机器学习基础ML_Base 第10页

【神经网络与深度学习】笔记 ——邱锡鹏著

Neuralnetworksanddeeplearning第一部分机器学习基础一、绪论机器学习表示学习二、机器学习概述第二部分基础模型1/4卷积神经网络-CNN2/4循环神经网络-RNN3/4生成对抗网络

周祁安·2022-12-29 22:18

机器学习基础算法（数据集和特征工程）

目录数据集的组成可用数据集数据集结构特征工程数据的特征抽取字典的特征抽取DictVectorizer语法流程对文本进行特征值化tfidf方式提取文本特征TfidfVectorizer语法流程数据的特征预处理归一化公式语法步骤总结标准化公式语法步骤总结缺失值处理缺失值处理方法语法步骤关于np.nan数据的降维sklearn特征选择：VarianceThreshold语法步骤sklearn降维：PCA

Bro_Jun·2022-12-29 19:58

02机器学习基础-特征工程概念

机器学习基础-特征工程概念特征工程定义数据集可用的数据集特征值和目标值使用sklearn特征抽取安装sklearn特征抽取演示特征抽取api特征工程定义将原始数据转换为特征，提高预测的准确性数据集可用的数据集

zheng.plus·2022-12-29 16:22

机器学习基础（2）——基于pytorch的LeNet模型

1、前言根据上一篇文章中所配置的数据集开始一些简单基础的神经网络模型搭建，首先是LeNet模型，LeNet-5出自1998年YLecun的论文《Gradient-BasedLearningAppliedtoDocumentRecognition》，论文链接如下：Gradient-basedlearningappliedtodocumentrecognition-百度学术2、模型复现（1）模型搭建i

M朗拿度·2022-12-29 16:07

机器学习基础（1）——数据集下载与预处理

1.前言为了后续统一数据集进行测试，本系列统一采用开源的花分类数据集，下载地址为https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz（有可能因为境外服务器的原因下载失败，此处给出flower_photos.tgz百度网盘分享链接：https://pan.baidu.com/s/

M朗拿度·2022-12-29 16:23

用python编写神经网络bp_python 神经网络bp

Python机器学习基础教程系列1、《Python机器学习基本概念》2、《Python机器学习决策树算法》3、《Python机器学习决策树应用》4、《Python机器学习最邻近规则分类(KNN)算法理论

weixin_39573981·2022-12-29 14:54

【人工智能】传统机器学习算法（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）线性分类器涉及内容

不牌不改·2022-12-29 12:42

谷歌机器学习规则要点简析：43条黄金法则

blog.itpub.net/31542492/viewspace-2156228/目录术语概览在进行机器学习之前机器学习第一阶段：您的第一个管道关于机器学习工程的最佳实践马丁·辛克维奇本文档旨在帮助已掌握机器学习基础知识的人员从

喜欢打酱油的老鸟·2022-12-28 07:43

机器学习规则 (Rules of Machine Learning)：关于机器学习工程的最佳实践

马丁·辛克维奇本文档旨在帮助已掌握机器学习基础知识的人员从Google机器学习的最佳实践中受益。它介绍了一种机器学习样式，类似于GoogleC++样式指南和其他常用的实用编程指南。

weixin_30699955·2022-12-28 07:42

关于机器学习工程的最佳实践

本文档旨在帮助已掌握机器学习基础知识的人员从Google机器学习的最佳实践中受益。它介绍了一种机器学习样式，类似于GoogleC++样式指南和其他常用的实用编程指南。

风中静行·2022-12-28 07:11

谷歌机器学习规则 (Rules of Machine Learning)

----------------------------------------------------------------------关于机器学习工程的最佳实践马丁·辛克维奇本文档旨在帮助已掌握机器学习基础知识的人

17西伯利亚狼·2022-12-28 07:07

机器学习基础概念与算法

1.概念与术语机器学习领域和数据库领域，是数据挖掘的两大支撑。数据库领域的研究为数据挖掘提供数据管理技术，机器学习和统计学的研究为数据挖掘提供数据分析技术。统计学的研究成果，通常需要机器学习研究来形成有效的学习算法。学习：如果一个系统能够通过执行某种过程而改进它自身的性能，就是学习。机器学习是机器具有智能的重要标志，同时也是机器获得知识的根本途径。机器学习是人工智能应用继专家系统后的又一重要研究领

u012417757·2022-12-28 02:17

轻松入门自然语言处理系列 03 机器学习基础-逻辑回归

文章目录前言一、逻辑回归中的条件概率1.逻辑回归的应用2.理解基准3.分类问题4.逻辑函数5.样本条件概率二、逻辑回归的目标函数1.最大似然估计MaximumLikelihoodEstimation2.逻辑回归的似然函数3.逻辑回归的最大似然估计三、梯度下降法1.求解函数的最小值最大值2.梯度下降法3.逻辑函数求导4.逻辑回归的梯度下降法四、随机梯度下降法1.梯度下降法的缺点2.随机梯度下降法3.

cutercorley·2022-12-27 22:36

Day02机器学习基础入门

1、机器学习的三大门派（1）机器学习根据数据训练的经验，能得出某种数据模型并利用于此模型来预测未来的一种方法。（2）深度学习就是能实现机器学习技术的神经网络算法。（3）人工智能是机器展现人类智慧并且交叉各类综合技术学科，能适用于各行各业普适性很强的一门新技术。2、机器学习分类基于学习方式可分为:(1)监督学习：目前使用最广的一种学习方式，指模型的训练既有数据也有衡量标准（也称为导师监督），即数据训

computerismylife·2022-12-27 22:05

机器学习基础简述（一）：决策树

决策树学习的时候手抄了很多大佬们的笔记，这是从手抄本上重新整理的，有空搜一搜把参考过的大佬们的链接贴上来。1.几种常见算法的简单对比算法类别算法特点对比损失函数随机森林（RF）bagging方法，基于样本对样本进行有放回采样，多次采样来训练不同树，最后投票得到结果adaboostboosting方法，基于样本提高被错分样本的权重，最后加权计分来得到结果，使用的决策树通常为单层决策树（一个决策点）指

巧克力珍珠奶茶·2022-12-27 21:17

7天强化学习营学习笔记

7天飞桨深度学习学院--强化学习笔记1基础知识Lesson1学习笔记--RL初印象相关概念RL应用课外学习资料强化学习与监督学习的区别强化学习的算法和环境实践基础知识只是大概的内容，包括5大部分：1.机器学习基础知识

sandypx·2022-12-26 23:03

机器学习基础（七）：概率图模型（HMM、MRF、CRF、话题模型、推断方法）

7、概率图模型概率模型probabilisticmodel：提供一种描述框架，将学习任务归结于计算变量的概率分布，核心是如何基于可观测变量推测出未知变量的条件分布→①生成式generative模型：考虑联合分布P(Y,R,O)②判别式discriminative模型：考虑条件分布P(Y,R|O)由①或②得到条件概率分布P(Y|O)（Y：所关心的变量集合；O：可观测变量集合；R：其他变量的集合）概率

ling零零零·2022-12-26 22:18

【机器学习基础】数学推导+纯Python实现机器学习算法28：CRF条件随机场

Python机器学习算法实现Author：louwillMachineLearningLab本文我们来看一下条件随机场（ConditionalRandomField，CRF）模型。作为概率图模型的经典代表之一，CRF理解起来并不容易。究其缘由，还是在于CRF模型过于抽象，大量的概率公式放在一起时常让人犯晕。还有就是即使理解了公式，很多朋友也迷惑CRF具体用在什么地方。所以在本文的开头，我们先具体化

风度78·2022-12-26 22:09

采用SMO优化算法训练SVM（实战篇）

算法笔记更新~引入 SVM（支持向量机），相信有一些机器学习基础的朋友对这个算法应该早已耳熟。SVM是现有的机器学习基础算法里较为能扛的一个。

且听风吟~·2022-12-26 16:06

【机器学习基础】一文归纳AI数据增强之法

数据、算法、算力是人工智能发展的三要素。数据决定了Ai模型学习的上限，数据规模越大、质量越高，模型就能够拥有更好的泛化能力。然而在实际工程中，经常有数据量太少(相对模型而言)、样本不均衡、很难覆盖全部的场景等问题，解决这类问题的一个有效途径是通过数据增强（DataAugmentation），使模型学习获得较好的泛化性能。1数据增强介绍数据增强（DataAugmentation）是在不实质性的增加数

风度78·2022-12-25 17:55

机器学习基础

目录1、机器学习概念1.1简介1.2机器学习算法分类2、监督学习监督学习算法3、无监督学习无监督学习算法：1、机器学习概念1.1简介机器学习能够从无序的数据中提取出有用的信息,那么什么是机器学习呢?以垃圾邮件的检测为例,垃圾邮件的检测是指能够对邮件做出判断,判断其为垃圾邮件还是正常邮件。机器学习是从数据中学习和提取有用的信息,不断提升机器的性能。那么,对于一个具体的机器学习的问题,很重要的一部分是

澄清石灰水t·2022-12-25 10:43

【李沐动手学深度学习】读书笔记 01前言

前言：机器学习基础背景想象一下，你正和你最聪明的一群

咯吱咯吱咕嘟咕嘟·2022-12-24 15:17

机器学习基础 SVM（支持向量机）

文章目录一、SVM算法简介1.SVM算法导入2.SVM算法定义2.1定义2.2超平面最大间隔介绍2.3硬间隔和软间隔2.3.1硬间隔分类2.3.2软间隔分类3.小结二、SVM算法api初步使用三、SVM算法原理1.定义输入数据2.线性可分支持向量机3.SVM的计算过程与算法步骤3.1推导目标函数3.2目标函数的求解3.2.1拉格朗日乘子法3.2.2对偶问题3.2.3整体流程确定4.举例四、SVM的

落花雨时·2022-12-24 14:43

机器学习基础逻辑回归

一、逻辑回归介绍逻辑回归（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。1.逻辑回归的应用场景广告点击率是否为垃圾邮件是否患病金融诈骗虚假账号看到上面的例子，我们可以发现其中的特点，那就是都属于两个类别之间的判断。逻辑回归就是解决二分类问题的利器2.逻辑回归的原理要想掌握逻辑回归，必须掌握两

落花雨时·2022-12-24 08:32

【建议收藏】CV学习路径推荐

02机器学习基础了解线性

小白学视觉·2022-12-23 16:41

机器学习基础知识点⑤数据增强、类别不平衡

一、F1、P、R、ROCP=分类正确的正样本数/分类器预测正样本的个数P:预测20人患癌，其中有8人真实患癌R=分类正确的正样本数/真正的正样本个数R:真实发生了，10人真实患癌，预测出8人股票预测，注重精准率：预测20个股票会升（标记1），其中有8个真实升了，投钱入股时更重要病人诊断，注重召回率：本来本人得病，没有预测出来，造成病情恶化，10人真实患癌，预测出8人F1两者的调和平均值ROC和AU

NLP_victor·2022-12-23 15:15

Python深度学习第四章——机器学习基础

4.1-4.3整理1、机器学习的四个分支：监督学习：目前最多，通常需要人工标注，主要包括回归和分类、序列生成、语法树预测、目标检测、图像分割无监督学习：没有目标情况下寻找输入数据的有趣变换，目的在于数据可视化、数据压缩、数据去噪或更好地理解数据中的相关性。降维和聚类是常见的无监督学习方法。自监督学习：没有人工标注标签的监督学习，标签仍然存在，但是他们由输入数据生成，通常使用启发式算法生成。自编码器

想好好学习天天向上·2022-12-23 09:44

【机器学习基础】特征选择的Python实现(全)

1特征选择的目的机器学习中特征选择是一个重要步骤，以筛选出显著特征、摒弃非显著特征。这样做的作用是:减少特征（避免维度灾难），提高训练速度，降低运算开销；减少干扰噪声，降低过拟合风险，提升模型效果；更少的特征，模型可解释性更好。2特征选择方法特征选择方法一般分为三类：2.1过滤法--特征选择通过计算特征的缺失率、发散性、相关性、信息量、稳定性等指标对各个特征进行评估选择，常用如缺失情况、单值率、方

风度78·2022-12-23 09:42

6 机器学习基础

文章目录1混淆矩阵等概念1.1混淆矩阵1.2准确率1.3精度1.4召回率1.5F12机器学习2.1机器学习≈构建一个映射函数2.2机器学习概念2.3一些术语2.31数据集2.32泛化能力2.33机器学习的三要素2.3.4过拟合与欠拟合2.4机器学习的分类2.41根据目标划分2.42根据有无标签划分2.5如何选择合适的模型3数据分析3.1描述性分析3.1.1数据集中趋势度量3.1.2数据离散趋势度量

流动的风与雪·2022-12-23 01:56

机器学习基础——数据类型与开发流程

目录一.机器学习基础二.机器学习中的数据类型三.机器学习的算法分类1.分类和回归2.分类问题的应用四.机器学习的开发流程一.机器学习基础1.机器学习的算法分类2.机器学习的开发流程学习前明确以下几点：（

捏你face...·2022-12-22 22:42

机器学习基础补习07---最大熵模型

本次目标（1）理解并掌握熵Entropy的定义理解“Huffman”编码是所有编码中总编码长度最短的“熵含义（2）理解联合熵H（X，Y）、相对熵D（X||Y）、条件熵H（X|Y）、互信息I（X，Y）的定义和含义，并了解如下公式：a.H（X∣Y）=H（X，Y）−H（Y）=H（X）−I（X，Y）H（X|Y）=H（X，Y）-H（Y）=H（X）-I（X，Y）H（X∣Y）=H（X，Y）−H（Y）=H（X）−

多欢喜 ·2022-12-22 16:36

向量范数和矩阵范数的理解

在学习机器学习基础算法的推导过程中，可以看到很多地方都应用到了这个范数。范数属于矩阵论的知识范围，可见数学基础的重要性。

陈振斌·2022-12-22 15:39

【机器学习基础】让人惊艳的决策树可视化

本文目标本文的目标是引入dtreeviz来可视化分类决策树，比scikit-learn包自带的可视化效果更好。我们将在Scikit学习使用iris数据集学习决策树教程。请注意，如果我们使用决策树进行回归，可视化效果会有所不同。scikit-learn和dtreeviz可视化对比前期准备首先使用pip或conda命令安装模块，如下所示。pipinstalldtreevizpip install gr

风度78·2022-12-22 13:13

独家 | 机器学习基础知识梳理，新手必备！（附链接）

翻译：吴金笛校对：丁楠雅本文约4000字，建议阅读16分钟。本文介绍了机器学习以及几个易与其混淆的术语，并给出了几个机器学习的应用。介绍在过去的几年里，人们对机器学习重新产生了兴趣。这种复兴似乎是由强大的基础因素推动的-全球传感器正在产生大量数据，低廉的存储成本和最低的计算成本！然而，并非每个人都了解机器学习是什么。这里有一些例子：机器学习是什么？它与大数据和业务分析有何不同？https://di

「已注销」·2022-12-22 12:28

漂亮男孩不说谎·2022-12-21 07:46

机器学习和数据挖掘推荐书单及简介

《机器学习实战》：本书第一部分主要介绍机器学习基础，以及如何利用算法进行分类，并逐步介绍了多种经典的监督学习算法，如k近邻算法、朴素贝叶斯算法、Logistic回归算法、支持向量机、AdaBoost集成方法

asdasdasdasasd1111·2022-12-21 07:13

python随机划分数据集五份_机器学习基础5 python Scikit-learn对数据集的划分训练集和测试集...

fromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitdefdata_demo():iris=load_iris()#print('鸢尾花数据集：',iris)#print('查看数据集描述：',iris.DESCR)#print('查看鸢尾花的特征值：',iris.data)#pri

蓝星神·2022-12-20 20:43

【Python机器学习基础教程】第三章第五节：聚类

聚类1.k均值聚类（k-means）1.1k均值的失败案例1.2矢量量化，或者将k均值看作分解2.凝聚聚类2.1层次聚类与树状图2.23.DBSCAN4.聚类算法的对比与评估4.1用真实值评估聚类4.2在没有真实值的情况下评估聚类4.3在人脸数据集上比较算法5.聚类方法小结我们前面说过，聚类（clustering）是将数据集划分成组的任务，这些组叫作簇（cluster）。其目标是划分数据，使得一个

调参侠鱼尾·2022-12-20 19:39

【机器学习基础】非常详细！机器学习模型评估指标总结！

作者：太子长琴，Datawhale优秀学习者本文对机器学习模型评估指标进行了完整总结。机器学习的数据集一般被划分为训练集和测试集，训练集用于训练模型，测试集则用于评估模型。针对不同的机器学习问题（分类、排序、回归、序列预测等），评估指标决定了我们如何衡量模型的好坏。一、Accuracy准确率是最简单的评价指标，公式如下：但是存在明显的缺陷：当样本分布不均匀时，指标的结果由占比大的类别决定。比如正样

风度78·2022-12-20 12:03

【CTR模型系列汇总】十五篇博文、十九个模型梳理CTR预估模型（20220802更新）

最近梳理了看过的CTR模型，总结成下图，工业、学术与灌水并存，需要自己斟酌哦～一、【机器学习基础04】矩阵分解（MatrixFactorization）二、【特征交叉-CTR】FM-basedRecommendationModel

chad_lee·2022-12-19 16:57

机器学习基础100天---day01 数据预处理

数据预处理数据集CountryAgeSalaryPurchased0France44.072000.0No1Spain27.048000.0Yes2Germany30.054000.0No3Spain38.061000.0No4Germany40.0NaNYes5France35.058000.0Yes6SpainNaN52000.0No7France48.079000.0Yes8Germany5

向阳争渡·2022-12-18 18:41

机器学习基础之计算学习理论

文章目录PAC学习PAC辨识PAC可学习PAC学习算法样本复杂度有限假设空间可分情形不可分情形VC维Rademacher复杂度稳定性转自：https://www.zhenxiangsimple.com/2019/04/11/tech-ml-jsxxll/ 本章节以概念介绍为主，计算学习理论为了研究通过“计算”来进行“学习”的理论，即研究机器学习的理论基础，目标是分析学习任务的困难本质，为学习算法

放羊郎·2022-12-18 11:12

第二门课第一周：深度学习的实践层面

文章目录一、训练，验证，测试集（Train/Dev/Testsets）二、偏差，方差（Bias/Variance）三、机器学习基础四、正则化五、为什么正则化有利于预防过拟合六、dropout正则化七、理解

老干妈拌士力架·2022-12-18 07:44

python机器学习基础（scikit-learn）

Python是一种流行的编程语言，也是机器学习的常用语言。Python中有许多优秀的机器学习库，例如scikit-learn、TensorFlow和PyTorch等，可以帮助你快速实现机器学习算法。下面是一个使用Python和scikit-learn实现机器学习的示例：首先，我们需要安装scikit-learn库：pipinstallscikit-learn然后，我们可以使用scikit-lear

qq_59009725·2022-12-17 23:12

机器人 python_python 机器

Python机器学习基础教程系列1、《Python机器学习基本概念》2、《Python机器学习决策树算法》3、《Python机器学习决策树应用》4、《Python机器学习最邻近规则分类(KNN)算法理论

weixin_39587822·2022-12-17 20:38

【机器学习基础】假设空间 VS 版本空间

在机器学习中，有两个知识点比较重要，分别是假设空间（hypothesisspace）和版本空间（versionspace）。本文借用周志华《机器学习》一书中的实例向大家介绍这两个概念。文章目录数据集介绍假设空间版本空间数据集介绍假设我们的任务要判断一个西瓜是“好瓜”，还是“坏瓜”——一个二分类问题。同时，西瓜包含以下三个属性：色泽：青绿、浅白、乌黑。根蒂：蜷缩、硬挺。敲声：清脆、沉闷。假设西瓜数据

杨小浩浩hh·2022-12-16 20:57

机器学习第三讲机器学习基础、机器学习算法（K-近邻算法、朴素贝叶斯算法）

文章目录一、机器学习基础1.明确几点问题2.机器学习算法的判别依据3.机器学习算法分类4.机器学习开发流程二、机器学习算法1.sklearn数据集（1）数据集划分（2）sklearn数据集接口介绍（3）

yangyusir·2022-12-16 16:50

Sklearn机器学习基础（day02基础入门篇）

文章目录基本算法使用（Sklearn)算子API调用分步曲数据分析分步曲分类算法KNN算法网格优化KNN案例（预测facebook签到位置）数据清洗KNN处理预测完整代码朴素贝叶斯算法决策树案例可视化决策树随机森林回归与聚类算法线性回归正规方程梯度下降岭回归逻辑回归与二分类

Huterox·2022-12-16 16:10

机器学习入门步骤

https://mp.weixin.qq.com/s/U0A6aPxhvPLUnBpNlFVm5A第一阶段机器学习基础与凸优化本阶段主要目的是讲解必要的算法理论以及凸优化技术，为后续的课程打下基础。

是否AI学习·2022-12-16 15:59

同济子豪兄-机器学习基础

监督学习（有标签）分类问题回归问题无监督学习（无标签）聚类问题降维问题（把高维的数据降维到二维三维使人便于理解）学习中断，暂时不是很需要这些知识。以后用到再去学习。

只会写bug的菜鸡·2022-12-16 15:42

推荐频道

机器学习基础ML_Base