转】机器学习--- 分类算法详解

原文链接：http://blog.csdn.net/china1000/article/details/48597469感觉狼厂有些把机器学习和数据挖掘神话了，机器学习、数据挖掘的能力其实是有边界的。

奔狼的春晓·2024-02-04 11:42

DoubleEnsemble：基于样本重加权和特征选择的金融数据分析方法

此外，随着各种机器学习和数据挖掘工具在量化交易中的应用越来越广泛，许多交易公司已经提取了越来越多的特征（也称为因子factors）。因此，如何自动选择有效特征成为一个迫在眉睫的问题。

tzc_fly·2024-02-03 16:57

矩阵乘法的分布式计算架构

随着数据规模的不断增加，如大规模的图像处理、机器学习和数据挖掘等应用场景，矩阵乘法的计算量也随之增加，这导致了传统的中心化计算方式无法满足实际需求。因此，研究矩阵乘法的分布式计算架构变得尤为重要。

OpenChat·2024-01-27 10:34

[Python] scikit-learn - accuracy_score(准确率分数)函数介绍和使用场景（案例）

Scikit-learn是一个用于机器学习和数据挖掘的Python库，提供了大量的机器学习算法和工具，使得机器学习任务更加便捷和高效。

老狼IT工作室·2024-01-25 11:31

文本数据与分析方法的介绍与讨论

文本数据可以在计算机系统中进行存储、处理和分析，也可以用于自然语言处理、机器学习和数据挖掘等领域的研究和应用。如何获得文本数据获得文本数据可以有多种途径。

亦旧sea·2024-01-10 05:20

机器学习简单概念和pytorch代码-2

机器学习简单概念和pytorch代码-2学习率的选择和调校特征工程特征工程是数据预处理和分析过程中的一个关键步骤，主要用于机器学习和数据挖掘。

Persistence is gold·2024-01-08 06:11

大数据技术原理与应用期末考试题

A、利用分布式文件系统、数据仓库、关系数据库等实现对结构化、半结构化和非结构化海量数据的存储和管理B、利用分布式并行编程模型和计算框架,结合机器学习和数据挖掘算法,实现对海量数据的处理和分析C、构建隐私数据保护体系和数据安全体系

无敌海苔咪·2024-01-03 08:03

DBSCAN聚类算法原理（含C++代码）

概述DBSCAN（density-basedspatialclustering）是一种基于密度的聚类算法，在机器学习和数据挖掘领域有广泛的应用，其聚类原理通俗点讲是每个簇类的密度高于该簇类周围的密度，噪声点的密度小于任一簇类的密度

RobotsRuning·2024-01-02 17:55

【风控业务分析模型】

通常使用机器学习和数据挖掘技术，

Oo_Amy_oO·2023-12-24 00:57

使用粒子群算法和引力搜索算法优化前向反馈神经网络进行数据分类

使用粒子群算法和引力搜索算法优化前向反馈神经网络进行数据分类在机器学习和数据挖掘领域，神经网络是一种常用的模型，可用于数据分类任务。为了提高神经网络的性能，可以使用优化算法对其进行训练和优化。

天使问过的键盘·2023-12-23 14:43

人工智能增强的全流程测试在需求理解分析阶段和单元测试阶段的提效手段

(2)使用机器学习和数据挖掘技术，对需求文档进行自动分类、聚类、过滤等处理，提高需求分析的效率和准确性。(3)引入知识图谱，将需求信息进行链接和整合，辅助需求分析人员更好地理解需求与相关信息

超级大超越·2023-12-16 11:08

【特征选择】基于二进制粒子群算法的特征选择方法（PNN概率神经网络分类）【Matlab代码#33】

它是机器学习和数据挖掘中的重要步骤，可以提高模型的性能和解释能力，并降低计算

天`南·2023-11-13 02:40

正负样本不均衡的解决办法

转载自：http://blog.csdn.net/lujiandong1/article/details/52658675这几年来，机器学习和数据挖掘非常火热，它们逐渐为世界带来实际价值。

weixin_33834910·2023-11-11 22:46

机器学习常见问题及解决方案——正负样本不均衡

转载自：http://blog.csdn.net/lujiandong1/article/details/52658675这几年来，机器学习和数据挖掘非常火热，它们逐渐为世界带来实际价值。

荒野13·2023-11-11 22:12

机器学习/数据挖掘之中国大牛

xuyanan3·2023-11-05 00:45

写作——如何写摘要

切忌不可以写“在机器学习和数据挖掘中”这种毫无营养凑字数的句子。第二句：研究主题的现状。现状：当前用什么方法去解决了什么问题。第三句：用However,指出“现状”中还存在的问题或者尚未考虑的问题。

RebeccaCute·2023-10-30 17:10

基于MATLAB的人脸识别系统（包含传统/深度学习方法）

基于MATLABGUI的人脸识别系统（包含传统/深度学习方法）人脸检测与识别作为计算机视觉研究的核心内容之一，是一个不断发展的领域，并且还是模式识别、机器学习和数据挖掘等相关学科交叉研究的热点，已经发展成为计算智能的重要研究课题

KAU的云实验台·2023-10-28 00:01

Python 网页爬虫 & 文本处理 & 科学计算 & 机器学习 & 数据挖掘兵器谱

这些年来，接触和使用了很多Python工具包，特别是在文本处理，科学计算，机器学习和数据挖掘领域，有很多很多优秀的Py

thomashtq·2023-10-09 12:53

《机器学习与数据挖掘》学习笔记（一）

最近开始对数据挖掘很感兴趣，在网易公开课上开始学加州理工的《机器学习和数据挖掘》，还可以顺便练练英语听力。第一课《学习问题》只要从问题引入，介绍什么是机器学习，以及常见的学习分类。

产品扫地僧·2023-10-08 06:43

[Python]第三方库

一些第三方库NumPy:N维数据表示和运算pipinstallnumpyMatplotlib：二维数据可视化PIL：图像处理Scikit-Learn:机器学习和数据挖掘Requests:HTTP协议访问及网络爬虫

居家龙龙·2023-09-08 02:30

【人工智能】—_维度灾难、降维、主成分分析PCA、获取旧数据、非线性主成分分析

主成分分析的最优性性质主要的理论结果PCA图像压缩使用核的非线性主成分分析评价高维数据与维度灾难大多数机器学习和数据挖掘技术对于高维数据可

Runjavago·2023-09-04 13:54

深度神经网络+聚类的概述

【导读】本篇介绍了深度神经网络表示学习+聚类的方法（深度聚类）综述，有帮助的话，文末点个赞吧~聚类分析在机器学习和数据挖掘中非常重要。

风度78·2023-09-02 07:46

机器学习和数据挖掘04-PowerTransformer与 MinMaxScaler

概念PowerTransformer（幂变换器）PowerTransformer是用于对数据进行幂变换（也称为Box-Cox变换）的预处理工具。幂变换可以使数据更接近正态分布，这有助于某些机器学习算法的性能提升。它支持两种常用的幂变换：Yeo-Johnson变换和Box-Cox变换。代码实现fromsklearn.preprocessingimportPowerTransformerimportn

丰。。·2023-08-31 20:02

机器学习和数据挖掘02-Gaussian Naive Bayes

概念贝叶斯定理：贝叶斯定理是概率中的基本定理，描述了如何根据更多证据或信息更新假设的概率。在分类的上下文中，它用于计算给定特征集的类别的后验概率。特征独立性假设：高斯朴素贝叶斯中的“朴素”假设是，给定类别标签，特征之间是相互独立的。这个简化假设在现实场景中通常并不完全准确，但它简化了计算过程，在实践中仍然可以表现良好。高斯分布：高斯朴素贝叶斯假设每个类别中的连续特征遵循高斯（正态）分布。这意味着在

丰。。·2023-08-31 20:01

机器学习和数据挖掘01- lasso regularization

概念Lasso正则化是一种线性回归中的正则化技术，旨在减少模型的复杂性并防止过拟合。Lasso（LeastAbsoluteShrinkageandSelectionOperator）通过在损失函数中添加正则项，促使模型的系数变得稀疏，即某些系数会被压缩到零，从而实现特征选择。在Lasso正则化中，我们引入了一个惩罚项，它是模型中所有系数的绝对值之和乘以一个参数α。这个参数α控制了惩罚的强度，从而影

丰。。·2023-08-31 20:31

机器学习和数据挖掘03-模型性能评估指标

Accuracy（准确率）概念：模型正确预测的样本数量与总样本数量的比例。公式：Accuracy=(TP+TN)/(TP+TN+FP+FN)TP(TruePositives)：正确预测为正例的样本数。即模型正确地将正例判定为正例。TN(TrueNegatives)：正确预测为负例的样本数。即模型正确地将负例判定为负例。FP(FalsePositives)：错误预测为正例的样本数。即模型错误地将负例

丰。。·2023-08-31 20:28

探索人工智能 | 智能推荐系统未来没有人比计算机更懂你

阿Q说代码·2023-08-17 04:19

特征选择 | 递归特征消除算法筛选最优特征

特征选择|递归特征消除算法筛选最优特征目录特征选择|递归特征消除算法筛选最优特征写在前面常规方法算法原理结果分析参考资料写在前面在实际应用中，特征选择作为机器学习和数据挖掘领域的重要环节，对于提高模型性能和减少计算开销具有关键影响

机器学习之心·2023-08-15 18:33

机器学习-特征选择：如何使用递归特征消除算法自动筛选出最优特征？

一、引言在实际应用中，特征选择作为机器学习和数据挖掘领域的重要环节，对于提高模型性能和减少计算开销具有关键影响。

笑不语·2023-08-15 05:29

ChatGPT在智能社交网络分析和关系挖掘中的应用如何？

智能社交网络分析和关系挖掘是当今信息时代中的重要研究领域，它们通过运用人工智能、机器学习和数据挖掘技术，从社交网络中提取有价值的信息，洞察用户之间的关系和行为模式。

心似浮云️·2023-08-10 13:39

对鸢尾花数据集使用随机森林分类模型，输出评价指标

一、鸢尾花数据集鸢尾花数据集是机器学习和数据挖掘中常用的数据集之一，该数据集共包含150个样本，其中每个样本代表了一朵鸢尾花，分别属于三个不同的品种：Setosa、Versicolor和Virginica

Tang–t·2023-08-07 17:34

粗糙集分类

粗糙集理论现在主要应用在①临床医疗诊断；②电力系统和其他工业过程故障诊断；③预测与控制；④模式识别与分类；⑤机器学习和数据挖掘；⑥图像处理

·银月··2023-08-01 19:14

大数据架构详解：从数据获取到深度学习（内含福利）

机器学习和数据挖掘的联系与区别数据挖掘是从海量数据中获取有效的、新颖的、

yoku酱·2023-07-31 16:32

Python中的数据科学实验库有哪些？

scikit-learn：用于机器学习和数据挖掘的库，提供了多种

玥沐春风·2023-07-29 10:40

【人工智能】维度灾难、降维、主成分分析PCA、获取旧数据、非线性主成分分析

主成分分析的最优性性质主要的理论结果PCA图像压缩使用核的非线性主成分分析评价高维数据与维度灾难大多数机器学习和数据挖掘技术对于高维数据可

编程G的快乐·2023-07-24 16:22

走咯走·2023-07-21 00:24

【独热编码介绍】

独热编码介绍简介在机器学习和数据挖掘领域，独热编码（One-HotEncoding）是一种常用的数据预处理技术。

武帝为此·2023-07-20 21:05

简要介绍 | 图像聚类：概念、原理与方法

这种技术在计算机视觉、机器学习和数据挖掘等领域具有广泛的应用，例如图像搜索、图像分割、图像压缩、

R.X. NLOS·2023-06-22 18:32

数据样本不平衡处理

不平衡处理方法介绍处理数据样本不平衡问题是在机器学习和数据挖掘任务中常见的挑战之一。

阿松丶·2023-06-21 13:22

【数据分类】GRNN数据分类广义回归神经网络数据分类【Matlab代码#30】

它是机器学习和数据挖掘领域中常见的任务之一。数据分类问题的

唱跳rap篮球的代表·2023-06-09 19:53

【特征选择】基于二进制粒子群算法的特征选择方法（GRNN广义回归神经网络分类）【Matlab代码#32】

它是机器学习和数据挖掘中的重要步骤，可以提高模型的性能和解释能力，并降低计

唱跳rap篮球的代表·2023-06-07 15:47

R语言决策树

它主要用于使用R的机器学习和数据挖掘应用程序。决策树的使用的例子是-预测电子邮件是垃圾邮件或非垃圾邮件，预测肿瘤癌变，或者基于这些因素预测贷款的信用风险。

yuanyb·2023-04-09 16:21

机器学习笔记（1）--林轩田机器学习基石课程

MachineLearningandotherField机器学习和数据挖掘：机器学习是通过数据训练，借助设计的机器学习演算法，从众多的假说中，找到一个最接近最优映射关系f的过程。

数学系的计算机学生·2023-03-26 17:37

推荐频道