机器学习基础

基于Python机器学习、深度学习技术提升气象、海洋、水文领域实践应用能力

深度学习技术提升气象、海洋、水文领域实践应用能力目录专题一、Python软件的安装及入门专题二、气象常用科学计算库专题三、气象海洋常用可视化库专题四、爬虫和气象海洋数据专题五、气象海洋常用插值方法专题六、机器学习基础理论和实操专题七
吹翻书页的风·2023-04-18 02:02

Python机器学习基础教程学习笔记（4）——KNN处理wave数据集（回归）

Python机器学习基础教程学习笔记（4）——KNN处理wave数据集（回归）1wave数据集wave数据集只有一个输入特征和一个连续的目标变量（或响应）importnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspdimportmglearn
neumeng·2023-04-18 01:53

2019-07-13

本文对阅读没有一定的前提要求，但是懂一些机器学习基础会更好地帮助理解本文。神经网络是一种模拟人脑的神经网络以期能够实现类人工
WEI_FENG·2023-04-17 18:12

Python 迁移学习实用指南：1~5

——《原则》，生活原则2.3.c一、机器学习基础有一天，人工智能将像看非洲平原上的化石骨架一样回望我们。一只生活在尘土中的直立猿，用粗俗的语言和工具灭绝。
布客飞龙·2023-04-16 03:32

机器学习基础（二）——训练集和测试集的划分

文章目录1.测试集和训练集的划分1.1划分训练集和测试集2.fit和transform1.测试集和训练集的划分fromsklearn.datasetsimportload_iris,fetch_20newsgroups,load_bostonfromsklearn.model_selectionimporttrain_test_split,GridSearchCVfromsklearn.neigh
Bayesian小孙·2023-04-14 23:15

EnsembleLearning-机器学习基础（day3）

使用sklearn构建完整的机器学习项目流程文章目录使用sklearn构建完整的机器学习项目流程4.2优化基础模型4.2.1背景4.2.2解决方法(a)最小化训练误差(b)偏差-方差的权衡(c)特征提取(d)压缩估计(正则化)(e)降维：4.2.3实战reference承接上一篇博客4.2优化基础模型4.2.1背景我们关心的是模型面对未知的样本集，即测试集上的测试误差，我们的目标是使得我们建立的模
毛球饲养员·2023-04-14 04:39

机器学习ML笔记

#一、机器学习基础知识BV14x411M7E9、BV1ot411P77s监督学习supervisedlearning：≈概念学习conceptlearning无监督学习unsupervisedlearning
WangSoooCute·2023-04-13 22:02

计算机视觉比赛有哪些,Kaggle计算机视觉入门比赛(pytorch)

最近在kaggle上找比赛，发现了一个图像入门比赛DigitRecognizer，你对R或Python和机器学习基础有一些经验，但你对计算机视觉还不熟悉。这个比赛旨在帮助大家熟悉计算机视觉。
研究所的鹏鹏博士·2023-04-13 12:31

ApacheCN 机器学习视频教程

学习资源整合在点击跳转视频资源整合如下第一部分分类机器学习基础ApacheCN机器学习实战学习情况（2017-03-11@ML学习小组）ApacheCN-Sklearn0.19中文文档校验流程操作指南(
Spareribs·2023-04-13 08:30

机器学习 基础理论 学习笔记 （8）特征选择（feature selection）（一）

后续会出文机器学习基础理论学习笔记（8）特征选择（featureselection）（二）将分类问题和回归问题分开总结。
Tony Einstein·2023-04-12 08:42

【西瓜书】part1：机器学习基础知识

1.6应用现状2.模型评估与选择2.1经验误差与过拟合2.2评估方法2.2.1留出法2.2.2交叉验证法2.2.3自助法2.2.4调参与最终模型2.3性能度量2.4比较检验0食用指南第一部分（1~3章）：机器学习基础知识第二部分
NN今夜无眠·2023-04-12 05:18

机器学习路线

矩阵(2)英语篇：具有大学英语4级水平(3)编程篇：具有使用Python解决基础数据结构问题的能力2.学习路线（1年）：推荐直接学习国外一流大学的高水平视频课程，同步写课程作业，学习路线共分4步，(1)机器学习基础算法
m0_50538723·2023-04-12 05:11

机器学习基础——数据集与估计器、k近邻算法

1、sklearn数据集与估计器2、分类算法-k近邻算法3、k-近邻算法实例4、分类模型的评估5、分类算法-朴素贝叶斯算法6、朴素贝叶斯算法实例7、模型的选择与调优8、决策树与随机森林1、sklearn数据集与估计器数据集的划分数据的训练模型和评估模型不能用同一个数据集，所以要把数据划成两部分：75%：25%是经验后比较好的数据集的划分训练集用来建立模型；测试集用来评估模型。不同的算法评估的模型方
咸鱼2K·2023-04-11 01:19

深度学习框架tensorflow

框架帮你写一些机器学习基础的东西。
@苏词吗？·2023-04-10 14:37

机器学习基础(9)-Python3 词云

image.png大数据时代，经常能够看到这么炫酷的图片，那么这样的图片是怎么做出来的呢，下面我们详细介绍。一、安装wordcloud1.下载python版本相对的wordcloud版本：image.png2.切换到下载地址进行安装：pipinstallwordcloud-1.4.1-cp36-cp36m-win_amd64.whl二、使用词云进行编码安装好wordcloud模块后，就可以进行代码
小卢子_1093·2023-04-10 05:09

机器学习基础之交叉熵与均方误差

机器学习基础之交叉熵与均方误差我们都知道，对于分类任务，可以选用交叉熵做为模型的损失函数；对于回归任务，可以选用MSE来作为模型的损失函数。
sunny4handsome·2023-04-09 01:14

机器学习基础教程实践(一)——中文的向量化

机器学习已经是一个热度逐渐消退的话题了，现在都在聊区块链了，所以这里我可以说说机器学习了。很多人很喜欢把简单的东西说得很复杂，让别人听不懂，这样别人就可以崇拜自己。但是作为一个的产品，我对此表示深深的鄙视。好了，废话不说了，回到正题。机器其实是非常笨的，特别是对中文的理解，谁让我们中文博大精深，这也对生长在中国的IT从业人员提了更高的要求。机器学习可以简单理解为推演学习，举例来说：你告诉机器：一只
伦文聚·2023-04-08 17:53

机器学习基础(4)-Python3基本数据类型

Python3基本数据类型Python中的变量不需要声明。每个变量在使用前都必须赋值，变量赋值以后该变量才会被创建。在Python中，变量就是变量，它没有类型，我们所说的"类型"是变量所指的内存中对象的类型。等号（=）用来给变量赋值。等号（=）运算符左边是一个变量名,等号（=）运算符右边是存储在变量中的值。例如：实例(Python3.0+)#!/usr/bin/python3counter=100
小卢子_1093·2023-04-05 11:29

机器学习基础概念

欠拟合：模型的预测准确性不够过拟合：算法模型的泛化性不太好（在训练集准确性很好，但在测试集上的效果不太好），及过度概括，如进行猫和狗进行分类时，训练数据中没有黄色的狗，但是猫大多是黄色的，这时机器将黄色的这个特征过度化，及机器认为所有的黄色都是猫机器学习过程：向一个机器投入燃料(数据)通过马达（假设函数‘模型‘）变成动力（’预测结果‘）机器学习常见术语：模型:机器学习的两大组成部分模型和数据集，而
爱果者daodan·2023-04-03 18:33

Pytorch深度学习与入门实战

miniconda](https://img-blog.csdnimg.cn/adace1a2f7ae476aa883b53203477c92.pnPytorch官网地址GPU版本安装检查显卡驱动依赖库安装机器学习基础与
陌上花开，静待绽放！·2023-04-02 15:29

【机器学习基础】XGBoost、LightGBM与CatBoost算法对比与调参

机器学习Author：louwillMachineLearningLab虽然现在深度学习大行其道，但以XGBoost、LightGBM和CatBoost为代表的Boosting算法仍有其广阔的用武之地。抛开深度学习适用的图像、文本、语音和视频等非结构化的数据应用，Boosting算法对于训练样本较少的结构化数据领域仍然是第一选择。本文先对前述章节的三大Boosting的联系与区别进行简单阐述，并一
风度78·2023-04-02 13:46

Python 机器学习的利器（2）

参考《Python机器学习基础教程》参考国外有关pandas库的教程irisfromsklearn.datasetsimportload_irisiris_dataset=load_iris()print
zidea·2023-04-01 23:49

PyTorch学习之旅（二）——机器学习基础

前置文章传送门：PyTorch学习之旅（一）线性回归模型深度学习是机器学习的子集，因为层数较多（深度较深），故名深度学习。因此首先了解机器学习的基本概念也是很有帮助的参考书为《PyTorch深度学习》，ISBN:9787115508980，可配套食用。一、三类机器学习问题主要有三类：有监督学习、无监督学习和强化学习。这里的监督怎么理解呢？监督可以理解为训练数据需要人工打标签，比如首先收集到1000
CSU_DEZ·2023-04-01 12:12

吴恩达深度学习课程笔记（精华版）--3.序列模型和自然语言处理NLP

编者有一定机器学习基础，也看过Andrew的机器学习课程。
Caucher·2023-04-01 06:58

【泛函基础】变分推断详解（一）

而在概率论中尤其以变分推断用的最为广泛，无论是最新的深度学习算法还是机器学习基础，各种知识方法总是存在着对变分推断这一部分知识的交叉。因此掌握变分推
一穷二白到年薪百万·2023-03-31 01:38

推荐系统算法学习之路

这是贪心学院的目录我看着挺好的学习进程（中间的饿技能点可以慢慢点）文章目录第一阶段Week1:机器学习基础Week2:推荐系统基础第二阶段Week3:内容画像与用户画像Week4:用户画第三阶段:搭建多路召回
buer103·2023-03-30 13:04

机器学习基础·线代一些有用基本概念及结论

摘要内积、正交、特征值、特征向量、相似矩阵、对角化、线性空间、线性变换正文1向量的内积、长度及正交性(1)内积：[x,y]=x1y1+x2y2+…+xnyn(2)施瓦茨不等式：[x,y]2≤[x,x][y,y](3)长度，范数：||x||=[x,x]1/2，满足非负性、齐次性、三角不等式(4)夹角：θ=arccos([x,y]/||x||*||y||)(5)x,y正交：[x,y]=0(6)定理：若
jiangweijie1981·2023-03-29 12:42

【快速入门大数据】第一部分：Java基础知识回顾之语言基础01：开发环境配置、数据类型、运算符、流程控制

上一篇文章：快速入门大数据与机器学习基础专栏目录一、安装与配置java环境二、数据类型、运算符、流程控制概念简要介绍三、代码实现数据类型、运算符、流程控制功能、代码语法规则与书写方法一、安装与配置java
源代码杀手·2023-03-29 02:29

快速入门大数据与机器学习基础专栏

为初学者快速入门找到方法，本课程专栏涵盖了大数据与机器学习的基础知识、常用技术和实践案例，旨在帮助学习者全面掌握大数据与机器学习相关知识和技能，为未来的大数据与机器学习工作和研究提供帮助。接下来会陆续更新，欢迎关注。第一部分：Java基础知识回顾Java语言基础数据类型、运算符、流程控制讲解Java语言的基本数据类型、算术运算符、逻辑运算符、位运算符等，以及if/else、switch、while
源代码杀手·2023-03-29 02:58

机器学习基础

(一)什么是机器学习机器学习传统算法基本思想让机器去学习让机器去执行解决思路输入大量训练数据获得模型编写规则定义分类注意：传统的计算机解决方法思路需要定义规则然而现实生活中规则很难定义，且处于不断变化中，于是模仿人类的学习方式计算机学家提出了机器学习的概念。机器学习与人类学习（二）机器学习中的数据数据举例注意：数据的整体被称作一个数据集（DataSet）每一行数据称作一个样本每一行的最后一列称作样
袁梦祥941115·2023-03-27 21:39

机器学习基础

机器学习什么是机器学习通过历史数据，提炼模型，预测未来的变化。伴随着hadoop等开源大数据平台的崛起，数据存储方案变得简易可实施。机器学习的过程数据采集--->数据处理--->特征提取---->训练模型--->评估调优模型--->部署应用训练模型的本质是找到数据的函数表达，这个表达称为模型f(距离地铁、电梯、卫生间。。。。)=3500(回归)f([6.57,4000,990cpu,oled,..
郑某人_03a6·2023-03-25 06:22

Python机器学习基础教程学习笔记（5）——线性模型（回归）

Python机器学习基础教程学习笔记（5）——线性模型（回归）importnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspdimportmglearn1
neumeng·2023-03-24 21:33

【机器学习基础】数学推导+纯Python实现机器学习算法25：CatBoost

Python机器学习算法实现Author：louwillMachineLearningLab本文介绍GBDT系列的最后一个强大的工程实现模型——CatBoost。CatBoost与XGBoost、LightGBM并称为GBDT框架下三大主流模型。CatBoost是俄罗斯搜索巨头公司Yandex于2017年开源出来的一款GBDT计算框架，因其能够高效处理数据中的类别特征而取名为CatBoost（Ca
风度78·2023-03-18 21:08

Sklearn 与 TensorFlow 机器学习实用指南

第一部分：机器学习基础（解决简单问题）一、机器学习概览二、一个完整的机器学习项目三、分类四、训练模型五、支持向量机六、决策树七、集成学习和随机森林八、降维第二部分：神经网络与深度学习（解决复杂问题）九、
天线嘟嘟茄·2023-03-17 23:08

【人工智能】机器学习基础（QDU）

转载请务必经过我的同意【人工智能】不确定性推理（QDU）【人工智能】传统机器学习算法（QDU）【人工智能】非线性分类器（QDU）【人工智能】机器学习基础（QDU）【人工智能】深度学习（QDU）最小二乘法一般用于计算损失函数取最值时的解
不牌不改·2023-03-17 07:05

【机器学习基础】前置知识（一）：数学符号及希腊字母

本文列出了常用的机器学习数学符号（Mathematicalnotations），包含代数、微积分、线性代数、概率论、集合论、统计学以及希腊字母。代数符号名称描述例子(f∘g)复合函数嵌套函数(f∘g)(x)=f(g(x))∆德耳塔变化/区别∆x=x_1-x_0e欧拉数e=2.718281828s=11+e−z∑求和求和∑x_i=x_1+x_2+x_3∏大写派所有数的乘积∏x_i=x_1∙x_2∙x
风度78·2023-03-17 07:55

Keras 课程表

一、深度学习基础介绍1.1python基础1.2机器学习基础知识简介1.3神经网络数学基础1.4Keras开发环境搭建1.5Keras介绍1.5.1Keras序贯模型与函数式模型1.5.2Keras网络模型
lourd·2023-03-16 15:56

python 画出决策边界_画出决策边界线--plot_2d_separator.py源代码【来自python机器学习基础教程】...

1importnumpyasnp2importmatplotlib.pyplotasplt3from.plot_helpersimportcm2,cm3,discrete_scatter45def_call_classifier_chunked(classifier_pred_or_decide,X):6#Thechunk_sizeisusedtochunkthelargearraystowork
weixin_39966053·2023-03-11 07:47

Python机器学习基础教程（1）Irises(鸢尾花)分类之新手上路

一、感谢博客的内容提供的参考标题：最新版学习笔记---Python机器学习基础教程（1）Irises(鸢尾花)分类---附完整代码作者：非鱼子焉地址：https://zhu-rui.blog.csdn.net
GH_learn_IT·2023-02-28 19:14

神经网络浅讲：从神经元到深度学习

本文对阅读没有一定的前提要求，但是懂一些机器学习基础会更好地帮助理解本文。神经网络是一种模拟人脑的神经网络以期能够实现类人工
zhongxon·2023-02-17 12:28

机器学习基础：AUC与ROC

AUC是什么？AUC是ROC曲线下与坐标轴围成的面积。ROC曲线一般都处于y=x这条直线的上方，所以AUC的取值范围在0.5和1之间。AUC越接近1，检测方法真实性越高；等于0.5时，则真实性最低，无应用价值。因为对于0-1分类问题，靠猜猜对的概率是0.5，如果AUC小于等于0.5则说明准确性和靠猜差不多。ROC是什么？ROC曲线是评估分类器分类能力的曲线；ROC曲线是由FPR、TPR的值决定的；
紫昂张·2023-02-07 11:03

day1 机器学习基础

文章目录1.1什么是机器学习1.2关键术语1.3主要任务分类回归1.4如何选择合适的算法选择监督学习算法后选择无监督学习算法后1.5开发机器学习的步骤1.6numpypandas函数基础1.1什么是机器学习简单来说：把无序的数据转化为有用的信息，主要任务：分类回归正确率达百分之六十以上的准确率都被认为是成功的1.2关键术语一些专业术语特征事物的属性训练集分类好的样本测试集用来评估训练的模型1.3主
舌耳·2023-02-07 07:13

《机器学习实战》第一章 机器学习基础

第一章机器学习基础机器学习就是把无序的数据转换为有用的信息机器学习关键术语：专家系统；特征；实例；分类（机器学习的主要任务）；训练集；训练样本；目标变量；类别机器学习的主要任务：分类、回归、聚类和密度估计
这菜真辣·2023-02-06 18:18

机器学习基础

简介1.机器学习是从[数据]中自动分析获得[规律(模型)]，并利用规律对未知数据进行[预测]。2.算法模型：  就是一个特殊的对象。该对象内部已经集成或者封装好了某种形式的方程，只不过这个方程是一个还没有求出解的方程。3.算法模型的作用：  对未知事物进行预测    预测：利用模型对一件事情计算出一个未知的结果。  对未知事物进行分类    分类：将一个未知归类的事物给归属到已知的类群中。4.样本
心中有高数·2023-02-06 11:59

Pandas快速入门--机器学习基础（python）

提示：文章写完后，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内容预览Pandas的介绍为什么使用pandasDataFrameDataFrame结构DataFrame的常用属性DataFrame索引的设置修改行列索引值重设索引设置新索引MultiIndex与PanelMultiIndexPanelSeries创建SeriesSeries获取索引和值小结内容预览Pandas的介绍  pa
埃及法老·2023-02-06 11:54

[动手学深度学习(PyTorch)]——梦开始的地方

目标：介绍深度学习经典和最新的模型LeNet、ResNet、LSTM、BERT.....机器学习基础损失函数、目标函数、过拟合、优化实践使用Pytorch实现介绍的知识点在真实数据上体验算法效果内容：深度学习基础
Star星屹程序设计·2023-02-06 10:48

主成分分析与其在人脸识别中的应用

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。我们在利用无监督学习进行数据变换可能有很多种目的。
叫Lzy·2023-02-05 15:34

[机器学习基础] 随机梯度下降法 SGD 简介

我们首先回忆一下梯度下降法梯度下降法方法结构目的：求g(t)g(t)g(t)的极小值点方法：随机初始化t∗=t0t^*=t_0t∗=t0fori=1,…,M更新参数ti=ti−1−η∗∂g∂t∣t=ti−1\quad\qquadt_i=t_{i-1}-\eta*\dfrac{\partialg}{\partialt}\bigg|_{t=t_{i-1}}ti=ti−1−η∗∂t∂g∣∣∣∣t=ti−
有点欠扁的圈圈·2023-02-05 01:51

Python机器学习基础教程2

文章目录朴素贝叶斯分类器优点缺点和参数决策树报错构造决策树控制决策树的复杂度树的特征重要性回归决策树优点缺点决策树集成1.随机森林构造随机森林优点缺点1.梯度提升回归树（梯度提升机）优点缺点朴素贝叶斯分类器朴素贝叶斯分类器是与线性模型非常相似的一种分类器，他的训练速度更快，但是她的泛化能力比线性分类器稍差。朴素贝叶斯模型高效的原因在于，它通过单独查看每个特征来学习参数，并从每个特征中搜集简单的类别
小小小方·2023-02-04 23:44

《Python机器学习基础教程》学习笔记系列-1-基本库的安装与基本使用以及初步了解区分鸢尾花种类的机器学习模型

科学计算库；SciPy#科学计算库；Scikit-learn#机器学习工具，依赖于NumPy和SciPy；matplotlib#科学绘图库；pandas#处理和分析数据的库；mglearn#为《Python机器学习基础教程
blackeagleoht·2023-02-04 23:12
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他