机器学习基础

python 机器学习基础教程——第一章，引言

https://www.cnblogs.com/HolyShine/p/10819831.html#fromsklearn.datasetsimportload_irisimportnumpyasnp#科学计算基础包fromscipyimportsparseimportmatplotlib.pyplotaspltimportpandasaspdfromIPython.displayimportdi
weixin_30567471·2023-01-14 00:09

机器学习基础-30:特征工程与模型选择

机器学习的特征工程与模型选择机器学习原理与实践(开源图书)-总目录，建议收藏，告别碎片阅读！1数据预处理数据预处理包括:数据清洗、数据格式转换和领域知识收集等。数据清洗的任务是过滤掉不符合要求的数据；不符合要求的数据主要是不完整的数据、错误的数据和重复的数据。过滤掉的数据需要业务部门是否需要重新采集，是否需要修正，是否包含重要隐含特征等？数据清洗之后的合格数据，需要经过显式数据格式转换，转换成目标
MTVideoAI·2023-01-13 16:03

统计学系统学习目录（持续更新中）

2023年1月11日概率论基础矩阵论基础统计学基础回归分析基础凸优化基础随机过程基础随机过程预备知识离散鞅理论随机微分方程时间序列分析基础随机微分方程在时间序列的应用神经网络随机微分方程在时间序列的应用机器学习基础
邓宏宇·2023-01-12 17:11

【机器学习、深度学习与强化学习】机器学习（1）---机器学习简介

我先列一些我会用到的机器学习、深度学习的参考资料吧：1.西瓜书——周志华《机器学习》2.动手学深度学习——李沐3.B站李沐视频或者斯坦福CS329P4.youtube——李宏毅全套的公开课5.李航——统计学习方法6.吴恩达——机器学习基础
旋转跳跃我闭着眼·2023-01-11 20:05

机器学习基础

机器学习基础本章涵盖了以下主题：分类和回归之外的其他类型的问题；评估问题，理解过拟合、欠拟合，以及解决这些问题的技巧；为深度学习准备数据。
m0_72579657·2023-01-11 10:31

李宏毅机器学习2021作业1感受

所以准备先把b站Pytorch入门、清华大学学堂在线上的《机器学习概论》、吴恩达经典的《机器学习》以及机器学习基础实战项目学完再回来继续学李宏毅机器学习了。
Ternence06·2023-01-10 18:48

机器学习基础概念

什么是监督学习、无监督学习、强化学习、弱监督学习、半监督学习、多示例学习？监督学习(supervisedlearning)：已知数据和其一一对应的标签，训练一个智能算法，将输入数据映射到标签的过程。监督学习是最常见的学习问题之一，就是人们口中常说的分类问题。比如已知一些图片是猪，一些图片不是猪，那么训练一个算法，当一个新的图片输入算法的时候算法告诉我们这张图片是不是猪。无监督学习(unsuperv
TaylorMei·2023-01-10 16:18

【机器学习基础】集成模型

文章目录概述1.Boosting2.Bagging偏差和方差的区别3.Stacking4.Dropout训练RandomForest1.原理2.优缺点拓展：【RF模型能够输出特征的重要性程度】GBDT1.GBDT适用范围？2.GBDT和随机森林（RF）的区别？3.GBDT相较于决策树有什么优点？4.GBDT的gradient体现在哪里？5.GBDT的re-sampleXgboost建树方式树分裂方
two_star·2023-01-10 13:13

机器学习基础：模型集成/集成学习

目录1.什么是集成学习1.1分类器集成的结果1.2构造基分类器的三种方法1.3多个基分类器如何进行分类2.分析预测模型的泛化误差3.分类器集成方法3.1装袋法Bagging（实例操作）3.2随机森林法RandomForest（特征操作）3.3演进法Boosting（算法操作）3.3.1演进法实例：AdaBoost3.3.2装袋法/随机森林和演进法对比3.4堆叠法Stacking1.什么是集成学习集
小羊和小何·2023-01-10 13:10

机器学习基础

一，Bias(偏差)，Error(误差)和Varience(方差)1.1，偏差与方差公式1.2，导致偏差和方差的原因1.3，深度学习中的偏差与方差1.4，交叉验证1.5，均方误差和方差、标准差二，先验概率与后验概率2.1，条件概率2.2，先验概率2.3，后验概率2.4，贝叶斯公式2.5，后验概率实例三，相对熵与交叉熵3.1，信息熵3.2，相对熵/KL散度3.3，交叉熵cross-entroy3.4
qq_1041357701·2023-01-10 09:27

机器学习基础-10:机器学习简史

机器学习简史机器学习原理与实践(开源图书)-总目录，建议收藏，告别碎片阅读！人类社会和自然界每时每刻都会生产大量数据，数据即信息，如果有效利用这些信息和数据，如何根据个体和机构的特定需求从海量数据中建立模型或发现有用的知识？现在我们有了足够的基础设施收集数据和处理数据的能力，诸如：物联网、全球导航系统、互联网、工业互联网、电信网络、移动通信网络、传感器网络、云计算、超级计算机集群。从海量数据中建立
MTVideoAI·2023-01-09 14:56

机器学习基础——详解自然语言处理之tf-idf

本文始发于个人公众号：TechFlow，原创不易，求个关注今天的文章和大家聊聊文本分析当中的一个简单但又大名鼎鼎的算法——TF-idf。说起来这个算法是自然语言处理领域的重要算法，但是因为它太有名了，以至于虽然我不是从事NLP领域的，但在面试的时候仍然被问过好几次，可见这个算法的重要性。好在算法本身并不困难，虽然从名字上看疑惑重重，但是一旦理解了其中的原理，一切都水到渠成，再也不怕面试的时候想不起
TechFlow·2023-01-09 14:13

机器学习基础——线性回归公式推导（附完整代码）

在之前的文章当中，我们介绍过了简单的朴素贝叶斯分类模型，介绍过最小二乘法，所以这期文章我们顺水推舟，来讲讲线性回归模型。线性回归的本质其实是一种统计学当中的回归分析方法，考察的是自变量和因变量之间的线性关联。后来也许是建模的过程和模型训练的方式和机器学习的理念比较接近，所以近年来，这个模型被归入到了机器学习的领域当中。然而，不管它属于哪个领域，整个模型的思想并没有发生变化。我们只要有所了解即可。模
TechFlow·2023-01-09 13:06

正则化的通俗解释_正则化面经整理——from牛客

在解释正则化之前，老老实实的把李航的机器学习基础复习一遍，否则会很迷糊。
weixin_39633493·2023-01-09 10:31

基本概念------Hadamard product / Element-wise multiplication / Element-wise product /Point-wise product

首先引入点乘（dotproduct）的概念更多机器学习基础知识HadamardProduct(Element -wiseMultiplication，Element-wiseproduct)两个向量的Hadamard
大别山伧父·2023-01-09 00:13

[机器学习基础]

机器学习基础人工智能：使机器具备人的意识和思维人工智能三学派：行为主义：控制论，如平衡控制系统符号主义：基于算术逻辑表达式，将问题描述为表达式，使计算机具有理性思维，如专家系统连接主义：模仿神经元连接关系
Tensorrrrrr·2023-01-08 17:09

机器学习基础篇（四）——交叉验证

机器学习基础篇（四）——交叉验证一、概述交叉验证是在机器学习建立模型和验证模型参数时常用的办法。
柚子味的羊·2023-01-08 17:36

机器学习_第四天（非监督学习+思维导图）

文章目录1、非监督学习（无目标值）1.1k-means聚类API1.2Kmeans性能评估指标1.2.1KmeansAPI1.3Kmeans总结2、机器学习基础--思维导图1、非监督学习（无目标值）k-means
迷茫中奋斗·2023-01-08 10:49

【机器学习基础】9 大主题！机器学习算法理论面试题大汇总

机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。算法理论基础不仅包含基本概念、数学基础，也包含了机器学习、深度学习相关。今天给大家推荐一个不错的算法理论基础面试题汇总资源，已开源~首先放上这份开源面试题汇总的地址：https://github.com/sladesha/Reflection_Summary其作者是Slade
风度78·2023-01-08 06:27

决策树和随机森林算法原理和实现

机器学习基础（五）决策树概念算法原理信息熵和信息增益Gini指数随机森林算法流程随机抽样Bagging算法随机森林概要特征重要性决策树概念决策树是一种基本的分类与回归的方法。
想要快乐的小张·2023-01-07 18:05

Python机器学习基础教程

文章目录监督学习与预处理无监督学习的类型数据集变换聚类无监督学习的挑战预处理与缩放应用数据变换对训练数据和测试数据进行相同的缩放预处理对监督学习的作用降维、特征提取与流形学习主成分分析将PCA应用于cancer数据集并可视化特征提取的特征脸非负矩阵分解将NMF应用于模拟数据将NMF应用与人脸图像用t-SNE进行流形学习监督学习与预处理在无监督学习中，学习算法只有输入数据，并需要从这些数据中提取知识
小小小方·2023-01-07 13:57

【Python机器学习基础教程】第一张引言知识总结及代码总结

第一个实例：鸢尾花分类#鸢尾花分类importnumpyasnpimportpandasaspdimportmglearnfromsklearn.datasetsimportload_iris#加载数据iris_datasets=load_iris()print('keysofiris_datasets:\n{}'.format(iris_datasets.keys()))#划分数据fromskl
不学完买不起新衣服·2023-01-07 13:57

《Python机器学习基础教程》(上)

整体计划：时间不多的情况下需要快速构建机器学习系统，先有个整体框架，再慢慢学习。争取未来能够从企业级应用老旧领域转到数据分析和机器学习（人工智能）新兴领域，布局未来。第1章引言人工智能、机器学习和深度学习的区别?机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。我们就用最简单的方法——同心圆，可视化地展现出它们三者的关系：机器学习介绍：机器学习（machinelearning）是
Jeff~·2023-01-07 13:27

【机器学习基础】样本类别不平衡的解决办法

目录一数据不平衡现象以及分析二解决措施1.采样（1）随机下采样（Randomundersamplingofmajorityclass）（2）随机过采样（3）EditedNearestNeighbor算法（4）RepeatedEditedNearestNeighbor算法（5）EasyEnsemble算法（6）BalanceCascade算法（7）NearMiss算法（8）TomekLink算法2.
Tuzi_bo·2023-01-07 06:20

机器学习基础（6）—— 使用权重衰减和丢弃法缓解过拟合问题

关于过拟合问题的详细说明请见：机器学习基础（3）——泛化能力、过拟合与欠拟合文章目录1.权重衰减1.1原理1.2实验1.2.1手动实现1.2.2利用Pytorch简洁实现2.丢弃法2.1原理2.2实验2.2.1
云端FFF·2023-01-06 13:34

【b站 机器学习基础】二、神经网络训练之局部最小值点local minima和鞍点 saddle point

gradient接近0的点：criticalpoint1）localminima2)saddlepoint判断梯度为0的点
Winds_Up·2023-01-06 08:40

多分类f1分数_多分类的评价指标PRF（Macro-F1/MicroF1/weighted）详解

然鹅，细看下来竟有点晦涩难懂，马篇博留个念咯~前言PRF值分别表示准确率(Precision)、召回率(Recall)和F1值(F1-score)，有机器学习基础的小伙伴应该比较熟悉。
真实故事计划·2023-01-05 19:30

Paddle飞桨图神经训练营笔记

图神经网络链接：图神经网络7日打卡营课程基础数学基础：高等数学线性代数概率与数理统计编程基础Python:numpyPaddlePaddle1.8PGL机器学习基础神经网络（FC，BPNN)资料综述GraphNeuralNetworks
洛Darki·2023-01-05 15:49

机器学习笔记—吴恩达

该部分整理了关于机器学习基础理论的知识，整合了其他大佬的笔记做了一份x-mind图。需要的话可以自取。
这里是阿丁·2023-01-04 15:37

【人工智能】机器学习基础速览

机器学习基础速览目录机器学习基础速览机器学习的特点机器学习典型任务机器学习算法分类(1)监督学习(2)无监督学习(3)半监督学习(4)强化学习机器学习算法的整体流程数据预处理脏数据数据的转换特征选择特征选择方法
萌狼蓝天·2023-01-04 14:39

【机器学习】图解机器学习神器：Scikit-Learn

图解机器学习本文详解scikit-learn工具库的用法，覆盖机器学习基础知识、SKLearn讲解、SKLearn三大核心API、SKLearn高级API等内容。
风度78·2023-01-04 13:59

机器学习基础-12:机器学习的通用流程

机器学习的通用流程机器学习原理与实践(开源图书)-总目录，建议收藏，告别碎片阅读！机器学习的通用流程包括：采集原始数据，原始数据来自若干种数据源；清洗数据，清洗数据的目标是将原始数据转换成目标系统的数据并存储；机器学习处理输入数据并输出机器学习决策；机器学习决策输出到外部系统，外部系统做进一步的显示、控制、反馈或通知等链式关联操作。完整流程如下图所示。1确定问题域我们的数据源是什么？需要确定数据源
MTVideoAI·2023-01-04 10:42

keras实现线性回归模型

机器学习基础与线性回归方程笼统的定义：机器学习研究如何让计算机不需要明确的程序也能具备学习能力。什么是机器学习？系统用来学习的这些示例，我们称之为训练集。每一个训练示例称为训练实例或者是训练样本。
人山人海边走边爱·2023-01-03 12:12

【笔记】【机器学习基础】非负矩阵分解

非负矩阵分解非负矩阵分解(NMF)是一种无监督学习算法，目的在于提取有用的特征，工作原理类似于PCA，可以识别出组合成数据的原始分量，也可以用于降维，通常不用于对数据进行重建或者编码。1、将NMF应用于模拟数据应用NMF时，我们必须保证数据是正的两个分量的非负矩阵分解和一个分量的非负矩阵分解找到的分量mglearn.plots.plot_nmf_illustration()在NMF中，不存在“第一
'VeNus·2023-01-03 11:18

【笔记】【机器学习基础】交叉验证

（一）交叉验证交叉验证（cross-validation）是一种评估泛化性能的统计学方法，它比单次划分训练集和测试集的方法更加稳定、全面。在交叉验证中，数据被多次划分，并且需要训练多个模型。最常用的交叉验证是k折交叉验证（k-foldcross-validation），其中k是由用户指定的数字，通常取5或10。5折交叉验证：1、将数据划分为（大致）相等的5部分，每一部分叫作折（fold）2、训练一
'VeNus·2023-01-03 11:18

【笔记】【机器学习基础】1.7 鸢尾花分类

1.7鸢尾花分类问题背景：鸢尾花有三个品种1.setosa2.versicolor3.virginica目标：构建模型，从已知数据中预测新的鸢尾花的品种（三分类问题）监督学习问题：从已知到未知类别：可能的输出（花的品种）标签：单个数据点的预期输出是这个花的品种一、数据集iris对象是一个Bunch对象，有点像字典，有键值对fromsklearn.datasetsimportload_iris#lo
'VeNus·2023-01-03 11:17

【笔记】【机器学习基础】主成分分析

主成分分析主成分分析（PCA）是一种旋转数据集的方法，旋转后的特征在统计上不相关。(1)用PCA做数据变换mglearn.plots.plot_pca_illustration()图1：在原始数据点集中，找到方差最大的方向，标记为成分1。这是包含信息最多的方向（或向量）。找到与成分1正交（成直角）且包含最多信息的方向，标记为成分2。其找到的方向即为主成分图2：将数据旋转，使第一主成分与X轴平行，旋
'VeNus·2023-01-03 11:13

机器学习基础 第一章 机器学习概述

一机器学习概述1.1统计学习1学习方法监督学习，非监督学习，半监督学习2统计学习三要素模型，策略，算法1.2监督学习1基本概念输入、输出空间，特征空间，假设空间2监督学习过程1.3模型评估与选择1训练误差与测试误差2过拟合与正则化3交叉验证4评价指标准确率和召回率1.4模型的泛化能力即预测模型对样本的预测能力
zc02051126·2023-01-03 09:57

Python人工智能概念之机器学习基础入门思维导图，果断收藏

人工智能学习路径第一章全网最详细的Python入门思维导图，果断收藏第二章Python桌面应用开发（PyQT）入门思维导图，果断收藏第三章Python数据分析（Numpy和Pandas学习）入门思维导图，果断收藏文章目录人工智能学习路径前言一、人工智能概念1.几个相关概念2.人工智能、机器学习、深度学习、计算机视觉、自然语言处理的关系3.真假智能的分辨二、机器学习知识图谱总结前言初学者刚开始学习人
C君莫笑·2023-01-03 09:18

【人工智能全栈学习】机器学习基础知识——分类器和机器学习三大定律（看完就全懂了）

【人工智能全栈学习】机器学习基础知识——分类器和机器学习三大定律（看完就全懂了）一、问题二、人工智能全栈学习系列课程三、集成学习Bagging&随机森林BoostingStacking四、KNN:K临近算法基本概念
一拳Marx·2023-01-02 16:01

机器学习基础知识

一、监督学习与无监督学习1、监督学习（分类与回归）监督学习需要具有标签（label）的训练数据。如做分类，你需要先对训练数据做标记，然后才能训练模型将数据分成标记类。分类与回归的对比：都是对输入做出预测。输出不同。如果机器学习模型的输出是物体所属的类别是离散值，例如布尔值，我们称之为分类模型。如：预测明天及以后几天的天气情况：明天阴，下周一晴，是分类；如果机器学习模型的输出的是物体的值，是连续值的
轩儿毛肚·2023-01-02 16:00

青职院人工智能03机器学习基础（三）

2.8分类算法分类算法和回归算法是对真实世界不同建模的方法。分类模型是认为模型的输出是离散的，例如大自然的生物被划分为不同的种类，是离散的。回归模型的输出是连续的，例如人的身高变化过程是一个连续过程，而不是离散的。因此，在实际建模过程时，采用分类模型还是回归模型，取决于你对任务（真实世界）的分析和理解。2.8.1常用分类算法的优缺点？接下来我们介绍常用分类算法的优缺点，如表2-1所示。表2-1常用
青职院实训1组田老师·2023-01-02 10:05

目录-深度学习

引言1.1本书面向的作者1.2深度学习的历史趋势1.2.1神经网络的众多名称和命运变迁1.2.2与日俱增的数据量1.2.3与日俱增的模型规模1.2.4与日俱增的精度，复杂度和对现实世界的冲击一应用数学与机器学习基础
小登老师·2023-01-02 10:56

机器学习基础（三）——KNN/朴素贝叶斯/交叉验证/网格搜索

文章目录3.K近邻算法（KNN）3.1读取数据信息3.2处理数据3.2.1缩小数据,查询数据筛选3.2.2处理时间的数据3.2.3取出目标值和特征值3.3划分训练集和测试集3.4特征工程（标准化）3.5计算predict和Score3.6KNN算法总结4.分类模型评估（精确率与召回率）5.交叉验证与网格搜索6.朴素贝叶斯算法6.1拉普拉斯平滑6.2sklearn朴素贝叶斯实现API6.3朴素贝叶斯
Bayesian小孙·2023-01-02 08:23

机器学习基础——分类算法之朴素贝叶斯算法（Bayes)、分类模型评估、选择和调优

目录1概率论知识2贝叶斯公式3sklearn包中的API（MultinomialNB)4朴素贝叶斯算法案例——文本分类4.1案例流程4.2代码及结论4.3案例缺点5朴素贝叶斯的优缺点5.1优点5.2缺点6分类模型的评估6.1混淆矩阵6.2精确率和召回率和F值6.2.1定义6.2.2分类模型评估API7模型选择与调优7.1交叉验证7.1.1交叉验证过程7.2超参数搜索——网格搜索7.2.1网格搜索调
chelsea_tongtong·2023-01-02 08:49

机器学习基础

一，Bias(偏差)，Error(误差)和Varience(方差)1.1，偏差与方差公式1.2，导致偏差和方差的原因1.3，深度学习中的偏差与方差1.4，交叉验证1.5，均方误差和方差、标准差二，先验概率与后验概率2.1，条件概率2.2，先验概率2.3，后验概率2.4，贝叶斯公式2.5，后验概率实例三，相对熵与交叉熵3.1，信息熵3.2，相对熵/KL散度3.3，交叉熵cross-entroy3.4
qq_1041357701·2023-01-02 07:12

《机学零》机学概述 —— 机器学习基础知识、进行机器学习的流程

一、基础概述1、机器学习开发流程2、机器学习模型是什么3、机器学习算法分类二、需明确问题（1）算法是核心，数据和计算是基础（2）找准定位：大部分复杂模型的算法设计都是算法工程师在做，而我们要做的是：1.分析很多的数据2.分析具体的业务3.应用常见的算法4.特征工程、调参数、优化三、具体要怎样做学会分析问题，使用机器学习算法的目的，想要算法完成何种任务掌握算法基本思想，学会对问题用相应的算法解决学会
深蓝冰河·2023-01-01 14:55

第二重要极限公式推导过程_机器学习——一文详解逻辑回归「附详细推导和代码」...

讲透机器学习中的梯度下降机器学习基础——线性回归公式推导(附代码和演示图)回归与分类在机器学习
jck?????·2023-01-01 12:06

机器学习基础算法20- 鸢尾花数据集分类-随机森林

代码#鸢尾花数据分类-随机森林#结果为6个随机森林得到的结果importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportmatplotlibasmplfromsklearn.ensembleimportRandomForestClassifier#defiris_type(s):#it={'Iris-setosa':0,'Iri
qq_42749341·2022-12-31 09:49

PyFlink 有状态流处理在线机器学习基础实例 手写体识别

01在线机器学习1.1在线机器学习简介准确地说，在线学习并不是一种模型，而是一种模型的训练方法。能够根据线上反馈数据，实时快速地进行模型调整，形成闭环的系统，同时也使得模型能够及时反映线上的变化，提高线上预测的准确率。在线学习与离线学习，在数据的输入与利用上有明显的区别：在线学习的训练数据是一条条（或者是mini-batch微批少量）进来的，不像离线学习时可以一次性加载大量的数据。在线学习的数据只
王清欢Randy·2022-12-30 14:28
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他