机器学习快速入门

【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

【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

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

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

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

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

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

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

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

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

【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

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

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

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

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

Go语言使用protobuf快速入门

前言protobuf即ProtocolBuffers，是一种轻便高效的结构化数据存储格式，与语言、平台无关，可扩展可序列化。protobuf性能和效率大幅度优于JSON、XML等其他的结构化数据格式。protobuf是以二进制方式存储的，占用空间小，但也带来了可读性差的缺点。protobuf在通信协议和数据存储等领域应用广泛。Protobuf在.proto定义需要处理的结构化数据，可以通过prot
汀风说后端·2024-02-19 16:05

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

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

【深度学习】Pytorch 系列教程（二）：PyTorch数据结构：1、Tensor（张量）： GPU加速（GPU Acceleration）

Dimensions）2.数据类型（DataTypes）3.GPU加速（GPUAcceleration）查看可用gpu张量移动经典语句device一、前言ChatGPT：  PyTorch是一个开源的机器学习框架
QomolangmaH·2024-02-19 16:28

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

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

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

React-Native热更新 - 3分钟教你实现

哈哈，今天是大猪在写的第一篇文章,步入正题，此文使用当前最新版本的RN与Code-Push进行演示，其中的参数不会过多进行详细解释，更多参数解释可参考其它文章，这里只保证APP能正常进行热更新操作，方便快速入门
kikiki1·2024-02-19 15:41

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---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

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

【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

【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

【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

Pytorch-SGD算法解析

关注B站可以观看更多实战教学视频：肆十二-的个人空间-肆十二-个人主页-哔哩哔哩视频(bilibili.com)SGD，即随机梯度下降（StochasticGradientDescent），是机器学习中用于优化目标函数的迭代方法
肆十二·2024-02-19 14:10

机器学习第二十八周周报 PINNs2

文章目录week28PINNs2摘要Abstract一、Lipschitz条件二、文献阅读1.题目数据驱动的偏微分方程2.连续时间模型3.离散时间模型4.结论三、CLSTM1.任务要求2.实验结果3.实验代码3.1模型构建3.2训练过程代码小结参考文献week28PINNs2摘要本文主要讨论PINN。本文简要介绍了Lipschitz条件。其次本文展示了题为Physics-informedneura
沽漓酒江·2024-02-19 14:38

OLMo论文里的模型结构的小白解析

模型参数量以7B为例，隐藏层为4086，attentionheads为32训练的token量为2.46T训练策略超参数在我们的硬件上优化训练吞吐量，同时最小化损失峰值和缓慢发散的风险来选择超参数损失峰值：在机器学习中
瓶子好亮·2024-02-19 14:08

Quick introduction to Apache Spark

它还支持一组丰富的更高级别的工具，包括SparkSQL用户SQL和结构化数据处理，MLlib机器学习，GraphX用户图形处理下载从项目网站的下载页面获取Spark。
Liam_ml·2024-02-19 13:29

【解决（几乎）任何机器学习问题】：处理分类变量篇（上篇）

这篇文章相当长，您可以添加至收藏夹，以便在后续有空时候悠闲地阅读。本章因太长所以分为上下篇来上传，请敬请期待很多⼈在处理分类变量时都会遇到很多困难，因此这值得⽤整整⼀章的篇幅来讨论。在本章中，我将讲述不同类型的分类数据，以及如何处理分类变量问题。什么是分类变量？分类变量/特征是指任何特征类型，可分为两⼤类：⽆序，有序⽆序变量是指有两个或两个以上类别的变量，这些类别没有任何相关顺序。例如，如果将性别
X.AI666·2024-02-19 13:01

C语言指针进阶

(char*)1.字符常量2.字符串常量二、指针数组三、数组指针1.数组指针的定义2.数组名vs&数组名3.数组指针的使用总结前言提示：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
空杯心！·2024-02-19 13:00

政安晨：【完全零基础】认知人工智能（一）【超级简单】的【机器学习神经网络】 —— 预测机

开个头很多小伙伴们很想亲近人工智能与机器学习领域，然而这个领域里的核心理论、算法、工具给人感觉都太过“高冷”，让很多小伙伴们望而却步，导致一直无法入门。如何捅破这层窗户纸？
政安晨·2024-02-19 13:26

【大厂AI课学习笔记】【2.1 人工智能项目开发规划与目标】（4）数据准备的流程

数据采集观测数据人工收集调查问卷线上数据库2.数据清洗有缺失的数据有重复的数据有内容错误的数据，例如逻辑错误、格式错误有不需要的数据3.数据标注数据标注即通过分类、画框、标注、注释等，对图片、语音、文本等数据进行处理，标记对象的特征，以作为机器学习标签的过程
giszz·2024-02-19 13:47

政安晨：【完全零基础】认知人工智能（二）【超级简单】的【机器学习神经网络】—— 底层算法

如果小伙伴第一次看到这篇文章，可以先浏览一下我这个系列的上一篇文章：政安晨：【完全零基础】认知人工智能（一）【超级简单】的【机器学习神经网络】——预测机https://blog.csdn.net/snowdenkeke
政安晨·2024-02-19 12:09

探索XGBoost：深度集成与迁移学习

导言深度集成与迁移学习是机器学习领域中的两个重要概念，它们可以帮助提高模型的性能和泛化能力。
Echo_Wish·2024-02-19 12:34

单细胞转录组基础分析六：伪时间分析

Monocle进行伪时间分析的核心技术是一种机器学习算法——反向图形嵌入(ReversedGraphEmbedding)。
Seurat_Satija·2024-02-19 12:25

4张图片就可以微调扩散模型

基础概念1、生成模型和文本到图像的合成生成模型是一类机器学习模型，旨在生成与给定数据集相似的新数据
·2024-02-19 12:29

生成式网络与判别式网络

生成式网络（GenerativeNetworks）和判别式网络（DiscriminativeNetworks）是两类在机器学习和深度学习中常见的网络类型，它们在数据处理和学习任务中扮演不同的角色。
一条小小yu·2024-02-19 12:23
上一页 13 14 15 16 17 18 19 20 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他