机器学习基础

python机器学习基础

python机器学习基础错误笔记Logistic回归和线性SVM代码报错书本代码importmglearnimportmatplotlib.pyplotaspltfromsklearn.linear_modelimportLogisticRegressionfromsklearn.svmimportLinearSVCX
N:O:N·2023-02-04 23:42

机器学习基础概念

目录前言一、模型与训练二、损失函数（loss）三、优化算法小批量随机梯度下降冲量法ADAM四、softmax回归softmax交叉熵（crossentropy）损失函数五、激活函数ReLUsigmoidtanh六、模型评价与误差七、欠拟合与过拟合VC维权重衰退丢弃法（dropout）后记前言本篇博客将记录一些我学习机器学习的过程（主要是深度学习）。一、模型与训练模型由输入、输出以及中间的某些运算组
john_bee·2023-02-04 19:08

OpenMMLab

OpenMMLab开源算法体系计算机视觉：研究如何让计算机自动理解图像和视频中的内容计算机视觉解决的三大问题：分类、检测、分割OpenMMLab：计算机视觉开源算法体系机器学习和神经网络简介机器学习详细笔记机器学习基础机器学习
XinrZhou·2023-02-04 19:21

【最新全面】NLP新手学习指南

自然语言处理经典任务|学习自然语言处理技术数据结构与算法基础|时间复杂度、空间复杂度|斐波那契数列的时间和空间复杂度|动态规划算法|经典的DP问题|练习：DP问题的代码解法|专题：时序分析中的DTW算法机器学习基础
和你在一起^_^·2023-02-04 13:21

计算机视觉框架OpenMMLab开源学习（一）：基础介绍

OpenMMLab开源历程OpenMMLab2.0总体框架OpenMMLab2.0介绍机器学习基础可参考我的这篇文章：https://blog.csdn.net/qq_3681684
GoAI·2023-02-04 09:46

计算机视觉算法基础与OpenMMLab介绍

计算机视觉算法基础与OpenMMLab介绍学习之路从头开始第一节课的内容主要是介绍OpenMMLab框架和机器学习基础知识介绍学习之路从头开始第一节课的内容主要是介绍OpenMMLab框架和机器学习基础知识介绍具体内容如下
Snow-loving·2023-02-04 07:22

机器学习基础概念（三）：归纳与演绎

引言子曰：“举一隅，不以三隅返，则不复也”可是为什么可以从“一隅”得到“三隅”，而我们又该如何从“一隅”得到“三隅”呢？这就需要追溯到人认识世界的方式上，此处不展开讨论，总结这上亿年的生命演化流程，人类进化出丰富感觉器官感知世界，强壮的大脑处理感受到的信息，最后对相应的信息做出反馈。最初级的反馈是本能的，如膝跳反射，如瞳孔缩放这是不需要后天学习的，是大脑神经系统与生俱来的，是人类的本能；而一些高级
飓风神龙·2023-02-04 07:19

打卡笔记一

OpenMMLab深度学习时代最完整的计算机视觉开源算法体系机器学习基础机器学习是什么？从数据中学习经验，以解决特定问题。
Ehelehel·2023-02-04 00:21

openmmlab训练营第一次课程打卡

在这次直播中子豪兄从计算机视觉是什么，计算机视觉的发展，OpenMMLab体系的介绍，机器学习基础，神经网络基础，cnn等方面为我们展开了介绍。
Petrichor1122·2023-02-03 23:22

OpenMMLab学习第一课

计算机视觉的三大任务，分类，检测（关键点检测），分割，分割又有语义分割和实例分割机器学习基础：从数据中学习经验，以解决特定问题。
Demon Slayer·2023-02-03 15:00

OpenMMLab AI实战营第一天笔记

计算机视觉基础与openmmlab介绍机器学习和神经网络简介机器学习基础机器学习是什么？从数据中学习经验，以解决特定问题。
leeleesir·2023-02-03 09:16

机器学习实战（一）机器学习基础

"我不断地告诉大家，未来十年最热门的职业是统计学家。很多人认为我是开玩笑，谁又能想到计算机工程师会是20世纪90年代最诱人的职业呢？如何解释数据、处理数据、从中抽取价值、展示和交流数据结果，在未来十年将是最重要的职业技能，甚至是大学，中学，小学的学生也必需具备的技能，因为我们每时每刻都在接触大量的免费信息，如何理解数据、从中抽取有价值的信息才是其中的关键。这里统计学家只是其中的一个关键环节，我们还
我这只无助的小猫咪·2023-02-03 08:26

2023OpenmmLab实战训练营第一期（一）

人脸识别自动驾驶、环境感知图像生成、画风迁移视频理解与自动剪辑根据文本描述生成图片计算机视觉学习斯坦福cs231n课程b站同济子豪兄cs231n中文精讲北邮鲁鹏-计算机视觉与深度学习二、机器学习和神经网络简介机器学习基础
青人子木·2023-02-03 08:05

Openmmlab学习笔记

1机器学习与神经网络简介（20230201）1.1机器学习基础：训练、验证、应用1.2神经网络：拟合能力很强的函数权重、偏置值、非线性激活函数、输出层及softmax激活函数1.3卷积神经网络卷积层：输入图像像素与卷积核进行卷积输出
Benedicite·2023-02-03 08:52

机器学习基础学习-解析解实现简单线性回归

这里主要是因为博主作业要求，所以记录一下。关于一元线性回归问题的理论部分其实网上已经有很多解析了，这里记录一下简单的代码实现大佬绕路第一种解析解的方法首先其实实现一元线性回归在我的理解就是，我们首先有许多的样本点，我们需要拟合出最接近这些样本点的一条直线，于是我们假定这条直线是y=ax+b,就是我们以前学过的一元函数。然后因为我们希望尽可能的拟合，所以需要求用每个点减去我们的最佳拟合线上的点的差值
小夭。·2023-02-03 07:55

BP神经网络实现手写数字识别Python实现，带GUI手写画板

BP神经网络实现手写数字识别BP神经网络模型用tkinter编写用于手写输入的画板程序运行的效果截图在B站看了一个机器学习基础的视频（链接）后，发现到资料里面有一个用BP神经网络对手写数字进行分类的模型
查尔char·2023-02-02 13:05

机器学习基础---降维方法---T分布随机近邻嵌入(TSNE)推导

T-SNE（T-StochasticNeighborEmbedding）核心思想：对无监督聚类问题：PCA目的是在样本空间内找到子空间，以变换矩阵W对样本矩阵XXX实现原空间到子空间的映射，属于线性聚类方法；其方法核心在于最小化投影后方差LPP方法，本身结合了非线性流形学习方法LE（拉普拉斯特征映射）的思想，引入线性变换的假设，虽然从本质上说属于线性方法，但有效地保留原始高维数据内部的非线性结构，
Guanxiong He·2023-02-01 20:53

深度学习笔记（MNIST手写识别）

一、机器学习基础学习的定义：对于某类任务T核性能度量P，一个程序被认为可以从经验E中学习是指，通过E改进后，在任务T上由P衡量的性能有所提升。
烟火青年_Yan·2023-02-01 20:35

李宏毅课程笔记（机器学习基础

机器学习的分类从输出角度分类Regression（回归）：输出是一个值Classification（分类）：做选择题（需要准备好答案）用n维单位向量来表示一类SoftMax：yi′=ln(yi)∑ln(yi)y_i'=\frac{ln(y_i)}{\sumln(y_i)}yi′=∑ln(yi)ln(yi)在两个Class的情况下softmax等价于两个sigmoidStructuredLearni
LittleDragorse·2023-02-01 11:52

机器学习基础（一）混淆矩阵，真阳性(TP)，真阴性(TN)，假阳性(FP)，假阴性(FN)以及敏感性(Sensitivity)和特异性(Specificity)

机器学习基础（一）混淆矩阵真阳性，真阴性，假阳性，假阴性敏感性，特异性混淆矩阵混淆矩阵如下图：这里以是否有心脏病举例(二分类举例)，列代表机器学习算法所做的预测，有心脏病还是没有心脏病，行代表实际的情况
smallAction·2023-01-31 13:28

机器学习基础篇：支持向量机 - SVM

文章目录支持向量机-SVM一、简单定义二、基本术语三、线性可分支持向量机（硬间隔支持向量机）3.1模型&策略3.2算法四、线性支持向量机（软间隔支持向量机）五、非线性支持向量机参考支持向量机-SVM一、简单定义支持向量机（supportvectormachines,SVM）是一种二类分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机：支持向量机还包括核技巧，这
guieraxbc·2023-01-31 09:25

机器学习第一弹——入门篇

一、机器学习基础知识1、从机器学习谈起国内的机器学习大佬是吴恩达，网上有关于他的机器学习的公开视频，可以进行学习。机器学习是一种让计算机利用数据而不是指令来进行各种工作的方法。
艾羽蒙·2023-01-30 23:14

Python机器学习基础教程学习笔记（2）——KNN处理Iris数据集

Python机器学习基础教程学习笔记（2）——KNN处理Iris数据集1常规引用importnumpyasnpimportmatplotlib.pyplotaspltimportpandasaspdimportmglearn2
neumeng·2023-01-30 21:59

机器学习基础知识之损失函数

文章目录损失函数的定义1、回归问题上的损失函数2、分类问题上的损失函数3、损失函数的变形形式3.1回归问题3.2分类问题损失函数的定义损失函数（LossFunction）或代价函数（CostFunction）被定义为是一种将随机事件或与该事件有关的随机变量取值映射为某个非负实数来表示该随机事件存在的“风险”或“损失的函数”。这一函数在大多数时候都与优化问题相联系起来，例如在机器学习算法中，损失函数
七层楼的疯子·2023-01-30 12:44

Python机器学习基础教程学习笔记（7）——朴素贝叶斯分类器

Python机器学习基础教程学习笔记（7）——朴素贝叶斯分类器朴素贝叶斯分类器（NaiveBayesianClassifier）朴素贝叶斯分类器比线性模型训练速度更快代价是泛化能力要比线性更稍差朴素贝叶斯模型如此高效的原因在于
neumeng·2023-01-29 23:42

知识图谱学习笔记（二）——机器学习基础

机器学习基础1.机器学习基础理论与概念1.1机器学习概要机器学习专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
Aidanmomo·2023-01-29 14:12

机器学习基础核心算法：贝叶斯分类！(附西瓜书案例及代码实现)

Datawhale作者：尹晓丹，Datawhale优秀学习者寄语：首先，简单介绍了生成模型和判别模型，对条件概率、先验概率和后验概率进行了总结；其次，对朴素贝叶斯的原理及公式推导做了详细解读；再次，对三种可能遇到的问题进行了解析，给出了合理的解决办法；最后，对朴素贝叶斯的sklearn参数和代码进行了详解。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。而朴素贝叶
机器学习算法那些事·2023-01-28 15:29

【Python机器学习基础教程】第三章第四节：降维、特征提取与流形学习

降维、特征提取与流形学习主成分分析非负矩阵分解用t-SNE进行流形学习前面讨论过，利用无监督学习进行数据变换可能有很多种目的。最常见的目的就是可视化、压缩数据，以及寻找信息量更大的数据表示以用于进一步的处理。为了实现这些目的，最简单也最常用的一种算法就是主成分分析。我们也将学习另外两种算法：非负矩阵分解（NMF）和t-SNE，前者通常用于特征提取，后者通常用于二维散点图的可视化。主成分分析非负矩阵
调参侠鱼尾·2023-01-28 11:52

python机器学习基础03——sklearn之线性回归相关处理

文章目录线性回归+评价指标引入误差L范式介绍sklearn-线性回归评价指标多项式回归和过拟合欠拟合处理欠拟合的处理-多项式回归过拟合处理-正则化线性回归+评价指标引入误差在回归任务中不需要归一化的操作，本身就是寻找出权重的过程，不需要将各维度进行统一约束找出特征和特征权重之间的一种组合，从而来预测对应的结果，误差的存在是必然的，回归的问题不像分类的问题，回归是一个连续值的预测，分类而是离散值的确
友培·2023-01-28 10:47

Titanic 泰坦尼克号预测-Tensorflow 方法-【Kaggle 比赛】

泰坦尼克号幸存预测是Kaggle上的一个入门级比赛，利于平台给的数据集，预测泰坦尼克号上不同乘客的幸存情况，并熟悉机器学习基础知识。2
Tim_Van·2023-01-27 16:34

数学建模国赛：python机器学习基础之数据归一化、去除空值

首先我们要明确为什么要将数据归一化或者说是标准化，因为不同数据范围相差太大，不好比较，所以要消除不同量纲单位带来的影响，归一化后各数据指标处于同一数量级，适合进行综合对比评价想要数据集或者有什么不明白的可以点赞关注后私信答主归一化一般是把数据调整到[0,1]范围内每一列处理公式是(x-min)/(max-min)maxmin为那一列的最大和最小值原数据如下：归一化后数据如下：代码如下fromskl
showswoller·2023-01-27 10:20

推荐：周志华《机器学习》西瓜书精炼版笔记来了！

本书作为该领域的入门教材，在内容上尽可能涵盖机器学习基础知识的各方面。
风度78·2023-01-27 08:12

自然语言学习路线图

01完整路线第一部分：机器学习基础篇第一章：自然语言处理概述1.自然语言处理的现状与前景2.自然语言处理应用3.自然语言处理经典任务第二章：数据结构与算法基础4.时间复杂度、空间复杂度5.动态规划6.贪心算法
Gavin_hello·2023-01-27 01:54

《机器学习实战》读书笔记：第一章 机器学习基础

k-近邻算法、决策树、朴素贝叶斯、Logistic回归、支持向量机、AdaBoost非均衡分类问题：训练样本某个分类的数据多于其他分类的数据第一章机器学习基础机器学习：利用计算机来彰显数据背后的真实含义人脸识别
funnything2014·2023-01-26 07:30

Datawhale 2021.7集成学习 笔记

机器学习数学基础基于python-B站视频高等数学和线性代数概率论和随机过程初步数理统计（极大似然估计）极大似然估计与贝叶斯估计随机过程基础与泊松分布马尔可夫过程、鞅过程与高斯过程拒绝采样和MCMC采样CH2-机器学习基础模型回顾机器学习基础模型回顾
今夜我说·2023-01-23 10:24

决策树算法之分类回归树 CART（Classification and Regression Trees）【1】

分类回归树CART是决策树家族中的基础算法，它非常直觉（intuitive），但看网上的文章，很少能把它讲的通俗易懂（也许是我理解能力不够），幸运的是，我在Youtube上看到了这个视频，可以让你在没有任何机器学习基础的情况下掌握
程序员在深圳V·2023-01-22 07:03

机器学习基础

(强推)浙江大学-机器学习_哔哩哔哩_bilibili机器学习定义：赋予计算机学习的能力，但这种能力不是通过显著式编程获得的显著式编程：人为地把先验信息告诉计算机，让计算机根据先验信息总结出结果非显著式编程：计算机自己总结规律的编程方法（1）E：计算机下的每一步棋以及相应的结果P：规定时间内计算机赢的次数（2）E：垃圾邮箱和非垃圾邮箱P：识别结果中垃圾邮箱占比（3）E：大量的人脸数据P：人脸识别准
andwhataboutit?·2023-01-22 07:27

机器学习基础以及在pynq-Z2上部署Faster-RCNN的项目学习1

目录一.python代码基础1.1.原始数据类型与操作1.1.1.数值型1.1.2.布尔型1.1.3.字符串1.1.4.其他1.2.变量与集合1.2.1.输入输出1.2.2.列表(List)1.2.3.元组(Tuple)1.2.4.字典(Dictionaries)1.2.5.集合(Set)1.3.控制流1.3.1.分支结构1.3.2.循环结构1.3.3.异常处理1.3.4.迭代器1.3.5.函数1
qq_51441754·2023-01-21 14:35

机器学习基础

机器学习基础学习目标掌握机器学习相关概念掌握机器学习如何构建机器学习模型过程1.为什么学习机器学习？随着技术的不断发展,我们使用的分析方式也在不断发展和变化。
龙技术·2023-01-18 20:00

EnsembleLearning-机器学习基础（day1）

第一章机器学习基础机器学习的三大主要任务1.导论什么是机器学习？机器学习的一个重要的目标就是利用数学模型来理解数据，发现数据中的规律，用作数据的分析和预测。
毛球饲养员·2023-01-18 14:15

机器学习基础-数据降维

http://blog.itpub.net/29829936/viewspace-2643140/2019-05-0110:06:00首先需要了解下：什么叫做数据降维，为什么要对数据进行降维，如果不做降维处理会出现哪些问题？一、什么是数据降维数据降维，又称为维数约简。顾名思义，就是降低数据的维度。数据降维，一方面可以解决"维数灾难"，缓解"信息丰富、知识贫乏"现状，降低复杂度；另一方面可以更好的认
喜欢打酱油的老鸟·2023-01-17 15:03

01机器学习基础

本章主要介绍机器学习中的重要概念、数据处理方法、一些应用等文章目录一、人工智能、机器学习、深度学习之间的关系二、机器学习概述1.基本概念2.损失函数（LossFunction）：3.过拟合和欠拟合三、机器学习方法分类1.有监督学习(SupervisedLearning)2.无监督学习(UnsupervisedLearning)3.半监督学习(Semi-SupervisedLearning)4.深度
心之所向h·2023-01-17 15:30

机器学习基础——k-近邻算法概述和简单实现

本章内容k-近邻分类算法从文本文件中解析数据前言 众所周知，电影可以按照题材分类，然而题材本身是如何定义的?由谁来判定某部电影属于哪个题材?也就是说同一题材的电影具有哪些公共特征?这些都是在进行电影分类时必须要考虑的问题。没有哪个电影人会说自己制作的电影和以前的某部电影类似,但我们确实知道每部电影在风格上的确有可能会和同题材的电影相近。那么动作片具有哪些共有特征，使得动作片之间非常类似,而与爱情片
心无旁骛~·2023-01-17 12:35

【机器学习基础】数学推导+纯Python实现机器学习算法27：EM算法

Python机器学习算法实现Author：louwillMachineLearningLab从本篇开始，整个机器学习系列还剩下最后三篇涉及导概率模型的文章，分别是EM算法、CRF条件随机场和HMM隐马尔科夫模型。本文主要讲解一下EM（Expectionmaximization），即期望最大化算法。EM算法是一种用于包含隐变量概率模型参数的极大似然估计方法，所以本文从极大似然方法说起，然后推广到EM
风度78·2023-01-17 12:34

【机器学习基础】数学推导+纯Python实现机器学习算法24：HMM隐马尔可夫模型

Python机器学习算法实现Author：louwillMachineLearningLabHMM（HiddenMarkovModel）也就是隐马尔可夫模型，是一种由隐藏的马尔可夫链随机生成观测序列的过程，是另一种经典的概率图模型。本文在阐述HMM的基本定义和相关概念的基础上，引申出HMM的三个重要问题：估计算法、学习算法和预测算法问题，并给出相应的代码实现方式。HMM的定义与相关概念HMM是关于
风度78·2023-01-17 12:34

机器学习——基础知识(1)

机器学习文章目录机器学习基础知识模型拟合程度常见的模型指标模型特征工程基础知识统计学习或机器学习一般包括监督学习、无监督学习、强化学习。有时还包括半监督学习、主动学习。
Aure219·2023-01-16 17:06

机器学习基础算法（6）

6、线性回归6.1线性回归模型6.1.1线性回归模型简介线性回归，就是能够用一个直线较为精确地描述数据之间的关系。这样当出现新的数据的时候，就能够预测出一个简单的值。线性回归中最常见的就是房价的问题。一直存在很多房屋面积和房价的数据，如下图所示：在这种情况下，就可以利用线性回归构造出一条直线来近似地描述放假与房屋面积之间的关系，从而就可以根据房屋面积推测出房价。6.1.2线性回归的函数模型事实上，
沉迷学习的郑博士·2023-01-16 00:08

我有一个计划001之数据挖掘面试（更新ing）

z1.吴恩达的机器学习基础知识首先应该将吴恩达的那款笔记从头到尾过一遍，公式必须要手推。
weixin_34410662·2023-01-15 11:55

Python深度学习-基于pytorch-2

day5（10月17日）今日关键词：机器学习基础视觉处理基础CIFAR-10代码实现机器学习的基本任务机器学习基本任务一般分为四类：监督学习、无监督学习、半监督学习以及强化学习。
冲冲冲(ಡωಡ)·2023-01-14 11:35

python机器学习基础教程--1引言

机器学习（machinelearning）是从数据中提取知识。它是统计学、人工智能和计算机科学交叉的研究领域，也被称为预测分析（predictiveanalytics）或统计学习（statisticallearning）。1.1为何选择机器学习在“智能”应用的早期，许多系统使用人为制订的“if”和“else”决策规则来处理数据，或根据用户输入的内容进行调整。但是，人为制订决策规则主要有两个缺点。•
To_be_brave1·2023-01-14 00:09
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他