机器学习基础第12页

【机器学习基础】判别函数

本系列为《模式识别与机器学习》的读书笔记。一，分类线性模型概述分类的⽬标是将输⼊变量x\boldsymbol{x}x分到KKK个离散的类别Ck\mathcal{C}_kCk中的某⼀类。最常见的情况是，类别互相不相交，因此每个输⼊被分到唯⼀的⼀个类别中。因此输⼊空间被划分为不同的决策区域（decisionregion），它的边界被称为决策边界（decisionboundary）或者决策⾯（decis

天堂的鸽子·2022-12-05 12:51

LeetCode题解PDF百度网盘下载

pan.baidu.com/s/13GslyxeHKe9wEz-MBYfH3Q密码:12fc其他学习资源都整理在这个Github了：https://github.com/leerumor/ai-study包含机器学习基础

李rumor·2022-12-05 12:04

《Scikit-Learn与TensorFlow机器学习实用指南》第09章启动并运行TensorFlow

（第一部分机器学习基础）第01章机器学习概览第02章一个完整的机器学习项目（上）第02章一个完整的机器学习项目（下）第03章分类第04章训练模型第05章支持向量机第06章决策树第07章集成学习和随机森林第

weixin_33859231·2022-12-05 11:25

机器学习基础 KNN（K近邻）算法及sklearn的基本使用（附带一些基础概念）

文章目录一、K-近邻算法简介1.什么是K-近邻算法1.1K-近邻算法(KNN)概念1.2电影类型分析1.3KNN算法流程总结2.小结二、K近邻算法api初步使用1.Scikit-learn工具介绍1.1安装1.2Scikit-learn包含的内容2.K-近邻算法API3.案例3.1步骤分析3.2代码过程4.小结三、距离度量1.距离公式的基本性质2.常见的距离公式2.1欧式距离(EuclideanD

落花雨时·2022-12-05 11:22

机器学习基础概念——过拟合和欠拟合

机器学习基础概念——过拟合和欠拟合1.基本概念1.1偏差和方差2.欠拟合和过拟合2.1学习曲线2.2复杂程度曲线2.3支持向量机的过拟合和欠拟合2.4KNN回归的过拟合和欠拟合3.如何解决欠拟合和过拟合

莫荒误·2022-12-05 07:06

12 聚类模型 -- 机器学习基础理论入门

12聚类模型–机器学习基础理论入门4.1聚类问题介绍定义聚类分析又称群分析，目标时将样本划分为紧密关系的子集或簇应用聚类分析在实际中应用非常广泛，如：市场细分、社交圈分析、天体数据分析等聚类要求聚类分析的目标时将样本划分为紧密关系的子集或簇

chen_冲冲·2022-12-04 23:29

NNDL实验知识点梳理

目录实验内容编程基础机器学习基础FNNCNNRNN网络优化与正则化扩展实验建议自学实验实验基本步骤实验涉及知识点知识点相关细节更多细节实验内容编程基础NNDL实验一numpyNNDL实验二pytorch

HBU_David·2022-12-04 09:57

python k-means聚类算法物流分配预测实战（超详细，附源码）

数据集和地图可以点赞关注收藏后评论区留下QQ邮箱或者私信博主要聚类是一类机器学习基础算法的总称。

showswoller·2022-12-03 18:29

机器学习基础学习-scikit-learn中的多项式回归和pipeline

前言在上一篇博客机器学习基础学习-多项式回归当中，主要在调用线性回归前，改造了X，添加了X2的特征，这个整个多项式回归的过程在sklearn当中封装在了preprocessing的包中，主要作用是对数据的预处理

小夭。·2022-12-03 16:56

机器学习基础【ML】

大家好，我是Sonhhxg_柒，希望你看完之后，能对你有所帮助，不足请指正！共同学习交流个人主页－Sonhhxg_柒的博客_CSDN博客欢迎各位→点赞+收藏⭐️+留言系列专栏-机器学习【ML】自然语言处理【NLP】深度学习【DL】foreword✔说明⇢本人讲解主要包括Python、机器学习（ML）、深度学习（DL）、自然语言处理（NLP）等内容。如果你对这个系列感兴趣的话，可以关注订阅哟机器学习

Sonhhxg_柒·2022-12-03 11:22

机器学习实战（一）—— K-近邻算法（KNN）

本系列文章以《机器学习实战》为基础，并结合B站的UP主shuhuai008的机器学习白板推导系列合集，加强对机器学习基础算法的理解及运用。

一马归一码·2022-12-03 06:08

生成模型笔记（二）：最大似然，贝叶斯和最大后验概率

第二部分机器学习基础参考内容https://zhuanlan.zhihu.com/p/48521073https://zhuanlan.zhihu.com/p/37215276https://blog.csdn.net

Artificial Idiots·2022-12-03 03:22

逻辑回归( LogisticRegression)和线性支持向量机（LinearSVC）

最近在自学图灵教材《Python机器学习基础教程》，在csdn以博客的形式做些笔记。线性分类模型线性模型不仅用于回归问题，也广泛应用于分类问题。我们首先来看二分类。

叫Lzy·2022-12-02 16:58

机器学习基础算法应用实践案例整理

机器学习基础算法应用实践案例整理一.线性回归算法部分：1.基于多元线性回归lineargradient预测家庭用电2.基于Lasso回归预测波斯顿房屋租赁价格变化情况3.基于softmax回归算法分类葡萄酒质量

田超凡·2022-12-02 15:04

Keras深度学习入门篇

Keras深度学习入门篇第一部分：机器学习基础一、机器学习的四个分支监督学习分类回归序列生成，给定一张图像，预测描述图像的文字语法树预测，给定一个句子，预测其分解生成的语法树目标检测，给定一张图像，在图中特定目标的周围画上一个边界框图像分割

東方海竹·2022-12-02 13:58

机器学习基础篇（七）——朴素贝叶斯

机器学习基础篇（七）——朴素贝叶斯一、前言机器学习中常见的一个问题就是如何把未知的数据分到先前已经知晓的类别中去。

柚子味的羊·2022-12-02 02:27

机器学习周志华-西瓜书全文内容分享

机器学习是计算机科学和人工智能的一个重要分支，作为该领域的入门教材，本书尽可能涵盖了机器学习基础知识的各个方面。

Johngo学长·2022-12-01 20:51

周志华《机器学习》书每章思维导图总结

第一章绪论第二章模型评估与选择第三章线性模型第四章决策树第五章神经网络第六章支持向量机第七章贝叶斯分类器第八章集成学习第九章聚类第十章降维与度量学习第十一章特征选择与稀疏表示第十二章计算学习理论第十三章半监督学习第十四章概率图模型第十五章规则学习第十六章强化学习深度学习500问第一章：数学基础第二章：机器学习基础

Liao-Zhuolin·2022-12-01 20:15

学神经网络需要什么基础,深度神经网络怎么用

因为无论是理解深度网络中各个层的运算和梯度推导，还是进行问题的形式化或是推导损失函数，都离不开扎实的数学与机器学习基础。数学分析在工科专业所

普通网友·2022-12-01 20:49

机器学习入门 02 —— 环境搭建（Jupyter Notebook、默认路径、扩展库的安装与使用）

文章目录系列文章机器学习基础环境安装与使用2.1库的安装2.2jupyternotebook的使用1JupyterNotebook介绍2启动JupyterNotebook3JupyterNotebook

来一碗锅巴洋芋·2022-12-01 19:11

XGBOOST集成树模型的原理梳理

0前言xgboost本身是集成树模型，在了解其原理之前，先对树模型的机器学习基础知识做一定介绍。

一只勤奋爱思考的猪·2022-12-01 16:00

【深度学习】——深度学习中的梯度计算

梯度下降在【机器学习基础】中已经总结了，而在深度学习中，由于模型更加复杂，梯度的求解难度更大，这里对在深度学习中的梯度计算方法进行回顾和学习。

格格巫 MMQ!!·2022-12-01 10:55

机器学习基础概念总结

入门概念：1、首先什么是机器学习？人工智能包含机器学习，机器学习又包含深度学习，机器学习是人工智能的一个实现途径，深度学习是机器学习的一个方法发展而来。机器学习就是试图替代或者辅助人的智能行为。2、机器学习的应用传统预测图像识别自然语言处理3、机器学习算法的理解简单来说就是一种能够从数据中学习的算法4、机器学习中向量的理解可以简单地把向量理解成一维数组。5、机器学习分类任务中的“精度”概念：精度就

疋瓞·2022-12-01 08:41

【机器学习基础】朴素贝叶斯的算法实现

前言本次我们将梳理下朴素贝叶斯（NaiveBayes）的相关内容。本文约1.6k字，预计阅读10分钟。概要朴素贝叶斯算法是一种适用于二分类和多分类分类问题的「分类算法」。在贝叶斯概率框架下，通过相应推导得知，「期望风险最小化等价于后验概率最大化」。对于后验概率的计算，可以通过「联合概率分布建模」，得到后验概率（「生成模型」）；对于生成模型来说，根据「贝叶斯定理」，可以将其写成：在朴素贝叶斯中，由于

风度78·2022-11-30 19:12

机器学习基础篇-机器学习模型前瞻-part1

Typeofmachinelearning-机器学习类别TypeIntroductionSupervisedLearning监督学习，即在有label的前提下训练模型并预测Semi-SupervisedLearning半监督学习，同时在有label和无label的数据之间进行训练并预测UnsupervisedLearning无监督学习，在无label的前提下训练模型并预测Reinforcement

Vihagle·2022-11-30 14:58

机器学习基础知识点②：决策树、随机森林、GBDT与xgboost

ID3、C4.5、CART、随机森林、bagging、boosting、Adaboost、GBDT、xgboost算法总结干货|XGBoost进阶—调参+实战GBDT、XGBoost、LightGBM的使用及参数调优零、集成学习常见问题1、bagging与boosting偏差低对应的点都打在靶心附近（偏差高：偏离靶心）；方差低对应就是点都打的很集中（方差高：分布比较分散）。偏差主要是由于分类器的表

NLP_victor·2022-11-30 02:11

【机器学习基础】朴素贝叶斯进行垃圾邮件分类

目录一朴素贝叶斯简介二贝叶斯决策理论三朴素贝叶斯进行垃圾邮件分类3.1构造数据集3.2构造词典3.3构造词集模型3.4求解先验概率和条件概率3.5对样本集进行分类3.6交叉验证四整体代码实现五参考材料一朴素贝叶斯简介贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。朴素贝叶斯是贝叶斯决策理论的一部分，所以本文首先介绍贝叶斯决策理论，然后我们通过实例来介绍最简单的一种

Tuzi_bo·2022-11-30 00:26

机器学习环境安装和jupyter notebook安装和使用

PCGuo999·2022-11-29 15:23

Other-Website-Contents.md

title:本站目录categories:Othersticky:10toc:truekeywords:机器学习基础深度学习基础人工智能数学知识机器学习入门date:9999-12-3123:59:59

非主流科学家·2022-11-29 10:56

【人工智能全栈学习】机器学习基础知识——线性回归与逻辑回归（看完就全懂了）

【人工智能全栈学习】机器学习基础知识——线性回归与逻辑回归（看完就全懂了）一、问题二、人工智能全栈学习系列课程三、线性回归四、逻辑回归(logisticregression)KL距离：散度上采样和下采样模型评测准确率和召回率

一拳Marx·2022-11-29 07:03

[博学谷学习记录]超强总结，用心分享|人工智能机器学习基础知识逻辑回归总结分享

目录一.逻辑回归基本介绍二.逻辑回归的优缺点三.逻辑回归的适用性一.逻辑回归基本介绍逻辑回归（LogisticRegression）是机器学习中的一种分类模型，逻辑回归是一种分类算法，虽然名字中带有回归。由于算法的简单和高效，在实际中应用非常广泛，可以用于垃圾邮件分类，是否患病，信用卡是否会违约等，逻辑回归最终的分类是通过属于某个类别的概率值来判断是否属于某个类别，并且这个类别默认标记为1(正例)

AAALice0.0·2022-11-29 07:26

【头歌】神经网络学习之机器学习基础

第1关：机器学习类型1、下列说法错误的的是A、监督学习不需要一定量级的数据作为训练数据。B、监督学习可以根据输出类型分为回归和分类两种类型。C、强化学习不需要训练数据。D、非监督学习的结果具有不确定性。【答案】AC2、下列关于回归和分类问题的说法错误的是：A、回归问题的输出y为离散的类别标记或者数值。B、分类问题的主要手段为概率计算。C、支持向量机解决的是回归问题。D、回归问题以距离计算为主。【答

MQiyirs·2022-11-29 07:24

数据获取与处理（以CV任务为主)

HousePrices-AdvancedRegressionTechniques预测销售价格CatandDog猫狗分类MachineLearningfromDisaster预测泰坦尼克号的生存情况并熟悉机器学习基础知识

__YRaY·2022-11-29 06:37

机器学习基础-Stacking

StackingStacking是通过多个基学习器集成学习从而降低了方差。这里跟Bagging的思想有点类似，但是还是有点小不一样，因为我们的基学习器不仅仅仅限于一颗颗单独的树模型，而是多个不同类别的模型，如随机森林，GBDT，MLP等。对于输入，Stacking和Bagging一样，同样的数据输入进来，然后每个模型都在原始的数据上进行训练。Bagging因为有Bootstrap的存在，所以每个基

Vihagle·2022-11-28 22:10

机器学习基础-模型调参

模型调参大多数据科学家或算法工程师会在模型调参上面花费很多时间，时间的花费和你模型的参数成正比关系，所以，我们的模型想在一个数据集上获得一个好的结果是一个非常花费时间的过程。一般来讲，大家在模型调参之初，都会有官方模型设定的一系列默认超参数，它会给予你一个不错的初始点，然后在其上面慢慢地作调整。另一方面，我们可以通过读取论文，看看大神面对类似问题会使用哪些范围的超参数。在每次调整过一个超参数后，你

Vihagle·2022-11-28 22:10

深度学习基础与线性回归实例

1、机器学习基础-线性回归介绍：这是一个教育对收入影响的数据，从图像的走势来看，它是具有一个线性关系，即受教育年限越长收入越高，这样我们可以通直线来抽象出它们的关系。

夏天是冰红茶·2022-11-28 15:30

5.1 卷积神经网络简介

1）CNN基础前面我们讲解了机器学习基础知识，包括多层感知器等问题。下面我们要介绍的目标识别与分类，就是在前面问题的基础上进行扩展，实现对于图像等分类和识别。

EaHalen·2022-11-28 14:01

第五章机器学习基础

深度学习是机器学习的重要分支，也是机器学习的核心，但深度学习是在机器学习基础上发展起来的，因此理解机器学习的基本概念、基本原理对理解深度学习大有裨益。

HHzdh·2022-11-28 09:39

（整理）学习NLP的资源

机器学习基础可以参

手可摘星辰Iris·2022-11-28 07:16

机器学习基础篇：关于线性回归-正则化、MLE、MLP

关于线性回归正则化、MLE、MLP正则化、MLE、MLP阐述线性回归从两个方面：未加正则化的线性回归：加了正则化后的线性回归：过拟合：正则化的框架：另：加L2正则化（矩阵形式）加L2正则化（MLE-概率形式-频率派）MLE如下：加L2正则化（概率形式-贝叶斯派）结论正则化、MLE、MLP阐述线性回归从两个方面：未加正则化的线性回归：①标量的最小二乘法LSE：损失函数是L=∣∣wTxi−yi∣∣2L

guieraxbc·2022-11-27 22:24

刘建平Pinard的博客配套代码

刘建平Pinard的博客配套代码http://www.cnblogs.com/pinard刘建平Pinard目录机器学习基础与回归算法机器学习分类算法机器学习聚类算法机器学习降维算法机器学习集成学习算法数学统计学机器学习关联算法机器学习推荐算法深度学习算法自然语言处理算法强化学习算法特征工程与算法落地强化学习文章与代码

fun. 逗~·2022-11-27 04:21

【机器学习基础】一文"看透"多任务学习

作者：十方大家在做模型的时候，往往关注一个特定指标的优化，如做点击率模型，就优化AUC，做二分类模型，就优化f-score。然而，这样忽视了模型通过学习其他任务所能带来的信息增益和效果上的提升。通过在不同的任务中共享向量表达，我们能够让模型在各个任务上的泛化效果大大提升。这个方法就是我们今天要谈论的主题-多任务学习(MTL)。所以如何判定是不是多任务学习呢？不需要看模型结构全貌，只需要看下loss

风度78·2022-11-27 02:49

神经网络与深度学习：回归问题

回归问题1.机器学习基础1.1监督学习1.2无监督学习1.3半监督学习2.一元线性回归3.解析法实现一元回归3.1Python实现3.2NumPy实现3.3TensorFlow实现4.多元线性回归1.机器学习基础机器学习

Twinkle1231·2022-11-26 23:05

机器学习里面的基函数_机器学习系列（一）——基础概念及分类

机器学习基础(一)emm...那个第一篇文章，简单的自我介绍一下，机器学习小白，希望和大家一起进步，有什么问题可以留言一起探讨。

weixin_39794734·2022-11-26 21:53

机器学习基础（六）贝叶斯统计

贝叶斯统计之前章节已经讨论了频率派估计方法和基于估计单一值θ\boldsymbol{\theta}θ的方法，然后基于该估计作所有的预测。另一种方法是在做预测时会考虑所有可能的θ\boldsymbol{\theta}θ。后者属于贝叶斯统计的范畴。频率派的视角是真实参数θ\boldsymbol{\theta}θ是未知的定值，而贝叶斯统计则用概率反映知识状态的确定性程度。在观察到数据前，将θ\bolds

_SeeUtoday_·2022-11-26 20:50

keras实现一元线性回归

机器学习基础作者：人工智能课程https://www.bilibili.com/read/cv8935813出处：bilibili本节将讲解机器学习基础，这也是深度学习最基础的内容。

土豆千张烫肥牛·2022-11-26 15:02

百面机器学习

模型评估的方法超参数调优过拟合和欠拟合机器学习基础偏差方差分解理论和定理PAC学习理论

数学工具构造器·2022-11-26 07:05

机器学习基础----基于吴恩达机器学习课程的笔记

机器学习基础文章目录机器学习基础一、监督学习与无监督学习二、回归问题一、函数模型----线性回归二、算法模型（一）梯度下降算法（二）正规方程法三、分类问题先从二分类开始（0或1）：一、函数模型----Logistic

W.xyz·2022-11-25 22:07

【无标题】

机器学习基础大数据时代到底改变了什么改变思维方式数据重要性方法论数据分析（数据科学）计算只能（简单算法）大数据的4V特征数据量大数据种类多1.结构化数据2.非结构化数据3.半结构化数据速度快数据增长的数据块数据处理的数据块价值密度低大数据项目架构

Yangycoffee·2022-11-25 15:03

推荐频道

机器学习基础