E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
机器学习张量
协调尺度:特征缩放在
机器学习
中的重要作用
目录一、介绍二、背景知识三、了解功能缩放四、特征缩放方法五、特征缩放的重要性六、实际意义七、代码八、结论一、介绍特征缩放是
机器学习
和数据分析预处理阶段的关键步骤,在优化各种算法的性能和效率方面起着至关重要的作用
无水先生
·
2024-02-19 23:50
人工智能
深度学习
机器学习
人工智能
机器学习
---HMM前向、后向和维特比算法的计算
1.HMMimportnumpyasnp#In[15]:classHiddenMarkov:defforward(self,Q,V,A,B,O,PI):#使用前向算法N=len(Q)#状态序列的大小M=len(O)#观测序列的大小alphas=np.zeros((N,M))#alpha值T=M#有几个时刻,有几个观测序列,就有几个时刻fortinrange(T):#遍历每一时刻,算出alpha值i
三月七꧁ ꧂
·
2024-02-19 23:23
机器学习
机器学习
算法
python
【
机器学习
笔记】5
机器学习
实践
数据集划分子集划分训练集(TrainingSet):帮助我们训练模型,简单的说就是通过训练集的数据让我们确定拟合曲线的参数。验证集(ValidationSet):也叫做开发集(DevSet),用来做模型选择(modelselection),即做模型的最终优化及确定的,用来辅助我们的模型的构建,即训练超参数,可选;测试集(TestSet):为了测试已经训练好的模型的精确度。三者划分:训练集、验证集、
RIKI_1
·
2024-02-19 23:52
机器学习
机器学习
笔记
人工智能
机器学习
和统计学的区别?
1、本质区别:目标:
机器学习
的核心目标是建立一个可以自动学习和改进的模型,以预测未知数据。它更关注结果的准确性和模型的泛化能力,通常不关心模型是否可以解释。
小桥流水---人工智能
·
2024-02-19 23:21
人工智能
机器学习算法
机器学习
人工智能
GAN生成对抗性网络
一、GAN原理出发点:
机器学习
中生成模型的问题无监督学习是
机器学习
和未来人工智能的突破点,生成模型是无监督学习的关键部分特点:不需要MCMC或者变分贝叶斯等复杂的手段,只需要在G和D中对应的多层感知机中运行反向传播或者梯度下降算法模型通常使用神经网络
Dirschs
·
2024-02-19 23:19
深度学习
GAN
生成对抗网络
人工智能
神经网络
【解决(几乎)任何
机器学习
问题】:超参数优化篇(超详细)
假设您的
机器学习
项⽬有⼀个简单的流程。有⼀个数据集,你直接应⽤⼀个模型,然后得到结果。模型在这⾥的参数被称为超参数,即控制模型训练/拟合过程的参数。
X.AI666
·
2024-02-19 23:48
解决(几乎)任何机器学习问题
机器学习
人工智能
机器学习
网格搜索超参数优化实战(随机森林) ##4
文章目录基于Kaggle电信用户流失案例数据(可在官网进行下载)数据预处理模块时序特征衍生第一轮网格搜索第二轮搜索第三轮搜索第四轮搜索第五轮搜索基于Kaggle电信用户流失案例数据(可在官网进行下载)导入库#基础数据科学运算库importnumpyasnpimportpandasaspd#可视化库importseabornassnsimportmatplotlib.pyplotasplt#时间模块
恒c
·
2024-02-19 23:47
机器学习
随机森林
人工智能
机器学习
中为什么需要梯度下降
在
机器学习
中,梯度下降是一种常用的优化算法,用于寻找损失函数的最小值。我们可以用一个简单的爬山场景来类比梯度下降的过程。假设你被困在山上,需要找到一条通往山下的路。
华农DrLai
·
2024-02-19 23:16
机器学习
人工智能
大数据
深度学习
算法
数据挖掘
计算机视觉
创新设计与技术突破:嵌入式系统在人工智能和
机器学习
领域的应用前景
嵌入式系统在人工智能和
机器学习
领域的应用前景非常广阔,创新设计和技术突破将进一步推动这些领域的发展。
迷璃学妹
·
2024-02-19 23:45
人工智能
机器学习
【STM32 CubeMX】GPIO_HAL库源码分析
GPIO1.2HAL_GPIO_Init源码分析GPIO_InitTypeDef初始化结构体HAL_GPIO_Init函数总结前言提示: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
人才程序员
·
2024-02-19 20:23
stm32
嵌入式硬件
单片机
c
c++
OpenCV介绍和使用
目录一:简介二:安装三:使用一:简介OpenCV(OpenSourceComputerVisionLibrary)是一个开源的计算机视觉和
机器学习
软件库,广泛应用于图像处理、计算机视觉、
机器学习
等领域。
攻城狮的梦
·
2024-02-19 20:43
opencv
人工智能
计算机视觉
optuna,一个好用的Python
机器学习
自动化超参数优化库
️个人主页:鼠鼠我捏,要死了捏的主页️付费专栏:Python专栏️个人学习笔记,若有缺误,欢迎评论区指正前言超参数优化是
机器学习
中的重要问题,它涉及在训练模型时选择最优的超参数组合,以提高模型的性能和泛化能力
牵着猫散步的鼠鼠
·
2024-02-19 20:23
python
开发语言
【
机器学习
笔记】11 支持向量机
支持向量机(SupportVectorMachine,SVM)支持向量机是一类按监督学习(supervisedlearning)方式对数据进行二元分类的广义线性分类器(generalizedlinearclassifier),其决策边界是对学习样本求解的最大边距超平面(maximum-marginhyperplane)。与逻辑回归和神经网络相比,支持向量机,在学习复杂的非线性方程时提供了一种更为清
RIKI_1
·
2024-02-19 19:38
机器学习
机器学习
笔记
支持向量机
【
机器学习
笔记】12 聚类
无监督学习概述监督学习在一个典型的监督学习中,训练集有标签,我们的目标是找到能够区分正样本和负样本的决策边界,需要据此拟合一个假设函数。无监督学习与此不同的是,在无监督学习中,我们的数据没有附带任何标签,无监督学习主要分为聚类、降维、关联规则、推荐系统等方面。主要的无监督学习方法聚类(Clustering)如何将教室里的学生按爱好、身高划分为5类?降维(DimensionalityReductio
RIKI_1
·
2024-02-19 19:38
机器学习
机器学习
笔记
聚类
【
机器学习
笔记】4 朴素贝叶斯
贝叶斯方法贝叶斯分类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。朴素贝叶斯分类是这一类算法中最简单的较为常见的算法。先验概率根据以往经验和分析得到的概率。我们用()来代表在没有训练数据前假设拥有的初始概率。后验概率根据已经发生的事件来分析得到的概率。以(|)代表假设成立的情下观察到数据的概率,因为它反映了在看到训练数据后成立的置信度。联合概率是指在多元的概率分
RIKI_1
·
2024-02-19 19:07
机器学习
机器学习
笔记
人工智能
【
机器学习
笔记】 6
机器学习
库Scikit-learn
Scikit-learn概述Scikit-learn是基于NumPy、SciPy和Matplotlib的开源Python
机器学习
包,它封装了一系列数据预处理、
机器学习
算法、模型选择等工具,是数据分析师首选的
机器学习
工具包
RIKI_1
·
2024-02-19 19:07
机器学习
机器学习
笔记
scikit-learn
【
机器学习
笔记】10 人工神经网络
人工神经网络发展史1943年,心理学家McCulloch和逻辑学家Pitts建立神经网络的数学模型,MP模型每个神经元都可以抽象为一个圆圈,每个圆圈都附带特定的函数称之为激活函数,每两个神经元之间的连接的大小的加权值即为权重。1960年代,人工网络得到了进一步地发展感知机和自适应线性元件等被提出。M.Minsky仔细分析了以感知机为代表的神经网络的局限性,指出了感知机不能解决非线性问题,这极大影响
RIKI_1
·
2024-02-19 19:07
机器学习
机器学习
笔记
人工智能
机器学习
训练营逻辑回归分类预测学习笔记
#1.学习知识点概要1.1逻辑回归1.2python的逻辑回归实现#2.学习内容主要学习了逻辑回归的基本公式和概念,然后实践了逻辑回归的简单应用(以iris数据库为例子)。内容比较简单之前都有接触过。###逻辑回归(LR)Logistic回归是一种分类方法,主要用于两分类问题(binaryproblem),所以利用了Logistic函数(或称为Sigmoid函数),函数形式为:$$logi(z)=
咩神烦
·
2024-02-19 19:04
天池学习笔记
逻辑回归
python
机器学习
【
机器学习
笔记】3 逻辑回归
分类问题分类问题监督学习最主要的类型,主要特征是标签离散,逻辑回归是解决分类问题的常见算法,输入变量可以是离散的也可以是连续的二分类先从用蓝色圆形数据定义为类型1,其余数据为类型2;只需要分类1次,步骤:①->②多分类问题先定义其中一类为类型1(正类),其余数据为负类(rest);接下来去掉类型1数据,剩余部分再次进行二分类,分成类型2和负类;如果有类,那就需要分类-1次,步骤:①->②->③->
RIKI_1
·
2024-02-19 19:02
机器学习
机器学习
笔记
逻辑回归
FPGA转行ISP的探索之二:技术路线和概念
图像去噪的算法一般是滤波,比如空域滤波,变换域滤波,
机器学习
方法等,经常是用OpenCV的代码来写。2)CONTRAST,对比
徐丹FPGA之路
·
2024-02-19 19:32
FPGA
异构计算
算法
fpga开发
接口隔离原则
算法
机器学习
技法笔记5:Kernel 逻辑回归
5-1Soft-MarginSVMasRegularizedModel前面几篇:
机器学习
技法笔记1:线性SVM
机器学习
技法笔记2:SVM的对偶形式
机器学习
技法笔记3:KernelSVM
机器学习
技法笔记4
wang_buaa
·
2024-02-19 19:49
机器学习技法
机器学习
SVM
001:自动驾驶概述
技术探索阶段(2005年-2015年):随着计算机技术和
机器学习
技术的快速发展,自动驾驶技术开始
qq_31762031
·
2024-02-19 19:33
019-自动驾驶技术整理
自动驾驶发展
自动驾驶汽车制造商
自动驾驶技术公司
自动驾驶传感器制造商
自动驾驶软件开发商
自动驾驶图商
自动驾驶汽车零部件供应商
聚类分析入门:使用Python和K-means算法进行数据聚类
文章标题:聚类分析入门:使用Python和K-means算法进行数据聚类简介聚类分析是
机器学习
中的一个重要任务,它涉及将数据集中的样本分成多个类别或簇,使得同一簇内的样本相似度较高,不同簇之间的样本相似度较低
Evaporator Core
·
2024-02-19 19:01
python
强化学习入门:使用Python和Q-learning算法解决迷宫问题
文章标题:强化学习入门:使用Python和Q-learning算法解决迷宫问题简介强化学习是
机器学习
中的一个重要分支,它致力于研究智能体在与环境交互的过程中如何学习最优的行为策略。
Evaporator Core
·
2024-02-19 19:01
python
Z分数标准化
这种标准化方法对于
机器学习
和统计分析中的特征缩放和数据预处理非常有用。标准化的步骤如下:计算均值和标准差:对于给定的数据集,首先计算其均值(μ)和标准差(σ)。
草明
·
2024-02-19 19:30
数据结构与算法
机器学习
人工智能
自然语言处理入门:使用Python和NLTK进行文本预处理
本文将介绍如何使用Python编程语言和NLTK(NaturalLanguageToolkit)库进行文本预处理,为后续的文本分析和
机器学习
任务做准备。
Evaporator Core
·
2024-02-19 19:29
深度学习
深度学习
python
tensorflow
Python
机器学习
:Scikit-learn库与应用
当涉及到Python
机器学习
时,Scikit-learn是一个非常流行且功能强大的库。它提供了广泛的算法和工具,使得
机器学习
变得简单而高效。
数据小爬虫
·
2024-02-19 18:11
api
电商api
机器学习
python
scikit-learn
开发语言
运维
服务器
【
机器学习
算法】KNN鸢尾花种类预测案例和特征预处理。全md文档笔记(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 18:51
机器学习python算法
GEE:关于在GEE平台上进行回归计算的若干问题
作者:CSDN@_养乐多_记录一些在GoogleEarthEngine(GEE)平台上进行
机器学习
回归计算的问题和解释。文章目录一、回归1.1问:GEE平台上可以进行哪些
机器学习
回归算法?
_养乐多_
·
2024-02-19 18:40
GEE
GEE
javascript
遥感图像处理
云计算
回归
Python用GAN生成对抗性神经网络判别模型拟合多维数组、分类识别手写数字图像可视化
Facebook的AI研究总监YannLeCun称对抗训练是“过去10年中最有趣的
机器学习
领域
·
2024-02-19 18:13
数据挖掘深度学习机器学习算法
挑战杯 基于CNN实现谣言检测 - python 深度学习
机器学习
文章目录1前言1.1背景2数据集3实现过程4CNN网络实现5模型训练部分6模型评估7预测结果8最后1前言优质竞赛项目系列,今天要分享的是基于CNN实现谣言检测该项目较为新颖,适合作为竞赛课题方向,学长非常推荐!更多资料,项目分享:https://gitee.com/dancheng-senior/postgraduate1.1背景社交媒体的发展在加速信息传播的同时,也带来了虚假谣言信息的泛滥,往往
laafeer
·
2024-02-19 16:45
cnn
python
基于PyTorch的深度学习模型中的
张量
(Tensor)尺寸变换操作
基于PyTorch的深度学习模型中的
张量
(Tensor)尺寸变换操作DateAuthorVersionNote2023.08.16DogTaoV1.0完成文档初稿(英文)2023.09.09DogTaoV1.1
全能骑士涛锅锅
·
2024-02-19 16:38
人工智能与机器学习
cnn
人工智能
神经网络
pytorch
tensor
深度学习:开启人工智能的未来探索之旅
深度学习的概念与原理深度学习是一种基于人工神经网络的
机器学习
方法,其核心理念是通过模拟人脑神经网络的多层次结构,实现对复杂数据的学习和分析。人工神经网络是一种模拟生
快乐非自愿
·
2024-02-19 16:05
人工智能
深度学习
如何使用 MongoDB 构建采用 AI 技术的应用程序
这可以包括
机器学习
(ML)、深度学习(DL)、自然语言处理(NLP)等。确定您需要收集和处理的数据类型以及这些数据如何支持AI模型。设计数据模型:根据AI模型的需求设计MongoDB的数据模型。
数字化信息化智能化解决方案
·
2024-02-19 16:03
mongodb
人工智能
数据库
PyTorch基本介绍
基本介绍PyTorch是一个基于Python的
机器学习
框架,由Facebook于2016年发布。它提供了一组灵活且高效的工具,可用于构建和训练各种深度学习模型。
Rain松
·
2024-02-19 16:02
机器学习与深度学习
pytorch
深度学习
机器学习
【深度学习】Pytorch 系列教程(二):PyTorch数据结构:1、Tensor(
张量
): GPU加速(GPU Acceleration)
文章目录一、前言二、实验环境三、PyTorch数据结构0、分类1、Tensor(
张量
)1.维度(Dimensions)2.数据类型(DataTypes)3.GPU加速(GPUAcceleration)查看可用
QomolangmaH
·
2024-02-19 16:28
#
PyTorch
深度学习
pytorch
数据结构
cuda
gpu算力
tensor
张量
见世面的成本有多低?这几个技术公众号告诉你答案
人工智能爱好者社区专注人工智能、
机器学习
、数据科学等顶尖技术前沿科技成果研究、实战技巧。每周会有书豪采访记系列采访技术大佬文章和原创漫画文章,立即关注,掌握人工智能最新资讯与成果。
傅一平
·
2024-02-19 16:19
《深度学习》阅读笔记
L2范数即
机器学习
中常用的MSE,但在原点处增长太缓慢。当0和非0元素间的差异非常重要时,使用L1范数。衡量矩阵的大小:frobenius范数2.6特征分解由矩阵的特征值定义可以推得正定:所
林子闲_5f12
·
2024-02-19 16:48
深度神经网络中的BNN和DNN:基于存内计算的原理、实现与能量效率
引言深度神经网络(DNN)在
机器学习
领域越来越受欢迎,其在一系列任务中展现出最先进的性能。为了达到最佳结果,通常需要大量的训练数据和大型模型,从而使得训练和推理过程变得复杂。
·
2024-02-19 16:10
算法
深度学习的魅力:探索人工智能的未来之路
深度学习是
机器学习
的一个分支,它模拟人脑的神经网络结构,通过大量的数据进行训练,从而使机器能够学到复杂的
洞深视界
·
2024-02-19 16:46
人工智能
深度学习
Amazon Web Services -- 全球云计算领导者
AmazonWebServices--全球云计算领导者AmazonWebServices--全球云计算领导者、云基础设施与平台服务(Iaas&PaaS)领导者;计算、存储和数据库等基础设施技术,到
机器学习
·
2024-02-19 16:06
如何探索和可视化用于图像中物体检测的 ML 数据
近年来,人们越来越认识到深入理解
机器学习
数据(ML-data)的必要性。
虚无火星车
·
2024-02-19 16:11
python
深度学习
人工智能
机器学习
概念读书笔记
1-
机器学习
起源
机器学习
始于1950年代,塞缪尔用跳棋游戏研究
机器学习
,最终程序打败了他自己,后来更是战胜了美国跳棋全国冠军。
人工智娘
·
2024-02-19 15:47
机器学习
第二十五周周报 ConvLSTM
文章目录week25ConvLSTM摘要Abstract一、李宏毅
机器学习
二、文献阅读1.题目2.abstract3.网络架构3.1降水预报问题的建模3.2ConvolutionalLSTM3.3编码-
沽漓酒江
·
2024-02-19 15:51
机器学习
人工智能
机器学习
---规则学习(序贯覆盖、单条规则学习、剪枝优化)
1.序贯覆盖回归:分类:聚类:逻辑规则:读作:若(文字1且文字2且...),则目标概念成立规则集:充分性与必要性;冲突消解:顺序规则、缺省规则、元规则eg:命题逻辑→命题规则原子命题:,,,…A,B,C,…;逻辑连词:↔,→,←,⋀,⋁,¬…↔,→,←,⋀,⋁,¬…一阶逻辑→一阶规则常量:,,,…,1,2,3,…;变量:,,,…A,B,C,…(n元)谓词/函数:p/n,f/n;项:常量|变量|函数
三月七꧁ ꧂
·
2024-02-19 15:21
机器学习
剪枝
算法
机器学习
神经网络算法 —— Embedding(嵌入)!!
文章目录前言1、Embedding的本质(1)
机器学习
中的Embedding(2)NLP中的Embedding2、Embedding的原理(1)ImageEmbedding(图像嵌入)(2)WordEmbedding
JOYCE_Leo16
·
2024-02-19 15:15
Transformer
神经网络
embedding
深度学习
自然语言处理
【大厂AI课学习笔记】【2.2
机器学习
开发任务实例】(1)搭建一个
机器学习
模型
今天学习的是,如何搭建一个
机器学习
模型。主要有以上的步骤:原始数据采集特征工程数据预处理特征提取特征转换(构造)预测识别(模型训练和测试)在实际工作中,特征比模型更重要。
giszz
·
2024-02-19 14:43
人工智能
学习笔记
人工智能
学习
笔记
【大厂AI课学习笔记】【2.2
机器学习
开发任务实例】(3)数据准备和数据预处理
项目开始,首先要进行数据准备和数据预处理。数据准备的核心是找到这些数据,观察数据的问题。数据预处理就是去掉脏数据。缺失值的处理,格式转换等。延伸学习:在人工智能(AI)的众多工作流程中,数据准备与预处理占据着举足轻重的地位。这两个步骤不仅影响着模型的训练效率和准确性,更是确保AI系统能够在实际应用中发挥效能的基石。一、数据准备数据准备的核心在于找到合适的数据源,并确保这些数据能够充分反映所要解决的
giszz
·
2024-02-19 14:43
人工智能
学习笔记
学习
笔记
pytorch chunk的使用举例
在PyTorch中,`chunk`是一个用于将
张量
(tensor)按指定维度进行切片的函数。它可以将一个
张量
切分成多个块。
andeyeluguo
·
2024-02-19 14:12
AI笔记
pytorch
人工智能
python
【吴恩达·
机器学习
】第二章:单变量线性回归模型(代价函数、梯度下降、学习率、batch)
——《朗读者》0、声明本系列博客文章是博主本人根据吴恩达老师2022年的
机器学习
课程所学而写,主要包括老师的核心讲义和自己的理解。
Yaoyao2024
·
2024-02-19 14:41
机器学习
线性回归
学习
上一页
11
12
13
14
15
16
17
18
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他