机器学习数学课

【Python特征工程系列】教你利用逻辑回归模型分析特征重要性（源码）

一、问题应用背景介绍：如果有一个包含数十个甚至数百个特征的数据集，每个特征都可能对你的机器学习模型的性能有所贡献。但是并不是所有的特征都是一样的。
数据杂坛·2024-01-10 11:10

使用机器学习方法进行分析和处理：对高质量图像进行压缩

使用SVD进行图像压缩与普通压缩工具压缩的区别使用SVD（奇异值分解）进行图像压缩与普通压缩工具压缩的主要区别在于压缩原理和压缩效果。1.压缩原理：普通图像压缩工具通常采用有损压缩或无损压缩算法，如JPEG、PNG等，它们主要针对图像的像素进行变换和编码。而SVD图像压缩是基于图像的奇异值分解，将图像矩阵近似表示为低秩矩阵，从而实现图像的降维和压缩。2.压缩效果：SVD图像压缩与普通图像压缩工具相
Aurora_木迦·2024-01-10 11:08

选择三个机器学习算法，代码实现 ，并选择一个数据集进行性能分析

1.线性回归算法线性回归是一种用于预测连续数值的监督学习算法。线性回归算法通过最小化误差的平方和来寻找最佳拟合线，误差是指实际观测值与回归线预测值之间的差异。以下是使用Python和scikit-learn库实现线性回归的示例代码：importnumpyasnpfromsklearn.linear_modelimportLinearRegressionfromsklearn.model_selec
Aurora_木迦·2024-01-10 11:37

[读书]如何设计活动课

活动2：数学课堂上，学生在做“对数函数”的练习题。教师发现
刘霞成都·2024-01-10 11:41

Alphalens 因子分析 - 以低换手率因子为例(1)

通过因子分析，找出有效的因子，通过相关性去重后，就可以通过机器学习、线性回归等方法把因子组合起来，构成交易策略。这一篇笔记我们就介绍如何使用Alphalens来进行单因子分析。
量化风云·2024-01-10 11:46

什么样的idea能发nature machine intelligence?

高度的科学和技术贡献：研究应对机器学习、人工智能、认知科学或相关领域作出重要贡献，提供深刻的洞见或显著的技术进步。广泛的影响力：想法应具有潜在的广泛影响，不仅对学术
CA&AI-drugdesign·2024-01-10 11:38

神经网络（Neural Networks）

什么是机器学习神经网络（NeuralNetworks），也称为人工神经网络（ArtificialNeuralNetworks，ANNs）是一种受到生物神经网络启发而设计的机器学习模型。
草明·2024-01-10 11:36

(十二)Matplotlib知识学习4-python数据分析与机器学习实战(学习笔记)

文章原创,最近更新：2018-05-91.原数据的展示2.柱形图的绘制3.散点图的绘制课程来源:python数据分析与机器学习实战-唐宇迪为了方便大家学习,将练习所涉及的练习fandango_scores.csv
努力奋斗的durian·2024-01-10 11:46

【机器学习】常见算法：K近邻 KNN和Python实现

机器学习算法文章笔记以算法、案例为驱动的学习，伴随浅显易懂的数学知识，让大家掌握机器学习常见算法原理，应用Scikit-learn实现机器学习算法的应用，结合场景解决实际问题。
大雾的小屋·2024-01-10 10:08

PyTorch实战：波士顿房价预测案例

今天，我们将深入探讨一个经典的机器学习问题：波士顿房价预测。我们将使用PyTorch框架，从头到尾详细解释这个案例，旨在帮助初学者理解深度学习模型的构建和训练过程。
洞深视界·2024-01-10 10:02

Colab打开GitHub公开&私人文件库

它允许用户在云端运行代码，特别是针对机器学习和数据分析任务。优点：免费！可以直接在线运行JupyterNotebook，无需额外安装配置。可同步运行和修改Github上的笔记本。
Avasla·2024-01-10 10:55

【机器学习】Sklearn 集成学习-投票分类器（VoteClassifier）

前言在【机器学习】集成学习基础概念介绍中有提到过，集成学习的结合策略包括：平均法、投票法和学习法。
Avasla·2024-01-10 10:24

【机器学习】集成学习投票法：投票回归器(VotingRegressor) & 投票分类器（VotingClassifier）

在【机器学习】集成学习基础概念介绍中有提到过，集成学习的结合策略包括：平均法、投票法和学习法。
Avasla·2024-01-10 10:24

【机器学习】K近邻（K-Nearest Neighbor）算法入门指南

前言：K近邻（K-NearestNeighbor，简称KNN）算法是利用数据点之间的距离来进行预测的一种监督学习方法。在本文中将以最简单的图文方式、为初学者提供KNN算法的入门指南，原理介绍、应用场景、Python实现代码、使用KNN算法的优点和局限性。原理介绍K近邻（K-NearestNeighbor，简称KNN）算法是利用数据点之间的距离来进行预测，是一种常用的监督学习算法。它的工作原理是相似
Avasla·2024-01-10 10:24

【机器学习】集成学习基础概念介绍

前言本文根据西瓜书总结了一些关键知识点，介绍了集成学习的原理、类型以及结合策略。、1.个体与集成集成学习（ensemblelearning）通过构建的并结合多个学习器来完成学习任务，有时也被成为多分类器系统（multi-classifiersystem)、基于委员会的学习（committee-basedlearning)等。……通过将多个学习器进行结合，常可获得比单一学习器显著优越的泛化性能。个体
Avasla·2024-01-10 10:54

【机器学习】模型参数优化工具：Optuna使用分步指南（附XGB/LGBM调优代码）

常用的调参方式和工具包常用的调参方式包括网格搜索(GridSearch)、**随机搜索(RandomSearch)和贝叶斯优化(BayesianOptimization)**等。工具包方面，Scikit-learn提供了GridSearchCV和RandomizedSearchCV等用于网格搜索和随机搜索的工具。另外，有一些专门用于超参数优化的工具包，如Optuna、Hyperopt等。这些方法各
Avasla·2024-01-10 10:50

揭秘人工智能：探索智慧未来

二.人工智能的关键技术2.1机器学习2.2深度学习2.1计算机视觉2.4自然语言处理技术2.5脑机接口技术2.6知识图谱2.7人机交互2.8自主无人系统技术三.人工智能如何运作？
聆风吟_·2024-01-10 10:39

使用Scikit Learn 进行识别手写数字

喜欢本专栏的小伙伴，请多多支持专栏案例：机器学习案例机器学习(一)：线性回归之最小二乘法机器学习(二)：线性回归之梯度下降法机器学习(三
i阿极·2024-01-10 10:59

1.4.1机器学习——梯度下降+α学习率大小判定

我们有一个损失函数J(w,b)，包含两个参数w和b（你可以想象成J(w,b)=w*x+b），我们想要找到最合适的w和b，尝试最小化损失函数J(w,b)的值”梯度下降“：梯度下降（gradientdescent）在机器学习中应用十分的广泛
帅翰GG·2024-01-10 10:24

2.2.3机器学习—— 判定梯度下降是否收敛 + α学习率的选择

2.2.3判定梯度下降是否收敛+α学习率的选择2.1、判定梯度下降是否收敛有两种方法，如下图：方法一：如图，随着迭代次数的增加，J(W,b)损失函数不断下降当iterations=300之后，下降的就不太明显了/基本是一条直线了。这时我们就说，==>“梯度下降已经收敛了”方法二：设置一个阈值ε，这里我们让ε=0.001（自己设置的，但有的时候也掌握不好这个值是多少）。当J（w,b）下降值<ε时，我
帅翰GG·2024-01-10 10:24

机器学习：自然语言处理介绍

机器学习在自然语言处理（NLP）领域扮演着关键的角色，它利用算法和统计模型来处理和理解人类语言。
rubyw·2024-01-10 10:22

【机器学习】常见算法详解第2篇：K近邻算法各种距离度量（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。
程序员一诺·2024-01-10 10:19

机器学习 —— 自用整理期末复习笔记

一、绪论机器学习术语假设空间p5监督学习（supervisedlearning）的任务是学习一个模型，使模型能够对任意给定的输入，对其相应的输出做出一个好的预测。
西皮呦·2024-01-10 09:15

用赏识的眼光欣赏孩子

今天的数学课上，我带领孩子们一起完成第五单元的知识清理。当我们一起完成一道题目为“给最中间的小动物涂上颜色。”题目念完，我正想把解题思路告诉学生时，一只小手举得高高的，我问他，你有想法。
七乡杏坛·2024-01-10 09:02

Spark 初级编程实践

Spark支持多种编程语言，包括Java、Scala、Python和R，因此被广泛应用于大数据分析和机器学习等领域。
cwn_·2024-01-10 08:28

自然语言处理之文本表示（二）

本文主要参考Coursera上国立高等经济大学的自然语言处理课程和吴恩达老师的的机器学习课程。one-hotone-hot可以说是机器学习领域最常见的数据表示形式了。
fighting_7c21·2024-01-10 08:54

人工智能与供应链行业融合：预测算法的通用化与实战化

文章目录前言供应链预测算法的基本流程统计学习模型与机器学习在供应链预测中的角色深度学习模型在智能供应链中的应用算法融合与应用场景实现后记前言随着数字化时代的到来，人工智能已经逐渐成为企业信息化建设的重要手段
想你依然心痛·2024-01-10 07:19

2021-12-04《利用网络教育资源提升小学数学课堂学习效果的策略的研究》课题答辩文案

《利用网络教育资源提升小学数学课堂学习效果的策略的研究》课题答辩文案乐平市第十一小学杨晓玲尊敬的给位专家、评委老师：大家好！
杨晓玲乐平市第十一小学·2024-01-10 07:42

读元宇宙改变一切笔记02_元素（上）

使得它的定义中存在矛盾之处，也有大量含义混淆之处1.1.微软1.1.1.在谈论“多个元宇宙”1.1.2.微软首席执行官萨提亚·纳德拉将元宇宙描述为一种可以将“整个世界变成一个应用程序”的平台，并可以通过云软件和机器学习进行功能扩展
躺柒·2024-01-10 07:12

数据挖掘在制造业中的预测与优化应用

一、引言数据挖掘是一种从大量数据中提取有价值信息的过程，它通过统计学、机器学习和人工智能等方法，发现并分析隐藏在海量数据背后的模式、趋势和关联性
白鹅�·2024-01-10 07:12

Agisoft Metashape 基于影像的外部点云着色

AgisoftMetashape基于影像的外部点云着色提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成
小喜头鱼·2024-01-10 07:04

Hugging Face Datasets文本质量分析，识别低质量内容、垃圾数据、偏见内容、识别毒性内容、检测重复文档、识别测试集污染数据、识别过短的内容

在机器学习和自然语言处理的世界中，数据的质量至关重要。HuggingFace提供了大量的文本数据集，但是如何评估这些数据集的质量呢？
代码讲故事·2024-01-10 07:24

机器学习：数据处理与特征工程

机器学习中的数据处理和特征工程是非常关键的步骤，它们直接影响模型的性能和泛化能力。
rubyw·2024-01-10 06:53

【复习】人工智能 第7章 专家系统与机器学习

专家系统就是让机器人当某个领域的专家，但这章专家系统不咋考，主要靠书上没有的机器学习。
lsy永烨·2024-01-10 06:18

深度迁移学习

深度迁移学习是一种机器学习方法，其核心思想是将在一个任务中训练得到的深度学习模型作为初始点，重新应用到另一个任务中。这种方法的目标是从已学习的相关任务中转移知识，以改进新任务的学习。
道亦无名·2024-01-10 06:45

AIGC无人直播系统技术

AIGC无人直播系统技术是基于人工智能和机器学习的先进技术的应用。通过该技术，主播可以实现无人值守直播，摆脱传统直播的限制。这项技术具有多项独特优势，下面我将逐一介绍。
广州硅基技术官方·2024-01-10 06:56

AIGC无人直播系统技术

AIGC无人直播系统技术是基于人工智能和机器学习的先进技术的应用。通过该技术，主播可以实现无人值守直播，摆脱传统直播的限制。这项技术具有多项独特优势，下面我将逐一介绍。
广州硅基·2024-01-10 06:23

C2-3.3.2 机器学习/深度学习——数据增强

C2-3.3.2数据增强参考链接1、为什么要使用数据增强？※总结最经典的一句话：希望模型学习的更稳健当数据量不足时候：人工智能三要素之一为数据，但获取大量数据成本高，但数据又是提高模型精度和泛化效果的重要因素。当数据量不足时，模型很容易过拟合，精度也无法继续提升，因此数据增强技术应运而生通过执行数据增强，你可以阻止神经网络学习不相关的特征，从根本上提升整体性能。——见后面4、应用场景举例2、什么是
帅翰GG·2024-01-10 06:43

【Python机器学习】用于回归的决策树

用于回归的决策树与用于分类的决策树类似，在DecisionTreeRegressor中实现。DecisionTreeRegressor不能外推，也不能在训练数据范围之外的数据进行预测。利用计算机内存历史及格的数据进行实验，数据展示：importpandasaspdimportmatplotlib.pyplotaspltplt.rcParams['font.sans-serif']=['SimHei
zhangbin_237·2024-01-10 06:10

【Python机器学习】决策树——树的特征重要性

利用一些有用的属性来总结树的工作原理，其中最常用的事特征重要性，它为每个特征树的决策的重要性进行排序。对于每个特征来说，它都是介于0到1之间的数字，其中0代表“根本没有用到”，1代表“完美预测目标值”。特征重要性的求和为1。将特征重要性进行可视化：importmglearn.datasetsimportnumpyasnpfromsklearn.treeimportDecisionTreeClass
zhangbin_237·2024-01-10 06:40

【Python机器学习】决策树的优缺点

控制决策树模型复杂度的参数是预剪枝参数，它在树完全展开之前停止树的构造。决策树的优点：1、得到的模型很容易可视化2、算法完全不受数据缩放的影响决策树算法不需要特征预处理，比如归一化或标准化。特别是特征的尺度完全不一样时或二元特征和连续特征同时存在时，决策树的效果很好。决策树的缺点是，即使做了预剪枝，它也经常过拟合，泛化性能很差，所以大多数应用中，往往使用集成方法来替代单颗决策树。
zhangbin_237·2024-01-10 06:40

【Machine Learning】Other Stuff

本笔记基于清华大学《机器学习》的课程讲义中有关机器学习的此前未提到的部分，基本为笔者在考试前一两天所作的CheatSheet。内容较多，并不详细，主要作为复习和记忆的资料。
YiPeng_Deng·2024-01-10 06:09

【Machine Learning】Unsupervised Learning

本笔记基于清华大学《机器学习》的课程讲义无监督学习相关部分，基本为笔者在考试前一两天所作的CheatSheet。内容较多，并不详细，主要作为复习和记忆的资料。
YiPeng_Deng·2024-01-10 06:08

【Machine Learning】Supervised Learning

本笔记基于清华大学《机器学习》的课程讲义监督学习相关部分，基本为笔者在考试前一两天所作的CheatSheet。内容较多，并不详细，主要作为复习和记忆的资料。
YiPeng_Deng·2024-01-10 06:08

【Python机器学习】决策树集成——随机森林

理论知识：集成是合并多个机器学习模型来构建更强大模型法方法。
zhangbin_237·2024-01-10 06:33

【Machine Learning】Generalization Theory

本笔记基于清华大学《机器学习》的课程讲义中泛化理论相关部分，基本为笔者在考试前一两天所作的CheatSheet。内容较多，并不详细，主要作为复习和记忆的资料。
YiPeng_Deng·2024-01-10 06:33

Transformers 2023年度回顾 ：从BERT到GPT4

特别是机器学习(ML)模型在自然语言处理(NLP)领域取得了重大进展。一个关键的突破是引入了“自注意力”和用于序列处理的Transformers架构，这使得之前主导该领域的几个关键问题得以解决。
柴神·2024-01-10 06:32

期望损失机器学习_机器学习听力损失

期望损失机器学习Machinelearning(ML)hasspreadintomanydifferentfieldsanddisciplines.Dippingyourtoesintoanewfieldisthebestwaytogrowandlearnnewthings.Thefollowingisasummaryofhowresearchershaveappliedmachinelearni
weixin_26704853·2024-01-10 05:26

文本数据与分析方法的介绍与讨论

文本数据可以在计算机系统中进行存储、处理和分析，也可以用于自然语言处理、机器学习和数据挖掘等领域的研究和应用。如何获得文本数据获得文本数据可以有多种途径。
亦旧sea·2024-01-10 05:20

呼叫中心研究分析：到2027年市场规模预计将达4966亿美元

市场的增长是由基于云的解决方案的采用、人工智能(AI)和机器学习(ML)等先进技术的出现以及将呼叫
QYR市场调研所·2024-01-10 05:53
上一页 72 73 74 75 76 77 78 79 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他