机器学习推荐系统第33页

【机器学习300问】21、什么是激活函数？常见激活函数都有哪些？

【机器学习300问】20、什么是神经网络？和深度学习什么关系？http://t.csdnimg.cn/47Sgq承接上文中谈到的“神经元被激活”，

小oo呆·2024-02-03 11:57

机器学习系列——（六）数据降维

引言在机器学习领域，数据降维是一种常用的技术，旨在减少数据集的维度，同时保留尽可能多的有用信息。数据降维可以帮助我们解决高维数据带来的问题，提高模型的效率和准确性。

飞影铠甲·2024-02-03 11:55

政安晨的机器学习笔记——示例演绎在TensorFlow中使用 CSV数据（基于Colab的Jupyter笔记）（1.5万字长文超详细）

本笔记提供了如何在TensorFlow中使用CSV数据的示例：用tf.data加载CSV数据。其中包括两个主要部分：从磁盘加载数据将数据预处理为适合训练的形式。本笔记侧重于加载，并提供了一些关于预处理的快速示例。设置importpandasaspdimportnumpyasnp#Makenumpyvalueseasiertoread.np.set_printoptions(precision=3,

政安晨·2024-02-03 11:23

CCF-CSP 202206-1 归一化处理

归一化处理题目要求‍⬛题目背景‍⬛问题描述‍⬛输入格式‍⬛输出格式‍⬛样例说明样例输入样例输出样例解释‍⬛子任务‍⬛评分方式‍⬛提示问题解决满分代码（含逐行代码解释）C++场景拓展题目要求‍⬛题目背景在机器学习中

九又四分之三(9¾)站台·2024-02-03 11:19

电影评论数据分析与推荐系统(程序+开题报告)(开题报告+源码）

这些电影评论数据包含了丰富的用户偏好信息，对于理解观众的喜好、预测电影的市场表现以及提升个性化推荐系统的准确性具有重要价值

萧达毕设程序·2024-02-03 10:29

知识图谱嵌入学习在推理方法中的应用与挑战

然而，传统的符号推理受限于人工定义，催生了机器学习方法的兴起，其中知识图谱嵌入学习成为研究的热点。本文将深入探讨基于知识图谱嵌入学习的推理方法，包括关系推理、符号推理与向量推理，以及各种嵌入模型的应用

cooldream2009·2024-02-03 10:29

机器学习_无监督学习之聚类

文章目录介绍机器学习下的分类K均值算法K值的选取:手肘法用聚类辅助理解营销数据贴近项目实战介绍机器学习下的分类以下介绍无监督学习之聚类聚类是最常见的无监督学习算法。人有归纳和总结的能力，机器也有。

you_are_my_sunshine*·2024-02-03 10:35

机器学习_无监督学习之降维

文章目录介绍PCA算法通过PCA算法进行图像特征采样1.问题定义:给手语数字数据集降维2.导入数据并显示部分数据3.进行降维模型的拟合介绍降维是把高维的数据降到低维的空间或平面上进行处理，也就是让特征数量减少，同时保留特征中的主要信息，从而简化数据集的空间结构，更易于可视化。PCA算法最常见的降维算法是主成分分析(PrincipalComponentAnalysis，PCA)，它是通过正交变换将可

you_are_my_sunshine*·2024-02-03 10:35

主成分分析PCA、KPCA，贡献度计算，特征降维，散点图，从入门到精通，Matlab程序，一键运行！

这种降维的操作可以帮助我们更好地理解和处理数据，并且可以降低计算的复杂度，提高机器学习算法的效率和准确率。降维方法：PCA和KPCA都是降维技术，用于从高维数据中提取主要特征或进行非线性降维。

预测及优化·2024-02-03 09:42

【前沿技术杂谈：开源软件】引领技术创新与商业模式的革命

引领技术创新与商业模式的革命开源软件如何推动技术创新开源软件的开放性和协作精神促进知识共享和技术迭代推动关键技术的发展开源软件与新技术的融合开源软件的商业模式开源软件的商业模式将开源软件与商业软件相结合开源软件的安全风险开源软件的安全风险加强开源软件的安全措施结论开源软件的未来发展趋势重视可持续性和安全性推动人工智能和机器学习的创新应对新挑战和机遇提升跨领域协作加强治理和

jcfszxc·2024-02-03 09:39

numpy 转载学习

熟悉数据科学的人都很喜欢NumPy库，它是时下最流行的Python系数据科学的中流砥柱，是Python科学计算、数据分析以及AI机器学习的基础组件。

科学俱乐会·2024-02-03 09:34

【机器学习】3万字长文，PySpark入门级学习教程，框架思维

为什么要学习Spark？作为数据从业者多年，个人觉得Spark已经越来越走进我们的日常工作了，无论是使用哪种编程语言，Python、Scala还是Java，都会或多或少接触到Spark，它可以让我们能够用到集群的力量，可以对BigData进行高效操作，实现很多之前由于计算资源而无法轻易实现的东西。网上有很多关于Spark的好处，这里就不做过多的赘述，我们直接进入这篇文章的正文！关于PySpark，

风度78·2024-02-03 08:00

【数据开发】pyspark入门与RDD编程

pyspark入门与RDD编程文章目录1、pyspark介绍2、RDD与基础概念3、RDD编程3.1Transformation/Action3.2数据开发流程与环节1、pyspark介绍pyspark的用途机器学习专有的数据分析

小哈里·2024-02-03 08:58

机器学习入门-----sklearn

机器学习基础了解概念机器学习是人工智能的一个实现途径深度学习是机器学习的一个方法发展而来定义：从数据中自动分析获得模型，并利用模型对特征数据【数据集：特征值+目标值构成】进行预测算法数据集的目标值是类别的话叫做分类问题

辣椒酱.·2024-02-03 07:30

机器学习-线性回归【手撕】

回归算法源于统计学理论，它可能是机器学习算法中产生最早的算法之一，其在现实中的应用非常广泛，包括使用其他经济指标预测股票市场指数，根据喷射

alstonlou·2024-02-03 07:23

机器学习之DeepSequence软件使用学习

简介DeepSequence是一个生成性的、无监督的生物序列潜变量模型。给定一个多重序列比对作为输入，它可以用来预测可获得的突变，提取监督式学习的定量特征，并生成满足明显约束的新序列文库。它将序列中的高阶依赖性建模为残差子集之间约束的非线性组合。要了解更多信息，请查看论文（https://www.biorxiv.org/content/early/2017/12/18/235655.1）和下面的例

爱刷短视频的大朋友·2024-02-03 07:52

机器学习知识体系总结

机器学习知识体系总结什么是机器学习？

qq_36661243·2024-02-03 07:22

机器学习原理

神经网络负梯度方向反向传播局部最小就是全局最小svm支持向量机/核函数降维/对偶利于核函数/软间隔正则化去掉噪声，提升鲁棒性决策树信息增益，熵/剪枝/随机森林随机选取n个数据得到m棵cart树进行bagging贝叶斯通过训练集得到先验以及条件分布，在对测试集进行后验概率的计算Gibbs采样马尔可夫平稳过程达到收敛的后验MCMC算法给定一个概率分布p(x)，我们如何在计算机中生成它的样本1、蒙特卡洛

ixtgtg·2024-02-03 07:51

基于机器学习的无损缺陷检测技术研究进展

基于机器学习的无损缺陷检测技术是当前研究的热点之一，其应用广泛，可以有效检测各种材料表面的缺陷。近年来，随着机器学习技术的不断发展，越来越多的研究人员开始探索如何利用机器学习算法来进行无损缺陷检测。

matlabgoodboy·2024-02-03 07:51

模式识别 | PRML概览

PRML全书概览PRML全称PatternRecognitionandMachineLearning，个人认为这是机器学习领域中最好的书籍之一，全书的风格非常Bayesian，作者试图在贝叶斯框架下解释每一种机器学习模型

ZIYUE WU·2024-02-03 07:48

机器学习：线性判别分析LDA（Python）

一、线性判别分析的定义二、线性判别分析——二分类模型lda2classify.pyimportnumpyasnpclassLDABinaryClassifier:"""线性判别分析二分类模型"""def__init__(self):self.mu=None#各类别均值向量self.Sw_i=None#各类内散度矩阵self.Sw=None#类内散度矩阵(within-classscattermat

捕捉一只Diu·2024-02-03 07:16

机器学习 | 如何构建自己的决策树算法？

决策树思想的来源非常朴素，程序设计中的条件分支结构就是if-else结构，最早的决策树就是利用这类结构分割数据的一种分类学习方法目录初识决策树决策树原理cart剪枝特征提取泰坦尼克号乘客生存预测(实操)回归决策树初识决策树决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果，本质是一颗由多个判断节点组成的树。如何理解这段话呢？举

亦世凡华、·2024-02-03 07:45

机器学习-*-MeanShift聚类算法及代码实现

MeanShift该算法也叫做均值漂移，在目标追踪中应用广泛。本身其实是一种基于密度的聚类算法。主要思路是：计算某一点A与其周围半径R内的向量距离的平均值M，计算出该点下一步漂移（移动）的方向（A=M+A）。当该点不再移动时，其与周围点形成一个类簇，计算这个类簇与历史类簇的距离，满足小于阈值D即合并为同一个类簇，不满足则自身形成一个类簇。直到所有的数据点选取完毕。一般形式对于给定的n维空间RnR^

Leo蓝色·2024-02-03 07:14

机器学习系列 - Mean Shift聚类

文章目录前言一、原理前置知识点MeanShift计算步骤二、应用举例-图像分割三、聚类实战-简单实例bandwidth=1bandwidth=2总结前言MeanShift（均值漂移）是基于密度的非参数聚类算法，其算法思想是假设不同簇类的数据集符合不同的概率密度分布，找到任一样本点密度增大的最快方向（最快方向的含义就是MeanShift），样本密度高的区域对应于该分布的最大值，这些样本点最终会在局部

学海一叶·2024-02-03 07:08

1、模型可解释性的应用场景

1、如何理解机器学习背后的逻辑许多人说机器学习模型是“黑箱”，因为它们可以做出良好的预测，但你无法理解这些预测背后的逻辑。

AI算法蒋同学·2024-02-03 07:28

6、基于机器学习的预测

应用机器学习的任何预测任务与这四个策略。

AI算法蒋同学·2024-02-03 07:52

互联网摸鱼日报(2024-02-02)

「学件」系统解决机器学习复用难题，「模型融合」涌现科研新范式纯文本模型训出「视觉」表

每日摸鱼大王·2024-02-03 06:29

06.一个大佬的面试经历

两个简历名字，分别在各个招聘网站投了双份简历，一个是数据分析的简历、一个是web全栈开发的简历，我真正接触python快2年，不管是学习还是工作学到的东西，这两年大概掌握了（前端+django+爬虫+数据分析+机器学习

朗如行玉山·2024-02-03 06:59

Coursera吴恩达机器学习课程笔记——神经网络: 学习（Neural Networks: Learning）

9神经网络:学习（NeuralNetworks:Learning）9.1代价函数（CostFunction）神经网络的分类问题有两种：二元分类问题（0/1分类）只有一个输出单元（K=1K=1K=1）多元（KKK）分类问题输出单元不止一个（K>1K\gt1K>1）神经网络的代价函数公式：hΘ(x)=a(L)=g(Θ(L−1)a(L−1))=g(z(L))h_\Theta(x)=a^{(L)}=g(\

yanglamei1962·2024-02-03 06:04

吴恩达coursera机器学习个人向笔记——9章神经网络学习

文章目录课时62非线性假设09:36课时63神经元与大脑07:47课时64模型展示Ⅰ12:01课时65模型展示Ⅱ11:46课时68例子与直觉理解Ⅰ07:15课时70例子与直觉理解Ⅱ10:20课时71多元分类03:51课时62非线性假设09:36对图1那样的作分类，逻辑斯蒂回归中，只要g(θ转X)中的(高次)项足够多，就一定能找出边界但这是2个特征的情况如果有100个特征，二次交叉项会将近5000个

选西瓜专业户·2024-02-03 06:31

机器学习_13_SVM支持向量机、感知器模型

文章目录1感知器模型1.1感知器的思想1.2感知器模型构建1.3损失函数构建、求解2SVM3线性可分SVM3.1线性可分SVM—概念3.2线性可分SVM—SVM模型公式表示3.3线性可分SVM—SVM损失函数3.4优化函数求解3.5线性可分SVM—算法流程3.6线性可分SVM—案例3.7线性可分SVM—总结4SVM的软间隔模型4.1SVM的软间隔模型—概念4.2SVM的软间隔模型—目标函数4.3优

少云清·2024-02-03 06:27

基于协同过滤的个性化电影推荐系统分析设计python+flask

QQ_402205496·2024-02-03 06:56

机器学习概述

如果把一个表示学习系统看作一个有向图结构，深度也可以看作从输入节点到输出节点所经过的最长路径的长度．这样我们就需要一种学习方法可以从数据中学习一个“深度模型”，这就是深度学习（DeepLearning，DL）．深度学习是机器学习的一个子问题

Yorelee.·2024-02-03 06:24

[AIGC] 讲解机器学习中的 K-均值聚类算法及其优缺点。

K-均值聚类（K-meansclustering）是一种常用的无监督学习算法，用于将数据集划分成K个不重叠的簇(cluster)。该算法通过迭代的方式将样本点划分到K个簇中，使得同一簇内的样本点相似度较高，而不同簇之间的样本点相似度较低。算法步骤：随机选择K个样本点作为初始的质心（簇的中心）。对于每个样本点，计算其到K个质心之间的距离，并将其划分到距离最近的簇中。对于每个簇，计算其中样本点的均值，

程序员三木·2024-02-03 06:54

机器学习_12_梯度下降法、拉格朗日、KKT

文章目录1梯度下降法1.1导数、梯度1.2梯度下降法1.3梯度下降法的优化思想1.4梯度下降法的调优策略1.5BGD、SGD、MBGD1.5.1BGD、SGD、MBGD的区别2有约束的最优化问题3拉格朗日乘子法3.1拉格朗日乘子法理解3.2对偶问题4KKT条件4.1KKT条件理解4.2KKT公式理解4.3KKT条件总结5高中距离知识回顾1梯度下降法1.1导数、梯度导数：一个函数在某一点的导数描述了

少云清·2024-02-03 06:23

和鲸科技与智谱AI达成合作，共建大模型生态基座

发展大模型不仅拓展了机器学习的边界，也为各个领域解决实

ModelWhale·2024-02-03 05:02

【大厂AI课学习笔记】1.4 算法的进步（1）

2006年以来，以深度学习为代表的机器学习算法的发展，启发了人工智能的发展。MORE：自2006年以来，深度学习成为了机器学习领域的一个重要分支，引领了人工智能的飞速发展。

giszz·2024-02-03 03:34

0基础如何学习Python数据分析

语言基础、数据工具、商业分析、机器学习第一阶段：python语言基础数据分析的第一步就是先玩明

程序汪小陈·2024-02-03 01:20

嵌入式人工智能实验方向

2采用BESSOC部署深度学习语音信号处理算法，降噪算法3根据公式用C语言实现卷积CNN，或者采用开源的嵌入式机器学习，嵌入式深度学习，嵌入式神经网络开源sdk，移植，部署到MCU或者SOC，

周南音频科技教育学院(AI湖湘学派)·2024-02-03 01:05

实战美年健康AI大赛之四_复赛使用数加平台

得到复赛资格之后，天池赛题网页左侧的列表中就会多出一项“数加”，点击进入后，按提示得到RAM帐号，即可以登录“数据开发平台”和“机器学习平台”，注意登录帐号是用户名和企业别名的组合。

xieyan0811·2024-02-02 23:17

第二章---python入门的基础知识

欢迎来到机器学习的世界博客主页：卿云阁欢迎关注点赞收藏⭐️留言本文由卿云阁原创！本阶段属于练气阶段，希望各位仙友顺利完成突破首发时间：2021年8月4日✉️希望可以和大家一起完成进阶之路！

卿云阁·2024-02-02 22:03

K-means 算法的原理简介

1.K-means是一种流行的用于聚类的无监督机器学习算法。它是用于客户细分、库存分类、市场细分甚至异常检测的核心算法。2.无监督：K-means是一种无监督算法，用于没有标签或预定义结果的数据。

GIS工具-gistools2021·2024-02-02 22:26

【机器学习】科学库使用手册第2篇：机器学习任务和工作流程（已分享，附代码）

主要内容包括，了解机器学习定义以及应用场景，掌握机器学习基础环境的安装和使用，掌握利用常用的科学计算库对数据进行展示、分析，学会使用jupyternotebook平台完成代码编写运行，应用Matplotlib

程序员一诺·2024-02-02 22:40

【深度学习】从0完整讲透深度学习第2篇：TensorFlow介绍和基本操作（代码文档已分享）

可以让大家熟练掌握机器学习基础,如分类、回归（含代码），熟练掌握numpy,pandas,sklearn等框架使用。

程序员一诺·2024-02-02 22:09

图像分类的发展史

图像分类的发展史图像分类技术的发展史与计算机视觉、机器学习、神经网络等诸多领域紧密相连。它是一场从理论探索到实际应用的演变历程，同时也是一次由人类视觉启发来模拟视觉感知的冒险之旅。

kadog·2024-02-02 21:41

干货 | PID算法在广告成本控制领域的应用

作者简介JasonPei，携程高级算法工程师，对计算广告、推荐系统、NLP等领域有浓厚兴趣。

携程技术·2024-02-02 21:44

Python在无人飞船

大量的开源库和工具：Python拥有丰富的开源库和工具，涵盖了许多需要在无人飞船研发中使用的功能，例如数据处理、机器学习和计算机视觉。这些工具可以帮助研发人员更快地实现功能，并提高代

python无人驾驶医学芯片·2024-02-02 21:13

Python 深度学习实战：聊天机器人

1.背景介绍深度学习是人工智能领域的一个重要分支，它涉及到神经网络、机器学习、数据挖掘等多个领域知识。深度学习的核心思想是通过多层次的神经网络来进行数据的处理和分析，从而实现对复杂问题的解决。

Python人工智能大数据·2024-02-02 20:47

ApacheCN 2019.4~7 总结

这些已有的项目即将完结，为所有贡献者点个赞：PyTorch1.0中文文档Seaborn0.9中文文档ImpatientJavaScript中文版OpenCV4.0中文文档UCBCS61b课本：Java中的数据结构百页机器学习小书我们又新开设了一些翻译项目

布客飞龙·2024-02-02 20:57

【根据loss曲线看模型微调效果】如何使用loss曲线诊断机器学习模型性能

一、Loss曲线在模型的预训练或者微调过程中，我们一般通过观察loss曲线来得出模型对于数据集的学习效果等信息。那么我们如何根据loss曲线得到一些信息呢？通常数据集会被划分成三部分，训练集（trainingdataset）、验证集（validationdataset）、测试集（testdataset）。我们在训练模型时也经常会根据训练集的loss和验证集loss来诊断模型，从而期望能够优化参数训

子非Yu@Itfuture·2024-02-02 19:11

推荐频道

机器学习推荐系统