机器学习基础概念第7页

【机器学习笔记 Ⅱ】9 模型评估

巴伦是只猫·2025-07-08 07:07

【机器学习笔记 Ⅱ】7 多类分类

1.多类分类（Multi-classClassification）定义多类分类是指目标变量（标签）有超过两个类别的分类任务。例如：手写数字识别：10个类别（0~9）。图像分类：区分猫、狗、鸟等。新闻主题分类：政治、经济、体育等。特点互斥性：每个样本仅属于一个类别（区别于多标签分类）。输出要求：模型需输出每个类别的概率分布，且概率之和为1。实现方式One-vs-Rest(OvR)：训练K个二分类器（

巴伦是只猫·2025-07-08 07:06

人工智能学习资源

无机器学习基础：https://www.coursera.org/learn/machine-learning有机器学习基础：MachineYearning深度学习入门：https://www.coursera.org

Hemy08·2025-07-08 06:31

【机器学习笔记 Ⅱ】4 神经网络中的推理

推理（Inference）是神经网络在训练完成后利用学到的参数对新数据进行预测的过程。与训练阶段不同，推理阶段不计算梯度也不更新权重，仅执行前向传播。以下是其实现原理和代码示例的完整解析：1.推理的核心步骤加载训练好的模型参数（权重和偏置）。前向传播：输入数据逐层计算，得到输出。后处理：根据任务类型解析输出（如分类取概率最大值，回归直接输出）。2.代码实现（Python+NumPy）(1)定义模型

·2025-07-08 06:29

开源语音分离工具大比拼：人声 VS 背景音乐 ⚔️ - 获取干净训练语音 (数据截至 2025年4月17日)！！！

开源语音分离工具大比拼：人声VS背景音乐⚔️-获取干净训练语音(数据截至2025年4月17日)在音频处理，特别是机器学习训练数据的准备中，获取纯净的人声（去除背景音乐或噪声）是一个常见的痛点。

小丁学Java·2025-07-08 05:57

React——基础

文章目录React基础一、基础概念二、组件化三、状态四、属性五、项目初始化六、jsx七、创建React组件的两种方式函数式组件（推荐）类组件（不推荐）八、常用的hooks1、useState：用来修改状态值

贵沫末·2025-07-08 04:18

【机器学习笔记 Ⅲ】3 异常检测算法

异常检测算法（AnomalyDetection）详解异常检测是识别数据中显著偏离正常模式的样本（离群点）的技术，广泛应用于欺诈检测、故障诊断、网络安全等领域。以下是系统化的解析：1.异常类型类型描述示例点异常单个样本明显异常信用卡交易中的天价消费上下文异常在特定上下文中异常（如时间序列）夏季气温突降至零下集体异常一组相关样本联合表现为异常网络流量中突然的DDOS攻击流量2.常用算法(1)基于统计的

巴伦是只猫·2025-07-08 04:17

【机器学习笔记 Ⅲ】4 特征选择

特征选择（FeatureSelection）系统指南特征选择是机器学习中优化模型性能的关键步骤，通过筛选最相关、信息量最大的特征，提高模型精度、降低过拟合风险并加速训练。

巴伦是只猫·2025-07-08 04:17

机器学习笔记二-回归

回归是统计学和机器学习中的一种基本方法，用于建模变量之间的关系，特别是用一个或多个自变量（输入变量）来预测一个因变量（输出变量）的值。回归分析广泛应用于预测、趋势分析和关联研究中。

·2025-07-08 04:46

Python: 包

一、Python包基础概念1.1什么是Python包Python包(Package)是一种组织Python模块的方式，它使用目录结构来组织相关的模块。

·2025-07-08 03:11

KafkaAdminClient 技术详解：Python 操作 Kafka 集群的管理接口

一、KafkaAdminClient基础概念KafkaAdminClient是kafka-python客户端提供的集群管理类，用于通过编程方式管理Kafka集群资源。

佑瞻·2025-07-07 20:16

【123揭秘】Elasticsearch内部数据结构大起底：行存、列存与倒排索引，你选对了吗？

超萌技术攻略，轻松晋级编程高手技术宝库已备好，就等你来挖掘订阅墨瑾轩，智趣学习不孤单即刻启航，编程之旅更有趣第一部分：理解基本概念——构建知识的基础首先，我们需要了解一些基础概念，这对于理解Elasticsearch

墨瑾轩·2025-07-07 20:44

向量化编程：SIMD（Single Instruction, Multiple Data）深度解析

本文将从SIMD的基础概念出发，深入探讨其硬件实现、编程模型、性能优化及典型应用场景，帮助开发者充分利用SIMD技术提升代码性能。一、SIMD基础概念1.1什么是SIMD？SIMD是

·2025-07-07 19:36

C++17 并行算法：std::execution::par

本文将深入探讨C++17并行算法中最核心的执行策略std::execution::par，从基础概念到高级应用，全面解析其原理、用法及最佳实践。一、C++17并行算法概述1.1并

·2025-07-07 19:36

【心灵鸡汤】深度学习技能形成树：从零基础到AI专家的成长路径全解析

引言：技能树的生长哲学在这个人工智能浪潮汹涌的时代，深度学习犹如一棵参天大树，其根系深深扎入数学与计算科学的沃土，主干挺拔地承载着机器学习的核心理念，而枝叶则繁茂地延伸至计算机视觉、自然语言处理、强化学习等各个应用领域

智算菩萨·2025-07-07 19:06

【计算机毕业设计】基于Springboot的办公用品管理系统+LW

技术领域和学生毕业项目实战,高校老师/讲师/同行前辈交流✌技术范围：SpringBoot、Vue、SSM、HLMT、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、小程序、安卓app、大数据、物联网、机器学习等设计与开发

枫叶学长(专业接毕设)·2025-07-07 16:19

【TVM 教程】如何处理 TVM 报错

ApacheTVM是一个深度的深度学习编译框架，适用于CPU、GPU和各种机器学习加速芯片。

·2025-07-07 15:15

【PaddleOCR】OCR文本检测与文本识别数据集整理，持续更新......

博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。

·2025-07-07 15:43

ImportError: /nvidia/cusparse/lib/libcusparse.so.12: undefined symbol: __nvJitLinkComplete_12_4

爱编程的喵喵·2025-07-07 13:33

【机器学习笔记 Ⅱ】11 决策树模型

决策树模型（DecisionTree）详解决策树是一种树形结构的监督学习模型，通过一系列规则对数据进行分类或回归。其核心思想是模仿人类决策过程，通过不断提问（基于特征划分）逐步逼近答案。1.核心概念节点类型：根节点：起始问题（最佳特征划分点）。内部节点：中间决策步骤（特征判断）。叶节点：最终预测结果（类别或数值）。分支：对应特征的取值或条件判断（如“年龄≥30？”）。2.构建决策树的关键步骤(1)

巴伦是只猫·2025-07-07 12:24

【机器学习笔记 Ⅱ】10 完整周期

机器学习的完整生命周期（End-to-EndPipeline）机器学习的完整周期涵盖从问题定义到模型部署的全过程，以下是系统化的步骤分解和关键要点：1.问题定义（ProblemDefinition）目标

·2025-07-07 12:24

【机器学习笔记Ⅰ】13 正则化代价函数

正则化代价函数（RegularizedCostFunction）详解正则化代价函数是机器学习中用于防止模型过拟合的核心技术，通过在原始代价函数中添加惩罚项，约束模型参数的大小，从而提高泛化能力。

·2025-07-07 12:23

【机器学习笔记Ⅰ】6 多类特征

这类特征是机器学习中常见的数据类型，尤其在分类和回归问题中需要特殊处理。1.核心概念(1)什么是多类特征？定义：特征是离散的、有限的类别，且类别之间无大小或顺序关系。示例：颜色：红、绿、蓝（无顺序）。

巴伦是只猫·2025-07-07 12:53

图像分割技术详解：从原理到实践

文章还探讨了图像分割在不同领域的应用，以及如何在机器学习项目中作为数据预处理步骤。1.图像分割基本概念在图像处理领域

lanjieying·2025-07-07 12:53

机器学习笔记——支持向量机

支持向量机参数模型对分布需要假设（这也是与非参数模型的区别之一）间隔最大化，形式转化为凸二次规划问题最大化间隔间隔最大化是意思：对训练集有着充分大的确信度来分类训练数据，最难以分的点也有足够大的信度将其分开间隔最大化的分离超平面的的求解怎么求呢？最终的方法如下1.线性可分的支持向量机的优化目标其实就是找得到分离的的超平面求得参数w和b的值就可以了注意，最大间隔分离超平面是唯一的，间隔叫硬间隔1.1

star_and_sun·2025-07-07 12:23

【机器学习&深度学习】多分类评估策略

目录前言一、多分类3大策略✅宏平均（MacroAverage）✅加权平均（WeightedAverage）✅微平均（MicroAverage）二、类比理解2.1宏平均（MacroAverage）2.1.1计算方式2.1.2适合场景2.1.3宏平均不适用的场景2.1.4宏平均一般用在哪些指标上？2.1.5怎么看macroavg指标？2.1.6宏平均值低说明了什么？2.1.7从宏平均指标中定位模型短板

一叶千舟·2025-07-07 12:22

【机器学习笔记Ⅰ】7 向量化

它是机器学习和数值计算中的核心优化手段，能显著提升代码运行效率（尤其在Python中避免显式循环）。1.为什么需要向量化？(1)传统循环的缺陷低效：Python的for循环逐元素操作，速度慢。

巴伦是只猫·2025-07-07 12:48

2019年架构师系列教程：高并发Netty实战打造百万连接架构

1.Netty框架基础概念介绍Netty是一个高性能的网络应用框架，专为快速开发可维护的高性能

不教书的塞涅卡·2025-07-07 11:14

李宏毅2025《机器学习》第四讲-Transformer架构的演进

Transformer架构的演进与替代方案：从RNN到Mamba的技术思辨Transformer作为当前AI领域的标准架构，其设计并非凭空而来，也并非没有缺点。本次讨论的核心便是：新兴的架构，如MAMA，是如何针对Transformer的弱点进行改进，并试图提供一个更优的解决方案的。要理解架构的演进，我们必须首先明确一个核心原则：每一种神经网络架构，都有其存在的技术理由。CNN（卷积神经网络）：为

·2025-07-07 09:28

条件概率：不确定性决策的基石

它量化了事件之间的关联性，是贝叶斯推理、统计建模和机器学习的基础。本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。

大千AI助手·2025-07-07 09:54

Docker 容器间通信：Link 与自定义网络

文章从容器网络基础概念出发，详细阐

·2025-07-07 08:20

Coze智能体开发：什么是提示词及其编写建议

基础概念提示词提示词（Prompt）是用户在与模型或智能系统互动时输入的指令或文本，用来引导系统生成回应或执行特定任务。它可以是问题、命令或描述性文字，帮助系统理解用户的意图并提供相应的结果。提示

王国平·2025-07-07 08:50

探索AI人工智能医疗NLP实体识别系统的架构设计

我们将从基础概念出发，逐步解析医疗文本处理的特殊性，详细介绍实体识别技术的核心原理，并通过实际案例展示如何构建一个高效可靠的医疗实体识别系统。

AI学长带你学AI·2025-07-07 07:16

人工智能动画展示人类的特征

人工智能，动画，人类特征，情感识别，行为模拟，机器学习，深度学习，自然语言处理1.背景介绍人工智能（AI）技术近年来发展迅速，已渗透到生活的方方面面。

AGI大模型与大数据研究院·2025-07-07 06:38

《支持向量机（SVM）在医疗领域的变革性应用》

在医疗科技日新月异的今天，先进的数据分析与机器学习技术正逐渐成为提升诊疗水平、助力医学研究的关键力量。

CodeJourney.·2025-07-07 05:32

机器学习20-线性网络思考

机器学习20-线性网络思考针对线性网络的基础问题，使用基础示例进行解释1-核心知识点1-线性模型家族的线性回归和逻辑回归分别是什么，线性模型家族还有没有其他的模型线性模型家族是一系列基于线性假设的统计模型

坐吃山猪·2025-07-07 05:31

机器学习18-强化学习RLHF

机器学习18-强化学习RLHF1-什么是RLHFRLHF（ReinforcementLearningfromHumanFeedback）即基于人类反馈的强化学习算法，以下是详细介绍：基本原理RLHF是一种结合了强化学习和人类反馈的机器学习方法

坐吃山猪·2025-07-07 05:01

机器学习19-Transformer和AlexNet思考

Transformer和AlexNet思考关于Transformer和AlexNet发展的一些思考1-核心知识点Word2Vec的作用是什么，和Transformer的诞生有什么关系吗？AlexNet的主要核心思路是什么，为什么表现那么好？现在有什么比AlexNet更优秀的算法2-思路整理1-Word2Vec的作用是什么，和Transformer的诞生有什么关系吗？Word2Vec的作用Word2

坐吃山猪·2025-07-07 05:01

机器学习21-线性网络思考

机器学习21-线性网络思考针对线性网络的发展问题，进行补充学习1-核心知识点1-传统机器学习针对线性分类算法求解的方式有哪些？

坐吃山猪·2025-07-07 04:00

Vue计算属性(computed)全面解析：原理、用法与最佳实践

目录前言一、计算属性基础概念1.什么是计算属性2.基本语法3.简单示例二、计算属性的核心特性1.响应式依赖追踪2.缓存机制3.不可直接赋值三、计算属性vs方法1.基本区别2.性能对比3.何时使用方法四、

雪碧聊技术·2025-07-07 04:30

Spring AI 第二讲之 Chat Model API 第五节HuggingFace Chat

HuggingFaceInferenceEndpoints允许您在云中部署和提供机器学习模型，并通过API对其进行访问。

·2025-07-07 01:38

贪心算法（GREEDY ALGORITHM）证明实践

基础概念贪心算法Formal的解释这里就不介绍了，有兴趣的直接去wikipedia上理解。简单地来说，贪心算法就是在某种规律下不断选取局部最优解，从而达到全局最优。

m0_72431373·2025-07-07 01:08

Python Scrapy的爬虫中间件开发

从原理到实战的深度解析关键词Scrapy中间件、爬虫扩展、请求响应处理、反爬绕过、中间件生命周期、钩子函数、分布式爬取摘要本文系统解析Scrapy爬虫中间件（SpiderMiddleware）的开发方法论，覆盖从基础概念到高级实践的全链路知识

AI天才研究院·2025-07-06 23:56

Python设置国内镜像教程

####引言Python是一种广泛使用的高级编程语言，用于各种编程任务，从简单的脚本到复杂的机器学习算法。在安装Python包时，通常需要从Python包索引（PyPI）下载。

wh3933·2025-07-06 23:23

机器学习宝典——第6章

第6章：聚类算法(Clustering)你好，同学！欢迎来到无监督学习的世界。与监督学习不同，这里的我们没有“标准答案”（标签），我们的目标是在数据中发现隐藏的、内在的结构。聚类算法就是实现这一目标的核心工具，它试图将数据集中的样本划分为若干个不相交的子集，我们称之为“簇”(cluster)。本章我们将深入探讨三种最具代表性的聚类算法：K-均值(K-Means)、层次聚类(Hierarchical

爱看烟花的码农·2025-07-06 21:38

结构型智能科技的关键可行性——信息型智能向结构型智能的转变（修改提纲）

结构型智能科技的关键可行性——信息型智能向结构型智能的转变1.信息型智能科技概述1.1传统计算机科技的信息型继承者1.2信息型智能环境1.3信息型智能主体1.4机器学习创造的智能1.5信息型智能科技的缺陷

刘海东刘海东·2025-07-06 20:59

【Linux】进程管理

进程基础概念进程的定义与特征进程是操作系统资源分配的基本单位，具有以下核心特征：独立性：拥有独立的地址空间和系统资源动态性：具有创建、执行、终止的生命周期并发性：多个进程可以并发执行结构性：由代码段、数据段

nanguochenchuan·2025-07-06 20:55

多模态大模型：技术原理与实战看清GPT的进化史和创新点

多模态大模型：技术原理与实战看清GPT的进化史和创新点1.背景介绍1.1人工智能的发展历程1.1.1早期人工智能1.1.2机器学习时代1.1.3深度学习的崛起1.2自然语言处理的演进1.2.1基于规则的方法

AI天才研究院·2025-07-06 17:58

【机器学习|学习笔记】组合特征（Feature Combinations）是提升模型性能、挖掘特征交互信息、增强非线性表达能力的有效手段。

【机器学习|学习笔记】组合特征（FeatureCombinations）是提升模型性能、挖掘特征交互信息、增强非线性表达能力的有效手段。

努力毕业的小土博^_^·2025-07-06 16:22

R语言的软件开发工具

随着数据科学和分析的迅猛发展，R语言也逐渐成为数据分析、机器学习和统计建模领域的重要工具。为了更好地利用R语言进行软件开发，许多软件开发工具和环境应运而生。

纪霁然·2025-07-06 15:44

推荐频道

机器学习基础概念