机器学习基础ML_Base 第11页

机器学习基础——入门级笔记

一、机器学习概念1.1定义机器学习（ML）主要研究计算机系统对于特定任务的性能，逐步进行改善的算法和统计模型。通过输入海量训练数据对模型进行训练，从而对输入的数据进行预测或分类。1.2机器学习的过程二、机器学习主要分类&无监督学习2.1主要分类分为有监督学习：给予数据与正确的结果，类似提供习题册和正确答案。无监督学习：提供数据不提供正确答案。强化学习：仅仅是通过与环境交互获取延迟返回2.2无监督学

就想做一条闲鱼·2022-12-16 11:41

机器学习基础算法（逻辑回归、k-means、模型的保存与加载）

逻辑回归用来解决二分类问题：是否为垃圾邮件？肿瘤、癌症诊断是否是金融诈骗？给定一些输入，输出结果是离散值逻辑回归公式首先逻辑回归的模型与线性回归基本相同，w为待求的参数：与线性回归不同的地方在于，logistic回归通过函数S将wTx对应到了另一个状态p=S(wTx)，然后根据p的大小决定因变量的值。这里的S函数就是Sigmoid函数：通过函数S的作用，我们可以将输出的值限制在区间[0,1]上；p

Bro_Jun·2022-12-16 11:37

第二门课：改善深层神经网络：超参数调试、正则化以及优化（第一周）——深度学习的实用层面

深度学习的实用层面1.训练，验证，测试集2.偏差，方差3.机器学习基础4.正则化5.为什么正则化预防过拟合6.dropout（随机失活）正则化7.理解dropout8.其他正则化9.归一化输入10.梯度消失

青春是首不老歌丶·2022-12-16 00:13

python人脸识别从入门到工程pdf_Python人脸识别从入门到工程实践

21.1.3人脸识别的目标41.1.4人脸识别的一般方法51.2人脸识别发展状况81.2.1人脸识别历史沿革81.2.2DT时代的呼唤101.2.3计算机视觉的新起点101.3本章小结12第2章数学与机器学习基础

weixin_39950057·2022-12-16 00:59

机器学习基础概念

目录什么是机器学习？一、专业术语二、模型的评估与选择1、经验误差和过拟合现象2、评估方法2.1留出法2.2交叉验证法（k折交叉验证）2.3自助法2.4调参3、性能度量4、比较检验5、偏差和方差什么是机器学习？ArthurSamuel(1959):在没有明确设置的情况下，使计算机具有学习能力的研究领域。TomMitchell(1998):计算机程序从经验E中学习，解决某一任务T，进行某一性能度量P,

和光同尘seg·2022-12-15 22:36

集成学习（task01.2020.03.15）

集成学习（task01.2020.03.15）机器学习基础模型回顾集成学习（task01.2020.03.15）导论一、什么是机器学习？

langshao668·2022-12-15 18:34

项目 0: 预测泰坦尼克号乘客生还率

机器学习工程师纳米学位机器学习基础项目0:预测泰坦尼克号乘客生还率1912年，泰坦尼克号在第一次航行中就与冰山相撞沉没，导致了大部分乘客和船员身亡。

Biglethz·2022-12-15 13:35

【机器学习基础】数据划分、超参数调整、正则化

本文来源于吴恩达老师的深度学习课程[1]笔记部分。作者：黄海广[2]导语本文讲解机器学习的策略方面，包括数据划分、超参数调整、正则化等。正文开始1.1训练，验证，测试集（Train/Dev/Testsets）大家可能已经了解了，那么本周，我们将继续学习如何有效运作神经网络，内容涉及超参数调优，如何构建数据，以及如何确保优化算法快速运行，从而使学习算法在合理时间内完成自我学习。第一周，我们首先说说神

风度78·2022-12-14 15:54

机器学习之分类器的不确定度估计——基于Scikit-Learn

《Python机器学习基础教程》笔记Scikit-Learn接口的一个有用之处就是分类器能够给出预测的不准确定估计，即分类器预测某个测试点属于某个类别的置信程度。

elma_tww·2022-12-14 11:35

【人工智能全栈学习】机器学习基础知识——传统机器学习（看完就全懂了）

【人工智能全栈学习】机器学习基础知识——传统机器学习（看完就全懂了）一、问题二、人工智能全栈学习系列课程三、朴素贝叶斯分类算法朴素贝叶斯分类朴素贝叶斯缺点：粗暴认为属性之间相互独立优点：由于粗暴认为属性之间相互独立

一拳Marx·2022-12-14 10:45

机器学习笔记1：机器学习基础知识——练习题

目录1.如何定义机器学习？2.机器学习在哪些问题上表现突出，你能给出四种类型吗？3.什么是被标记的训练数据集？4.最常见的两种监督学习任务是什么？5.你能举出四种常见的无监督学习任务吗？6.要让一个机器人在各种未知的地形中行走，你会使用什么类型的机器学习算法？7.要将顾客分成多个组，你会使用什么类型的算法？8.你会将垃圾邮件检测的问题列为监督学习还是无监督学习？9.什么是在线学习系统？10.什么是

Ruoki~·2022-12-14 10:14

【机器学习基础】无监督学习（1）——PCA

Python微信订餐小程序课程视频https://edu.csdn.net/course/detail/36074Python实战量化交易理财系统https://edu.csdn.net/course/detail/35475前面对半监督学习部分作了简单的介绍，这里开始了解有关无监督学习的部分，无监督学习内容稍微较多，本节主要介绍无监督学习中的PCA降维的基本原理和实现。PCA0.无监督学习简介相

qq_43479892·2022-12-14 03:17

Python机器学习基础篇一《为什么用Python进行机器学习》

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）。近年来，机器学习方法已经应用到日常生活的方方面面。从自动推荐看什么电影、点什么食物、买什么商品，到个性化的在线电台和从照片中识别好友，许多现代化网站和设备的核心都是机器学习算法。

虚幻私塾·2022-12-13 22:01

机器学习基础（八）：降维与度量学习（KNN、MDS、线性降维、PCA、核化线性降维、流形学习、度量学习）

8、降维与度量学习8.1k近邻k-NearestNeighbor(KNN)学习常用的监督学习方法，“懒惰学习lazylearning”的代表给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个邻居的信息来进行预测通常分类任务中使用“投票法（选择这k个样本中出现最多的类别标记作为预测结果）”，回归任务中使用“平均法”，还可基于距离远近进行加权平均或加权投票，距离越近的样

ling零零零·2022-12-13 20:53

机器学习基础学习笔记（七）机器学习算法的类型（监督，无监督，强化学习）

以下内容均为https//nndl.github.io/nndl-book.pdf的学习笔记。这里写目录标题监督、无监督、强化学习监督学习（SupervisedLearning）无监督学习（UnsupervisedLearning，UL）强化学习（ReinforcementLearning，RL）改进对比监督、无监督、强化学习按照训练样本提供的信息以及反馈方式的不同，将机器学习算法分为以下几类：监

Giao哥不瘦到100不改名·2022-12-13 15:02

【带你快速了解人工智能开发机器学习基础课程第十八周】

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前言一、逻辑回归概述二、逻辑回归介绍三、损失以及优化四、小结总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。#博学谷IT学习技术支持#一、逻辑回归概述逻辑回归可以用于解决常见的分类问题，也是解决分类中常用的一

あいうえおらりるれろわをん·2022-12-13 13:51

机器学习——期末复习

文章目录填空题第一章机器学习基础第二章数据预处理KNN算法支持向量机集成学习决策树聚类算法联结学习三种池化操作选择题计算题数据正规化Hopfield网络能量函数计算卷积、池化操作应用题决策树、朴素贝叶斯

一颗菜籽·2022-12-13 13:43

机器学习基础算法34-主题模型与实践

目录主题模型定义主题模型历史简单案例引入知识储备：SVD——奇异值分解1、特征值2、SVD分解3、SVD与PCAPLSA——概率隐性语义分析1、SVD2、LSA3、PLSAPlSA原理应用1、PLSA：文档生成模型2、利用文档推断主题分布3、PLSA算法的EM推导LDA模型示意图：案例：主题预测——基于gensim1、步骤：2、代码3、部分结果案例：主题预测——基于sklearn1、步骤2、代码3

qq_42749341·2022-12-12 13:03

轻松入门自然语言处理系列 05 机器学习基础

文章目录前言一、理解朴素贝叶斯1.初试朴素贝叶斯2.朴素贝叶斯核心思想3.朴素贝叶斯的应用：垃圾邮件分类二、朴素贝叶斯的训练1.计算单词的概率2.利用计算好的概率来预测3.贝叶斯定理4.计算预测概率5.处理概率为0的情况——平滑6.朴素贝叶斯练习三、朴素贝叶斯的优化1.朴素贝叶斯的最大似然估计2.带限制条件的优化3.朴素贝叶斯目标函数的优化四、认识和理解决策树1.决策树的应用2.决策树的形态与决策

cutercorley·2022-12-12 08:55

CV小白入门路线（庆六一，送书送脑图）

机器学习基础其实CV所用到的基础知识和NLP差不多，早期都是统计机器学习，不过两者的数据模态不同，预处理方式、特征提取还是有

李rumor·2022-12-11 21:32

第四个模型：决策树模型

=======================================================================MachineLearningnotebookPython机器学习基础教程

枪枪枪·2022-12-11 13:02

机器学习基础——分类算法之K近邻算法（KNN)、预测facebook签到位置案例

目录1基本概念1.1定义1.2sklearnk-近邻算法API2kaggle实例：预测facebook签到位置2.1实例背景2.2文件说明2.3案例分析2.3.1分类2.3.2处理2.4代码及分析2.4.1代码分析2.4.2完整代码3K值的选择4流程5knn算法的优缺点5.1优点5.2缺点如何求距离？欧氏距离。相似的样本，特征之间的值应该都是相近的。1基本概念1.1定义如果一个样本在特征空间中的K

chelsea_tongtong·2022-12-11 10:28

机器学习基础模型回顾

1导论1.1什么是机器学习？机器学习的一个重要目标就是利用数学模型来理解数据，发现数据中的规律，用作数据分析和预测。1.1.1数据？数据通常由一组向量组成，这组向量中的每一个向量都是一个样本，我们用xix_{i}xi来表示一个样本，其中i=1,2,3...Ni=1,2,3...Ni=1,2,3...N，共NNN个样本。每个样本xi=(xi1,xi2...xip,yi)x_{i}=\left(x_{

CuCu011·2022-12-11 05:41

机器学习基础 HMM模型（隐马尔科夫）

文章目录一、马尔科夫链1.简介2.经典举例3.小结二、HMM简介1.简单案例2.三个基本问题三、HMM模型基础1.什么样的问题需要HMM模型2.HMM模型的定义3.一个HMM模型实例4.HMM观测序列的生成5.HMM模型的三个基本问题四、前向后向算法评估观察序列概率1.回顾HMM问题一：求观测序列的概率2.用前向算法求HMM观测序列的概率2.1流程梳理2.2算法总结3.HMM前向算法求解实例五、维

落花雨时·2022-12-10 14:05

神经网络与深度学习(一)——机器学习基础

神经网络与深度学习（一）——机器学习基础1.人工智能基础概念2.机器学习2.1基本概念2.2机器学习的三个基本要素2.2.1模型2.2.2学习准则2.2.2.1损失函数LossFunction2.2.2.2

zxxRobot·2022-12-10 08:42

Python机器学习基础篇二《监督学习》

前言前期回顾：Python机器学习基础篇一《为什么用Python进行机器学习》前面说过，监督学习是最常用也是最成功的机器学习类型之一。本章将会详细介绍监督学习，并解释几种常用的监督学习算法。

虚幻私塾·2022-12-09 21:57

DeepLearning神经网络学习笔记(一)

第一部分机器学习基础1.基本概念1.1定义1.2流程2.三个要素2.1模型2.1.1判别模型和生成模型2.1.2概率模型和非概率模型2.2学习准则2.2.1损失函数2.2.2风险最小化准则2.3优化算法

计算机系伪文青·2022-12-09 14:57

机器学习基础专题：高斯混合模型和最大期望EM算法以及代码实现

高斯混合模型混合模型是潜变量模型的一种，是最常见的形式之一。而高斯混合模型(GaussianMixtureModels,GMM)是混合模型中最常见的一种。zzz代表该数据点是由某一个高斯分布产生的。π\piπ在这里是指该点属于哪一个高斯分布的先验概率。除次之外，我们还需要找到每一个高斯分布的参数，即均值和协方差矩阵。p(x)=∑k=1Kπkpk(x)(1)p(x)=∑k=1KπkN(x∣μk,Σk

野营者007·2022-12-09 11:23

机器学习基础-使用 Pandas 进行数据探索

目录一、Pandas的主要方法1、基础使用2、astype()、describe()、value_counts()3、排序4、索引和获取数据5、应用函数到单元格、列、行二、分组（Groupby）1、Pandas下分组数据的一般形式为：2、实例中的使用三、汇总表1、透视表Pandas中的透视表定义如下实例中的使用2、交叉表Pandas中交叉表的定义实例中的使用四、增减DataFrame的行列五、预测

是光颜鸭·2022-12-08 16:53

机器学习基础+Jupyter编程MNIST数据集10（0-9）个字符的分类识别

目录定义查准率查全率F1-ScoreROC混淆矩阵MNIST训练一个二分类器性能考核使用交叉验证测量精度混淆矩阵精度和召回率精度/召回率权衡ROC曲线训练一个随机森林分类器，并计算ROC和ROCAUC分数多类别分类器错误分析定义查准率查准率（Precision）（精度）是衡量某一检索系统的信号噪声比的一种指标，即检出的相关文献与检出的全部文献的百分比。普遍表示为：查准率=（检索出的相关信息量/检索

lxzysx·2022-12-08 11:23

【机器学习基础】对"样本不均衡"的处理

作者：时晴炼丹小仙女样本不均的问题大家已经很常见了，我们总是能看到某一个类目的数量远高于其他类目，举个例子，曝光转化数远低于曝光未转化数。样本不均严重影响了模型的效果，甚至影响到我们对模型好坏的判断，因为模型对占比比较高的类目准确率非常高，对占比很低的类目预估的偏差特别大，但是由于占比较高的类目对loss/metric影响较大，我们会认为得到了一个较优的模型。比如像是异常检测问题，我们直接返回没有

风度78·2022-12-08 06:36

【机器学习基础】数学推导+纯Python实现机器学习算法17：XGBoost

Python机器学习算法实现Author：louwillMachineLearningLab自从陈天奇于2015年提出XGBoost以来，该模型就一直在各大数据竞赛中当作大杀器被频繁祭出。速度快、效果好是XGBoost的最大优点。XGBoost与GBDT同出一脉，都属于boosting集成学习算法，但XGBoost相较于GBDT要青出于蓝而胜于蓝。XGBoost的全程为eXtremeGradien

风度78·2022-12-08 06:06

机器学习_4:logistic回归

1.2.对数线性回归1.3.logistic回归2.logistic回归算法代码分析3.logistic回归算法实验4.总结实验背景相比k近邻算法和决策树算法，logistic回归算法算是真正意义上的机器学习基础算法

chuxiao_scx·2022-12-08 03:53

【人工智能】不确定性推理（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）不确定性推理的基本概念不确定性推理

不牌不改·2022-12-07 20:35

机器学习基础：梯度下降原理及代码实现

梯度下降及代码实现凸函数凸集：如果集合C中任意2个元素连线上的点也在集合C中，则C为凸集。凸函数：对区间[a,b][a,b][a,b]上定义的函数f，对任意两点x1，x2x_1，x_2x1，x2都有f(x1+x22)≤f(x1)+f(x2)2f(\frac{x_1+x_2}{2})\le\frac{f(x_1)+f(x_2)}{2}f(2x1+x2)≤2f(x1)+f(x2)如y=x2y=x^2y

猛男技术控·2022-12-07 15:18

机器学习基础知识整理归纳

1.前言1.机器学习是一门致力于研究如何通过计算的手段，利用经验来改善系统自身的性能的学科。1997年Mitchell给出一个更形式化的定义，假设用P来评估计算机程序在某任务类T上的性能，若一个程序通过利用经验E在T中任务上获得了性能改善，则我们就说关于T和P，该程序对E进行了学习。机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型”的算法，即学习算法(learningalgorithm

普通网友·2022-12-07 13:31

机器学习基础知识总结！

机器学习定义机器学习（MachineLearning）本质上就是让计算机自己在数据中学习规律，并根据所得到的规律对未来数据进行预测。机器学习包括如聚类、分类、决策树、贝叶斯、神经网络、深度学习（DeepLearning）等算法。机器学习的基本思路是模仿人类学习行为的过程，如我们在现实中的新问题一般是通过经验归纳，总结规律，从而预测未来的过程。机器学习的基本过程如下：机器学习基本过程机器学习发展历程

数据不吹牛·2022-12-07 13:29

机器学习基础

机器学习基础参考资料：小象学院机器学习课程TENSORFLOW系列专题TensorFlow从入门到精通机器学习模型评估方法机器学习简介机器学习是一门致力于研究如何通过计算的手段，利用经验来改善系统自身的性能的学科

Fighting_No1·2022-12-07 13:58

机器学习基础（三）

机器学习基础实验报告实验三：一、实验目的学习识别手写数字图像的卷积神经网络：LeNet学习如何使用单块NVIDIAGPU来计算学习迁移学习中的一种常用技术：微调（finetuning）二、实验内容和步骤练习一

平杨猪·2022-12-07 09:50

PyTorch框架从零实现Logistic回归（非torch.nn）

机器学习基础机器学习，英文为MachineLearning，简称ML。在周志华老师“西瓜书”中，机器学习所研究的主要内容是关于在计算机上从数据中产生“模型”的算法。

JMDou·2022-12-07 06:04

深度学习入门资料分类汇总（持续更新）

请根据需要自行选择学习内容，机器学习是基础课程，但是吴恩达的深度学习课程也会讲一些机器学习基础，不学机器学习也能看明白。

刀客塔辛·2022-12-07 05:10

【机器学习基础】Scipy（科学计算库）手把手手把手

0.导语Scipy是一个用于数学、科学、工程领域的常用软件包，可以处理插值、积分、优化、图像处理、常微分方程数值解的求解、信号处理等问题。它用于有效计算Numpy矩阵，使Numpy和Scipy协同工作，高效解决问题。Scipy是由针对特定任务的子模块组成：模块名应用领域scipy.cluster向量计算/Kmeansscipy.constants物理和数学常量scipy.fftpack傅立叶变换s

机器学习算法那些事·2022-12-07 04:46

核支持向量机（SVM）（笔记）

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。

叫Lzy·2022-12-06 20:47

kNN原理与python应用

数据集查看数据数据拆分为训练集与测试集观察数据-可视化kNN-model评估模型-使用测试集，进行结果对比进行预测2.模型复杂度和泛化能力之间的关系-乳腺癌数据集3.kNN回归0.原理待更1.应用-Iris数据集来源于《Python机器学习基础教程

wbing96·2022-12-06 13:36

把机器学习神器 Scikit-Learn给图解了！

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。

数据不吹牛·2022-12-06 13:02

【机器学习基础】为什么逻辑回归的损失函数是交叉熵？

前言当前正在整理机器学习中逻辑回归的基础和面试内容，这里有一个值得思考的问题与大家分享与讨论。本文约1k字，预计阅读5分钟。概要逻辑回归（logisticregression）在机器学习中是非常经典的分类方法，周志华教授的《机器学习》书中称其为对数几率回归，因为其属于对数线性模型。在算法面试中，逻辑回归也经常被问到，常见的面试题包括：逻辑回归推导；逻辑回归如何实现多分类？SVM与LR的联系与区别？

风度78·2022-12-06 12:19

机器学习基础（4）：朴素贝叶斯算法（附python代码和详细注释）

朴素贝叶斯算法朴素贝叶斯法是基于贝叶斯定理与特征条件独立假设的分类方法。前提各个特征条件独立，也是“朴素”之名的来历。1.概率公式联合概率：包含多个条件，且所有条件同时成立的概率记作：P(A,B)=P(A)P(B)条件概率：事件A在事件B已经发生条件下的发生概率记作：P(A|B)P(A1,A2|B)=P(A1|B)P(A2|B)且A1和A2相互独立2.实例分析：文档分类任务首先给出贝叶斯公式：P(

Y_蒋林志·2022-12-06 11:24

Python机器学习基础教程——鸢尾花分类

Python机器学习基础教程——鸢尾花分类初识数据训练数据与测试数据观察数据—数据可视化模型的建立与评估——K近邻算法她还有一些鸢尾花的测量数据，这些花之前已经被植物学专家鉴定为属于setosa、versicolor

马╮(╯▽╰)╭霜·2022-12-05 22:24

Python机器学习基础

1机器学习的定义从广义上来说，机器学习是一种可以赋予机器学习的能力以此让它完成直接进行编程无法完成的功能的方法。机器学习也是人工智能的核心，其涉及知识非常广泛，比如概率论，统计学，近似理论，高等数学等多门学科。机器学习使计算机能够从研究数据和统计信息中学习，机器学习是迈向人工智能方向的其中的一步，也是一种程序，可以分析数据并学习预测结果机器学习的要素机器学习有四个要素：数据，转换数据的模型，衡量模

摊手·2022-12-05 22:50

机器学习基础—— Trick（调参技巧）

Trick1：权值初始化weights=np.ones(N)/N1应用场景：（1）由一堆decisionstump构成的weakclassifiers用于AdaBoost时的的初始权重分配；Trick2：避免分母为零的方法α=12ln1−ϵϵ令分母上可能的小量ϵ=max(ϵ,10−16)alpha=1/2*np.log((1-epsilon)/max(epsilon,1e-16))一、为什么需要h

长风o·2022-12-05 13:25

推荐频道

机器学习基础ML_Base