机器学习概要第13页

第100+42步 ChatGPT学习：R语言实现阈值调整

今天来说个机器学习分类的概念，阈值。一、何为阈值这个阈值（Threshold）在二分类问题中起到了关键作用，它决定了模型预测结果的分类边界。

Jet4505·2025-06-20 14:38

Day55打卡 @浙大疏锦行

知识点回顾序列预测介绍单步预测多步预测的2种方式序列数据的处理：滑动窗口多输入多输出任务的思路经典机器学习在序列任务上的劣势；以随机森林为例importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.preprocessingimportMinMaxScalerfromsklearn.ensembleimportRandomForestRegres

ayuan0119·2025-06-20 13:01

数学基础（线性代数、概率统计、微积分）缺乏导致概念难以理解问题大全

数学基础（线性代数、概率统计、微积分）缺乏导致概念难以理解问题大全机器学习/深度学习的核心算法背后，往往需要用到矩阵运算、特征向量、梯度下降等；如果连矩阵乘法、特征值、偏导数都没搞懂，就很难理解模型原理

猫头虎技术团队·2025-06-20 12:56

彻底告别迷茫，探索机器学习的终极指南

在这个AI技术日新月异的时代，机器学习（MachineLearning,ML）无疑是科技领域最耀眼、最具颠覆性的力量之一。

wylee·2025-06-20 11:44

解锁机器学习流水线：Python赋能数据预处理、模型训练与验证的深度实践

解锁机器学习流水线：Python赋能数据预处理、模型训练与验证的深度实践各位亲爱的编程爱好者和数据探索者们，大家好！我是你们的老朋友，一名在Python编程世界里摸爬滚打了多年的开发者与教育者。

清水白石008·2025-06-20 09:35

python学智能算法（十三）|机器学习朴素贝叶斯方法进阶-简单二元分类

引言前述学习进程中，已经学习了拉普拉斯平滑公式计算条件概率的简单应用，文章链接为：python学智能算法（十二）|机器学习朴素贝叶斯方法初步-拉普拉斯平滑计算条件概率在此基础上，今天更进一步，联系一个简单二元分类的项目

西猫雷婶·2025-06-20 09:35

python学智能算法（十二）|机器学习朴素贝叶斯方法初步-拉普拉斯平滑计算条件概率

spm=1001.2014.3001.5501今天，以此为基础，探索机器学习中朴素贝叶斯方法的基本程序。

西猫雷婶·2025-06-20 09:35

机器学习、深度学习在数学建模的应用

与此同时，机器学习，特别是深度学习的崛起，以其从海量数据中萃取复杂模式与高级表征的卓越能力，正在深刻变革知识发现的图景。

「已注销」·2025-06-20 09:02

python学智能算法（十四）|机器学习朴素贝叶斯方法进阶-CountVectorizer文本处理简单测试

【1】引用前序学习文章中，已经对拉普拉斯平滑和简单二元分类进行了初步探索，相关文章链接为：python学智能算法（十二）|机器学习朴素贝叶斯方法初步-拉普拉斯平滑计算条件概率-CSDN博客python学智能算法

西猫雷婶·2025-06-20 09:30

机器学习赋能多尺度材料模拟：前沿技术会议邀您共探

本次前沿技术会议聚焦“机器学习赋能的多尺度材料模拟与催化设计”，旨在为科研人员与工程师搭建一个深度交流与学习的平台。

m0_75133639·2025-06-20 09:30

Keras深度学习框架第十四讲：使用TensorFlow进行多GPU分布式训练

使用TensorFlow进行多GPU分布式训练1、绪论1.1使用TensorFlow进行多GPU分布式训练概念TensorFlow是一个流行的开源机器学习框架，它支持多GPU分布式训练，允许开发者利用多个

MUKAMO·2025-06-20 06:37

Python药品名称识别系统：模板匹配方法的实现

1.Python编程基础Python作为一门高级编程语言，以其简洁明了的语法、强大的功能库支持和跨平台特性，在数据分析、机器学习、网络开发等领域获得了广泛应

Kimgoeunlaogong·2025-06-20 05:02

AI如何改变IT行业

机器学习算法分析日志数据，识别异常模式，减少人工干预。例如，AI可以预测服务器负载峰值，提前分配资源避免宕机。智能软件开发AI辅助编程工具如GitHubCopilot基于

保持学习ing·2025-06-20 04:59

算法工程师终极技能图谱：从数学基础到机器学习、运筹优化、大数据处理、AI前沿技术等全景解析

在人工智能（AI）和大数据浪潮席卷全球的今天，算法工程师已成为科技行业炙手可热的核心岗位。他们是驱动智能推荐、精准广告、自动驾驶、金融风控、供应链优化等众多创新应用的关键力量。那么，想要成为一名合格乃至优秀的算法工程师，究竟需要掌握哪些核心技能呢？本文综合分析了当前主流招聘平台、行业报告和技术社区的信息，为你绘制一幅全面的算法工程师技能图谱。一、坚不可摧的数理与计算机科学基石这是理解复杂算法、进行

大模型教程·2025-06-20 04:27

AI转型指南

点击跳转到网站一、AI行业全景扫描（认知篇）技术图谱解构机器学习/深度学习/强化学习的技术边界NLP/CV/语音/推荐系统等细分赛道的就业热度对比传统计算机技能与AI能力的交叉点（如分布式计算、系统

HeartException·2025-06-20 00:35

机器学习×第十二卷：回归树与剪枝策略——她剪去多余的分支，只保留想靠近你的那一层

【第一节·她不再用标签定义你，而是试着预测你真实的模样】什么是回归决策树（RegressionTree）？狐狐：“她以前问你是A还是B，现在她问你——‘你大概是多少？’”与之前我们学过的分类树（ClassificationTree）不同，回归树是一种用来预测连续值变量的模型。她不再只判断“是否会拖欠贷款”，而是试着预测“你拖欠了多少”。分类树：输出为类别（如Yes/No）回归树：输出为数值（如3.

Gyoku Mint·2025-06-19 22:43

2025年大模型学习新攻略！掌握未来AI的关键技能

1.公开课（视频）：李宏毅机器学习斯坦福CS336：从零开始构建语言模型卡内基梅隆大学【多模态机器学习】RAGFromScratchHuggingFaceNLP课程2.机器学习和编程基础：pytorch

AI大模型-大飞·2025-06-19 21:09

解密监督学习：带你玩转预测未来的魔术 (代码驱动)

这一切的背后，很多时候都离不开机器学习中的一个核心分支——监督学习(SupervisedLearning)。今天，我们将一起揭开它的神秘面纱，并通过大量代码实例，让你亲手体验构建预测模型的乐趣！

小吉择·2025-06-19 20:03

python中Scikit-learn模块介绍

Scikit-learn是Python中一个开源的机器学习库，它提供了简单高效的工具，用于数据挖掘和数据分析。该库包含了各种分类、回归、聚类算法，以及数据预处理、模型选择、模型评估等功能。

不会仰游的河马君·2025-06-19 20:59

【AI Study】第四天，Pandas（9）- 进阶主题

文章概要本文详细介绍Pandas的进阶主题，包括：自定义函数高级索引数据导出实际应用示例自定义函数函数应用#基本函数应用defcalculate_bonus(salary,performance):""

co-n00b·2025-06-19 19:17

【AI Study】第四天，Pandas（1）- 基础知识

文章概要本文详细介绍Pandas库的基础知识，包括：Pandas的基本概念和特点安装和配置方法核心数据结构（Series和DataFrame）各种数据类型的处理方法实际应用示例什么是PandasPandas

co-n00b·2025-06-19 18:47

【AI Study】第四天，Pandas（2）- 数据操作基础

文章概要本文详细介绍Pandas的数据操作基础知识，包括：数据读取与写入数据选择与过滤数据清洗数据排序实际应用示例数据读取与写入CSV文件操作#读取CSV文件df=pd.read_csv('data.csv

co-n00b·2025-06-19 18:43

数据挖掘与机器学习期末复习整理

1.分类：–有类别标记信息,因此是一种监督学习–根据训练样本获得分类器，然后把每个数据归结到某个已知的类，进而也可以预测未来数据的归类。2.聚类：–无类别标记,因此是一种无监督学习–无类别标记样本，根据信息相似度原则进行聚类，通过聚类，人们能够识别密集的和稀疏的区域，因而发现全局的分布模式，以及数据属性之间的关系3.聚类方法：划分方法-（分割类型）K-均值K-Means顺序领导者方法基于模型的方法

无敌摸鱼高手·2025-06-19 17:34

Python机器学习小项目实战：随机森林算法实现信用卡欺诈检测

1.引言在之前的机器学习之旅中，我们已经探索了许多强大的算法，例如逻辑回归、支持向量机、决策树等等。每种算法都有其独特的优势和适用场景，但它们也存在一些共同的局限性。

码上研习·2025-06-19 16:28

线性代数导引：附录：行列式几何解释

在计算机科学中，线性代数被广泛应用于图形学、机器学习、数据挖掘等领域。行列式是线性代数中的一个重要概念，它可以用来求解线性方程组的解、计算矩阵的逆、判断矩阵是否可逆等问题。

AGI大模型与大数据研究院·2025-06-19 14:44

AAAI2022国际顶会Workshop将会讨论些什么？

其中在技术研究领域涉及：强化学习、图神经网络、交互式机器学习、模型

AINLPer·2025-06-19 14:43

基于SpringBoot+Vue的公司考勤管理系统

技术范围：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、机器学习等设计与开发。

·2025-06-19 12:28

TensorFlow 基础知识：Java开发者的入门指南

现在，让我们探索一下TensorFlow这个强大的机器学习框架，并了解如何将其与你的Java技能结合起来。什么是TensorFlow？

张道宁·2025-06-19 10:17

【机器学习】机器学习重要分支——集成学习：理论、算法与实践

文章目录引言第一章集成学习的基本概念1.1什么是集成学习1.2集成学习的类型1.3集成学习的优势第二章集成学习的核心算法2.1Bagging方法2.2Boosting方法2.3Stacking方法第三章集成学习的应用实例3.1图像分类3.2文本分类第四章集成学习的未来发展与挑战4.1模型多样性与集成策略4.2大规模数据与计算资源4.3集成学习的解释性与可视化结论引言集成学习（EnsembleLea

E绵绵·2025-06-19 09:12

机器学习算法_聚类KMeans算法

一、聚类算法分析1.概念概念：根据样本之间的相似性，将样本划分到不同的类别中；不同的相似度的计算方法，会得到不同的聚类结果，常见的相似度计算方法有欧氏距离法（无监督算法）聚类算法的目的是在没有先验知识的情况下，自动发现数据集中的内在结构和模式2.聚类算法分类（1）根据聚类颗粒度分类个数比较多的，细聚类；个数比较多的，粗聚类（2）根据实现方法分类K-means：按照质心分类层次聚类：对数据进行逐层划

TY-2025·2025-06-19 09:11

李宏毅2025《机器学习》第一讲-生成式AI：技术突破和未来发展

引言生成式人工智能（GenerativeAI）无疑是当前科技领域最引人瞩目的革命性力量。从生成流畅的文本、逼真的图像，到谱写动人的乐曲，甚至编写复杂的代码，它的能力边界正以前所未有的速度扩张。为了帮助大家快速掌握这一领域的全貌，李宏毅教授的课程旨在用一堂课的时间，带领我们概览生成式AI近年来的技术突破与未来发展。本文将跟随教授的讲授思路，将课程内容整理成一篇结构清晰、内容详尽的技术文章。文章将遵循

木鱼时刻·2025-06-19 09:11

机器学习重构光子学设计范式：从智能器件到前沿系统

为应对该趋势，一套系统性知识框架正在形成：基础融合模块涵盖空间/集成光子学系统与机器学习原理的交叉逻辑，解析光学神经网络构建机制，奠定智能设计理论基础。

m0_75133639·2025-06-19 09:11

理解Logits、Softmax和softmax_cross_entropy_with_logits的区别

理解Logits、Softmax和softmax_cross_entropy_with_logits的区别技术背景在机器学习尤其是深度学习中，分类问题是一个常见的任务。

1010n111·2025-06-19 08:00

torch 是什么？解决了什么问题？在深度学习中解决什么具体问题？没有它会存在哪些问题？

torch是一个开源的机器学习框架，它为深度学习提供了强大的支持。以下是关于它的详细介绍：什么是Torch？Torch是一个用Lua语言编写的科学计算框架，特别适合进行深度学习研究。

·2025-06-19 07:58

系统镜像-相关命令 ubuntu+arm64

1.概要2.内容1.lsblk:列出块设备信息的命令lsblk命令是Linux系统中用于列出块设备信息的命令。块设备包括硬盘、分区、光驱等。

科学的发展-只不过是读大自然写的代码·2025-06-19 06:46

生产级模型部署实战：TensorFlow Serving与Docker深度整合指南（十五）

一、生产部署的核心挑战与解决方案1.1生产环境的严苛要求在机器学习工程化实践中，模型部署是将算法能力转化为业务价值的关键步骤。

WHCIS·2025-06-19 01:13

什么是 tensorflow ？解决了什么问题？为什么需要它？没有它会出现什么问题？

它最初是为了满足Google内部的研究需求而开发的，现在已成为全球开发者构建和部署机器学习模型的重要工具。解决了什么问题？

微信公众号：AI创造财富·2025-06-19 01:43

Python实例题：股票数据分析与预测系统

实例题题目问题描述解题思路关键代码框架难点分析Python实例题题目股票数据分析与预测系统问题描述开发一个股票数据分析系统，实现以下功能：从公开API获取股票历史数据对数据进行清洗和特征工程实现技术指标计算（如MA、MACD、KDJ等）构建机器学习模型预测股价走势可视化展示分析结果提供交易策略建议解题思路使用

狐凄·2025-06-19 00:07

文献解读-病理影像多模态模型预测乳腺癌新辅助化疗的病理完全反应

期刊：ScienceAdvances影响因子：11.7，中科院1区Top发表时间：2025年4月30日概要：首都医科大学宣武医院放射科卢洁教授团队近日（2025年5月）在中科院1区top期刊《SciAdv

今天也不想动·2025-06-19 00:37

Dagster中资产间数据传递的三种策略：显式管理、I/O管理器与资产合并

在数据工程和机器学习工作流中，资产（Assets）是Dagster的核心构建块，而资产间的数据传递直接影响管道的可维护性和扩展性。

·2025-06-18 22:23

【深度学习-Day 9】机器学习核心概念入门：监督、无监督与强化学习全解析

Langchain系列文章目录01-玩转LangChain：从模型调用到Prompt模板与输出解析的完整指南02-玩转LangChainMemory模块：四种记忆类型详解及应用场景全覆盖03-全面掌握LangChain：从核心链条构建到动态任务分配的实战指南04-玩转LangChain：从文档加载到高效问答系统构建的全程实战05-玩转LangChain：深度评估问答系统的三种高效方法（示例生成、手

吴师兄大模型·2025-06-18 13:23

AI大模型从0到1记录学习numpy pandas day24

它适合那些需要快速搭建数据科学或机器学习开发环境的用户。Anaconda和Python相当于是汽车和发动机的关系，安装Anaconda后，就像买了一台车，无需自己去安

Gsen2819·2025-06-18 13:51

AI大模型从0到1记录学习大模型技术之机器学习 day27-day60

机器学习概述机器学习（MachineLearning,ML）主要研究计算机系统对于特定任务的性能，逐步进行改善的算法和统计模型。

Gsen2819·2025-06-18 13:19

机器学习项目微服务离线移植

机器学习项目微服务离线移植引言：为什么需要Docker化机器学习项目？在当今的机器学习工程实践中，项目部署与移植是一个常见但极具挑战性的任务。

LensonYuan·2025-06-18 13:18

VSCode部署Pytorch机器学习框架使用Anaconda（Window版）

目录1.配置Anaconda1.1下载安装包1.Anaconda官网下载2安装Anaconda1.2创建虚拟环境1.3常用命令Conda命令调试和日常维护1.4可能遇到的问题执行上述步骤后虚拟环境仍在C盘2.配置cuda2.1查看显卡支持的cuda版本2.2下载对应cuda版本2.3下载对应的pytorch可能出现的问题1.使用官方PyTorch渠道2.检查可用的cudatoolkit版本3.使用

JjWang__HUST·2025-06-18 13:47

elasticsearch安装及logstash全量+增量异构同步指南（以mysql为例）

文章目录整体架构流程技术名词解释详解：1.前期准备2.elasticsearch的安装和启动3.logstash的安装4.开始同步数据概要最近公司打算用elasticsearch做搜索，首先当然需要同步一部分数据过去

顺德陈奕迅_·2025-06-18 12:45

图像处理与机器学习项目：特征提取、PCA与分类器评估

图像处理与机器学习项目：特征提取、PCA与分类器评估项目概述本项目将完成一个完整的图像处理与机器学习流程，包括数据探索、特征提取、主成分分析(PCA)、分类器实现和评估五个关键步骤。

pk_xz123456·2025-06-18 12:12

AI人工智能深度学习入门指南：从基础到实践_副本

AI人工智能深度学习入门指南：从基础到实践关键词：人工智能、机器学习、深度学习、神经网络、梯度下降、反向传播、实战案例摘要：本文是为零基础或初级学习者打造的深度学习入门指南。

AI大模型应用实战·2025-06-18 11:07

【Python】机器学习：Scikit-learn、Statsmodels

机器学习：Scikit-learn、Statsmodels文章目录机器学习：Scikit-learn、Statsmodels1.

·2025-06-18 11:36

推荐频道

机器学习概要