机器学习实战项目第16页

机器学习、深度学习、强化学习、迁移学习的关联与区别

本文主要了解并初步探究机器学习、深度学习、强化学习、迁移学习的关系与区别，通过清晰直观的关系图展现出四种“学习”之间的关系。

半亩花海·2024-02-19 12:43

预训练和微调在迁移学习中的作用

在机器学习和深度学习中，"pre-training"（预训练）和"fine-tuning"（微调）是两个常见且重要的概念，它们通常在迁移学习场景中使用，以提高模型在特定任务上的性能。

一条小小yu·2024-02-19 12:42

Python环境下基于深度判别迁移学习网络的轴承故障诊断

目前很多机器学习和数据挖掘算法都是基于训练数据和测试数据位于同一特征空间、拥有相同数据分布的假设。然而在现实应用中，该假设却未必存在。

哥廷根数学学派·2024-02-19 12:36

Matlab DNN多层感知机进行图像分类——附源码分享

非得用matlab来搞机器学习的东西？不是不是，matlab也有集成了许多机器学习算法，当然，都是一些非常基础的机器学习算法。深度学习还是得向python看齐。

我是狮子搏兔·2024-02-19 11:34

RapidMiner数据挖掘

RapidMiner数据挖掘入门之一：概要1简介RapidMiner原名Yale，它是用于数据挖掘、机器学习、商业预测分析的开源计算环境。

arrow8071·2024-02-19 11:28

线性回归：大体介绍

线性回归是一种常见的统计学和机器学习方法，用于建立一个线性关系模型来预测一个连续型目标变量。它假设自变量和因变量之间存在线性关系，并且通过最小化预测值与实际观测值之间的差异来确定最佳拟合直线。

Galaxy银河·2024-02-19 11:56

虚实技术整合打造“真”智慧城市

物联网不可或缺的组成要素中，广泛布建在人们生活周围的传感器，其所产生的大量信息，已成为人工智能、机器学习的重要基础。

智能交通技术·2024-02-19 11:14

open3d k-means 聚类

k-means聚类一、算法原理1、介绍2、算法步骤二、代码1、机器学习生成`kmeans`聚类2、点云学习生成聚类三、结果1、原点云2、机器学习生成`kmeans`聚类3、点云学习生成聚类四、相关链接一

云杂项·2024-02-19 11:04

Dataframe型数据分析技巧汇总

数据降维的几种方法HF.075|时间序列趋势性分析方法汇总机器学习必须了解的7种交叉验证方法（附代码）这个图！

我叫杨傲天·2024-02-19 11:30

朴素贝叶斯算法

朴素贝叶斯算法一、基本概念二、算法及代码应用朴素贝叶斯NB算法分类算法区别其他机器学习算法：机器学习实战工具安装和使用一、基本概念朴素贝叶斯（NB）是一种基于贝叶斯定理与特征条件独立假设的分类算法。

YuanDaima2048·2024-02-19 10:46

ChatGPT原理以及发展

ChatGPT模型，备受关注，不光是做人工智能、机器学习的人关注，而是大量的各行各业从业人员都来关注这个模型。

菜鸟Cardll·2024-02-19 10:49

【机器学习】机器学习常见算法详解第4篇：KNN算法计算过程（已分享，附代码）

本系列文章md笔记（已分享）主要讨论机器学习算法相关知识。

·2024-02-19 10:29

机器学习中7种常用的线性降维技术总结

上篇文章中我们主要总结了非线性的降维技术，本文我们来总结一下常见的线性降维技术。1、PrincipalComponentAnalysis(PCA)PrincipalComponentAnalysis(PCA)是一种常用的降维技术，用于将高维数据集转换为低维表示，同时保留数据集的主要特征。PCA的目标是通过找到数据中最大方差的方向（主成分），将数据投影到这些方向上，从而实现降维。PCA的主要思想是通

·2024-02-19 10:25

机器学习中的10种非线性降维技术对比总结

降维意味着我们在不丢失太多信息的情况下减少数据集中的特征数量，降维算法属于无监督学习的范畴，用未标记的数据训练算法。尽管降维方法种类繁多，但它们都可以归为两大类:线性和非线性。线性方法将数据从高维空间线性投影到低维空间(因此称为线性投影)。例子包括PCA和LDA。非线性方法提供了一种执行非线性降维(NLDR)的方法。我们经常使用NLDR来发现原始数据的非线性结构。当原始数据不可线性分离时，NLDR

·2024-02-19 10:49

如何安装Pytorch,CPU版本和GPU版本的安装流程。

1.PyTorch简介：PyTorch是一个开源的Python机器学习框架，专注于深度学习任务。

JayGboy·2024-02-19 10:30

【日常聊聊】深度学习进度

个人博客：个人主页个人专栏：日常聊聊⛳️功不唐捐，玉汝于成目录前言正文方向一：深度学习的基本原理和算法方向二：深度学习的应用实例方向三：深度学习的挑战和未来发展方向方向四：深度学习与机器学习的关系方向五

还在路上的秃头·2024-02-19 10:29

21丨朴素贝叶斯分类（下）：如何对文档进行分类？

sklearn机器学习包sklearn的全称叫Scikit-learn，它给我们提供了3个朴素贝叶斯分类算法，分别是高斯朴素贝叶斯（GaussianNB）、多项式朴素贝叶斯（MultinomialNB）

张九日zx·2024-02-15 10:27

Pycharm里如何设置多Python文件并行运行

有时候在跑一个机器学习或者网络爬虫或者其

Python进阶者·2024-02-15 10:22

论文阅读-面向机器学习的云工作负载预测模型的性能分析

许多基于机器学习的工作负载预测模型通过利用其计算能力和学习能力得以发展。本文提出

向来痴_·2024-02-15 10:20

代码+视频基于R语言进行K折交叉验证

交叉验验证（交叉验证，ＣＶ）则是一种评估模型泛化能力的方法，广泛应用中于数证据采挖掘和机器学习领域，在交叉验证通常将数据集分为两部分，一部分为训练集，用于建立预测模型；另一部分为测试集，用于测试该模型的泛化能力

天桥下的卖艺者·2024-02-15 09:11

C#实现矩阵计算

矩阵计算是一项重要的数学运算，在数据科学、机器学习等领域具有广泛的应用。首先，我们需要定义一个Matrix类来表示矩阵，并实现一些基本的矩阵操作。

湫秋刀鱼·2024-02-15 09:36

机器学习案例3：从科学论文图片中提取标题、作者和摘要

在这个项目中，我的目标是从科学论文图片中提取某些部分（标题、作者和摘要）。预期提取部分是科学论文中常见的部分，例如标题、摘要和作者。输入与最终结果。我的输入是将第一页纸转换成图像。最终结果是一个txt文件，其中包含标题、作者和摘要部分，如下图1和图2所示。我将使用UNet来了解在哪里可以找到这些部分，然后将训练学到的信息传递到OCR中。完整的项目可以在这里找到。图1要提取的论文首页（图片格式）图2

suoge223·2024-02-15 09:03

如何设置 iPad 进行机器学习开发

如果您有iPad并想将其用作开发工具，则只需完成5个步骤即可使用。在本指南中，您将学习如何：在云中设置一个实例，购买ssh客户端设置ssh连接到服务器借助Wazaterm，您可以在浏览器中使用Linux终端。1.转到Wazaterm并设置您的终端按照入门页面操作，然后运行终端。

suoge223·2024-02-15 09:33

初学者入门机器学习 (ML)的推荐教程

目录1.机器学习简介2.机器学习和深度学习有什么区别？

suoge223·2024-02-15 09:31

神经网络：卷积神经网络中的BatchNorm

一、BN介绍1.原理在机器学习中让输入的数据之间相关性越少越好，最好输入的每个样本都是均值为0方差为1。

是Dream呀·2024-02-15 09:58

编码、理解和实现LLM中的自注意力、多头注意力、交叉注意力和因果注意力

近日，AheadofAI杂志运营者、机器学习和AI研究者SebastianRaschka发布了一篇文章，介绍并用代码从头实现了LLM中的自注意力、多头注意力、交叉注意力和因果注意力。

lichunericli·2024-02-15 09:27

基于LightGBM的回归任务案例

在本文中，我们将学习先进的机器学习模型之一：Lightgbm。

python收藏家·2024-02-15 09:21

paddlepaddle 2.6版本在WSL2环境中如何使用NVIDIA显卡运行神经网络

paddlepaddle2.6版本发布后，官网上可以使用NVIDIAcuda12.x进行机器学习了，训练神经网络的效率大为提升。

kampoo·2024-02-15 09:47

机器学习4----随机森林

importnumpyasnpimportpandasaspdfromsklearn.datasetsimportload_irisdata,target=load_iris(return_X_y=True)data.shapedatafromsklearn.model_selectionimporttrain_test_splitx_train,x_test,y_train,y_test=tra

pyniu·2024-02-15 08:31

基于Java学生干部管理系统设计和实现(源码+LW+部署讲解)

技术领域和学生毕业项目实战,高校老师/讲师/同行前辈交流✌主要内容：SpringBoot、Vue、SSM、HLMT、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、小程序、安卓app、大数据、物联网、机器学习等

java李杨勇·2024-02-15 08:00

机器学习3----决策树

这是前期准备importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt#ID3算法#每个特征的信息熵#target:账号是否真实，共2种情况#yes7个p=0.7#no3个p=0.3info_D=-(0.7*np.log2(0.7)+0.3*np.log2(0.3))info_D#日志密度L#日志密度3种结果#s3个0.31yes,2no

pyniu·2024-02-15 08:29

黑暗中工作的人脸识别技术

概述性说明热与视觉合成与现有基于可见光的面部识别系统的互操作性陆军研究人员开发了一种人工智能和机器学习技术，通过在低光照或夜间条件下拍摄人脸热图像产生可见的人脸图像。

飞猪share·2024-02-15 08:53

【百面机器学习笔记】模型评估

模型评估指标准确率（Accuracy）准确率是指分类正确的样本占总样本个数的比例。Accuracy=n(correct)/n(total)当负样本占99%时，分类器把所有样本都预测为负样本也可以获得99%的准确率。所以，当不同类别的样本比例非常不均衡时，占比大的类别往往成为影响准确率的最主要因素。精确率（Precision）&召回率（Recall）精确率是指分类正确的正样本个数占分类器判定为正样本

葡萄肉多·2024-02-15 08:06

【机器学习】详解 Optimizers

目录一、简介二、原理2.1BGD(BatchGradientDescent)2.2SGD(StochasticGradientDescent)2.3MBGD(Mini-BatchGradientDescent)2.4BGD、SGD、MBGD小结2.5SGDM(StochasticGradientDescentwithMomentum)2.6AdaGrad(AdaptiveGradient)2.7R

何处闻韶·2024-02-15 08:11

机器学习材料性能预测与材料基因工程如何整？

近几年随着大数据和人工智能介入，通过采用支持向量机、神经网络等机器学习算法训练数据集来构建模型，以预测材料的结构、吸附特性、电学特性、催化性能、力学特性和热力学特性等性能，大大推动了新型材料的发现和传统材料的更

cuiliuyun·2024-02-15 08:11

[机器学习]详解transformer---小白篇

1.背景：Transformer是2017年的一篇论文《AttentionisAllYouNeed》提出的一种模型架构，这篇论文里只针对机器翻译这一种场景做了实验，并且由于encoder端是并行计算的，训练的时间被大大缩短了。全面击败了当时的SOTA，现阶段，Transformer在cv领域也是全面开花，基于transformer的目标识别，语义分割等算法也是经常屠榜。论文:[1706.03762

是安澜啊·2024-02-15 08:11

基于Transformer的机器学习模型的主动学习

主动学习和基于Transformer的机器学习模型的结合为有效地训练深度学习模型提供了强有力的工具。通过利用主动学习，数据科学家能够减少训练模型所需的标记数据的数量，同时仍然达到高精度。

第欧根尼的酒桶·2024-02-15 08:09

机器学习矩阵运算库Numpy入门25例

导入numpyimportnumpyasnp打印numpy的版本和配置信息print(np.version)print(np.show_config)查看函数帮助文档#np.info(np.abs)创建0向量np.zeros(10)array([0.,0.,0.,0.,0.,0.,0.,0.,0.,0.])np.zeros((5,2))array([[0.,0.],[0.,0.],[0.,0.],

皮皮大·2024-02-15 08:54

机器学习LDA线性判别器代码实现

机器学习LDA线性判别器代码实现西瓜书P60线性判别器LDA代码实现：importnumpyasnpimportmatplotlib.pyplotaspltdefload_data(file_name)

Longlongaaago·2024-02-15 07:38

Evolutionary algorithm （遗传算法）介绍

Evolutionaryalgorithm（遗传算法）介绍Evolutionaryalgorithm遗传算法，实际上也是机器学习里面一个很重要的分支。

Longlongaaago·2024-02-15 07:07

基于决策树的金融市场波动性预测与应用

基于决策树的金融市场波动性预测与应用项目背景与意义数据概述与分析数据来源数据特征数据预处理与特征工程模型训练与评估结果与应用总结LightGBM是一个机器学习算法库，用于梯度提升机（GradientBoostingMachine

OverlordDuke·2024-02-15 02:42

labelImg和labelme区别

LabelImg和LabelMe是两种常用的标注工具，用于创建标注数据集以供机器学习和计算机视觉任务使用。虽然它们都具有相似的目标，即方便用户进行图像标注，但在某些方面存在一些区别。

FL1623863129·2024-02-15 02:40

今日arXiv最热NLP大模型论文：基于语言模型模拟的经济学研究

近年来，人工智能社区通过两种方式为这一领域做出了贡献：一是探讨大型语言模型（LLMs）是否能在简单的选择预测设置中替代人类；二是通过机器学习（ML）的视角研究更复杂的实验经济学设置，这些设置涉及不完全信息

夕小瑶·2024-02-15 02:26

基于 Apache Flink 的实时计算数据流业务引擎在京东零售的实践和落地

内容主要包括五个方面：京东零售实时计算的现状实时计算框架场景优化：TopN场景优化：动线分析场景优化：FLINK一站式机器学习点击查看更多技术内容一、京东零售实时计算的现状1.1现状技术门槛高、学习成本大

Apache Flink·2024-02-15 01:50

快速上手医学影像组学和机器学习（训练营：2023.9.19~9.26）

茗创科技专注于脑科学数据处理，涵盖（EEG/ERP,fMRI,结构像,DTI,ASL,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师（微信号MCKJ-zhouyi或17373158786）咨询。★课程简介★随着大数据、人工智能的深入融合发展，一项新的研究方法开始用于临床研究，它就是影像组学。它可以对普通影像图像进行更深层

茗创科技·2024-02-15 00:09

Task 11 XGBoost 算法分析与案例调参实例

1.XGBoost算法XGBoost是陈天奇等人开发的一个开源机器学习项目，高效地实现了GBDT算法并进行了算法和工程上的许多改进，被广泛应用在Kaggle竞赛及其他许多机器学习竞赛中并取得了不错的成绩

沫2021·2024-02-15 00:38

Python的Sklearn库中的数据集

一、Sklearn介绍scikit-learn是Python语言开发的机器学习库，一般简称为sklearn，目前算是通用机器学习算法库中实现得比较完善的库了。

王荣胜z·2024-02-14 23:13

2019-12-01

利用python实现多元线性回归#-------机器学习--------1、简单一元线性回归importnumpyasnpimportmatplotlib.pyplotaspltx=np.array([

xias147·2024-02-14 22:25

达摩院官方刚刚发布了最新的Python教程，整套427集系统学习视频

主要分为以下章节：概述初学者Python入门通过Python进行Web开发通过Python编写脚本与自动化通过Python进行机器学习开发常见问题其他资源补充多语言版本自由选择，将近7

刘好看静静·2024-02-14 22:41

什么是信号卷积，信号卷积的物理意义是什么，功能有哪些

在信号处理领域，卷积运算具有非常广泛的应用，包括数字信号处理、图像处理、机器学习和物理工程等。

kfjh·2024-02-14 22:25

推荐频道

机器学习实战项目