机器学习理论第2页

机器学习理论之（8）：模型集成 Ensemble Learning

文章目录集成学习的思路多个分类器的结果一定好么什么时候模型集成有效如何构造基分类器如何通过基分类器进行分类模型的泛化误差分类器集成方法装袋法Bagging随机森林法RandomForest演进法BoostingAdaBoostBagging/RandomForest以及Boosting对比堆叠法Stacking集成学习的思路通过构造多个基分类器（baseclassifier）将这些基分类器的分类结

暖仔会飞·2023-01-02 10:35

机器学习理论之（9）：特征选择 Feature Selection

文章目录为什么要进行特征选择特征选择的主要目标其他目标特征选择的方法Filtering过滤法PointwiseMutualInformation(PMI)逐点互信息法Mutualinformation(MI)互信息法χ2\chi^2χ2卡方检验Wrapper包装法AdvantagesDisadvantages可实现的Wrapper方法sequentialforwardselectionsequen

暖仔会飞·2023-01-02 07:16

机器学习理论基础

机器学习理论基础定义种类监督学习(SupervisedLearning)传统的监督学习（TraditionalSupervisedLearning）非监督学习(UnsupervisedLearning)

愤怒的西瓜君·2023-01-02 07:10

机器学习理论和定理

在机器学习中，有一些非常有名的理论或定理，对理解机器学习的内在特性非常有帮助．1.PAC学习理论当使用机器学习方法来解决某个特定问题时，通常靠经验或者多次试验来选择合适的模型、训练样本数量以及学习算法收敛的速度等．但是经验判断或多次试验往往成本比较高，也不太可靠，因此希望有一套理论能够分析问题难度、计算模型能力，为学习算法提供理论保证，并指导机器学习模型和学习算法的设计．这就是计算学习理论．计算学

瞻邈·2023-01-02 07:59

gridsearchcv参数_机器学习理论大会战——参数寻优（三种方法）

1参数寻优与网格搜索参数寻优指的是我们通过一系列的尝试，对模型中的参数分别取不同的值时，查看当前参数取值下的模型预测性能。通过比较各种参数取值下的模型预测性能，来确定最佳的参数取值。通常一个模型会有N个参数，而每个参数的取值可能有很多，假设最终我们设定有M个(实际上，每个参数的取值个数并不一定相等，我们这里做一个简化)。那么，如果按照多层for循环来嵌套寻找最佳参数取值组合的例子，该参数寻优就要经

weixin_39664995·2023-01-01 15:46

人工智能(AI）、深度学习(DL)、机器学习(ML)、神经网络（RNN/CNN）、自然语言处理（NLP）等概念科普

机器学习理论主要是设计和分析一些让计算机可以自动”学习“的算法，利用计算机从数据中找出规律，从而应用于对不确定场景的决策，最终让数据变现。深度学习深度学习（DeepLearning）简称DL。

codenow.fun·2022-12-31 05:31

机器学习理论之（4）：模型评估方法，如何评价分类器，如何切分数据集，错误类型，二分类的混淆矩阵，多分类混淆矩阵，baseline & benchmark

文章目录选择测试数据优秀分类器指标衡量分类器性能的一般方法Question切分训练测试集（Train/testsplit）Questions：简单随机划分（randomhandout）留一法（leave-one-out）留一法交叉验证（leave-one-outcrossvalidation）重复随机分段采样（repeatedrandomsubsampling）K-折交叉验证（K-foldcros

暖仔会飞·2022-12-31 01:31

机器学习理论之：（3）连续变量情况下的朴素贝叶斯，高斯贝叶斯（Gaussian Bayes），核密度估计（KDE ）

文章目录离散数据，连续数据及对应贝叶斯公式回顾朴素贝叶斯公式连续变量中P(xi∣cj)P(x_i|c_j)P(xi∣cj)的求算连续变量中的贝叶斯公式上述方法的局限高斯贝叶斯KDE核密度估计优势劣势离散数据，连续数据及对应贝叶斯公式回顾朴素贝叶斯公式c^=argmaxcj∈CP(cj)∏iP(xi∣cj)\hat{c}=argmax_{c_j\inC}P(c_j)\prod_i{P(x_i|c_j

暖仔会飞·2022-12-30 09:38

Tensorflow入门+Anaconda+Tensorflow安装与配置

-作为机器学习的小白，探索机器学习的奇妙好玩，为了把机器学习理论应用于实践，工欲善其事必先利其器，记录下学习机器学习的点点滴滴（主要是本人记性差，回头还能再翻翻看看，毕竟好记性不如烂笔头）-先说实验环境

—以杀止杀—·2022-12-30 08:44

深度学习机器学习理论知识：范数、稀疏与过拟合合集（1）范数的定义与常用范数介绍

范数、稀疏与过拟合合集（1）范数的定义与常用范数介绍范数、稀疏与过拟合合集（2）有监督模型下的过拟合与正则化加入后缓解过拟合的原理范数、稀疏与过拟合合集（3）范数与稀疏化的原理、L0L1L2范数的比较以及数学分析范数、稀疏与过拟合合集（4）L2范数对conditionnumber较差情况的缓解范数、稀疏与过拟合合集（5）Dropout原理，操作实现，为什么可以缓解过拟合，使用中的技巧1、范数简介范

呆呆象呆呆·2022-12-29 02:39

基于Python的中医藏象辨证量化诊断系统的设计与实现

包含：lunwen+开题报告+开题答辩PPT+毕业答辩PPT+项目源码摘要目的：本设计旨在深入研究深度学习、集成学习等机器学习理论，并应用相关算法开展中医藏象辨证量化诊断的创新研究和应用，在设计和实现AdaBoost

biyezuopinvip·2022-12-26 15:33

机器学习算法之分类

机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类能从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法[1]。

Stig_Q·2022-12-26 04:19

5折交叉验证_机器学习理论大会战——模型交叉验证

1模型评估简述作为一个监督型学习算法，我们对它所训练出来的学习模型通常都会做一个模型评估与参数寻优工作，以评价所训练出来的学习模型的优劣程度。同时，有效的参数寻优能够为当前构建的学习模型提供最佳的参数取值组合，从而提升模型的预测效率。对于非监督学习算法，我们前面就曾介绍过，很难对它们开展一个定量的评估工作，因为它们并不清楚最终要学习到的知识是什么，进而也就缺乏评价的基础。最实际的评估办法就是人工评

weixin_39677870·2022-12-24 23:59

谈谈转行数据分析工作的心得

自学了一段时间后，发现头绪比较多，就想报一家培训机构系统学习下，在网上搜索到了CDA，感觉课程从软件编程技术和机器学习理论两个方面从入门到提高都比较系统，于是最终选择了CDA。

weixin_38754337·2022-12-21 07:53

吐血整理：机器学习的30个基本概念，都在这里了（手绘图解）

01空间表征在学习深奥的机器学习理论之前，首先来介绍一些机器学习中最基本的概念。特征（Feature）：一个具体事物的属性描述，由属性向量表示。

喜欢打酱油的老鸟·2022-12-17 13:35

机器学习理论——One-Hot编码

One-Hot编码主要采用N位寄存器来对N个状态进行编码，每个状态都有它独立的寄存器位，并且在任意时候只有一位有效。One-Hot编码器对类别进行了二进制操作，易于机器学习算法利用。#n_classes=5,每个数字为一类#1为第1类，2为第2类...array=[2,3,1,5]one_hot=[[0,1,0,0,0],[0,0,1,0,0],[1,0,0,0,0],[0,0,0,0,1]]在h

KL-22b·2022-12-15 09:18

机器学习理论导引_第1章：预备知识_1.2

1.2重要不等式1.2.1Jensen不等式对于任意凸函数，有下式成立·Proof：·应用及意义：-将直接取为简单的凸函数或凹函数，可得到许多不等式.-KL散度的计算1.2.2Holder不等式∀,∈ℝ+,1/+1/=1，有下式成立：·Proof：·应用及意义：-证明范数三角不等式.1.2.3Cauchy-Schwarz不等式当==2时，Holder不等式退化为Cauchy-Schwarz不等式，

我好想吃烤地瓜·2022-12-15 02:07

机器学习理论导引_第1章：预备知识1.1

1.1函数的性质·凸集：集合内的任意两点，若它们之间连线上的所有点仍属于集合，即称集合为“凸”的，即是一个凸集(convexset).·凸函数：对定义在凸集上的函数，令Ψ表示定义域，若∀,∈Ψ均满足称函数(·)为凸的，即(·)是一个凸函数(convexfunction).凸函数(·)上任意两点的连线均位于该函数的“上方”.·常见凸函数若函数(·)可微，则当它是凸函数当且仅当其定义域Ψ是凸集且∀,∈

我好想吃烤地瓜·2022-12-15 02:37

【机器学习课程复习】

没搞完先发了吧一、机器学习概论1.机器学习定义机器学习的概念机器学习的定义2.机器学习基本知识可以使用ML的三个必要条件基本术语工作流程分类二、机器学习理论霍夫丁不等式三、模型优化与验证方法模型选择方法一

ZHAO__JW·2022-12-13 20:31

新书推荐 | 机器学习实战：基于Sophon平台的机器学习理论与实践

hzbooks·2022-12-11 20:40

转载001--机器学习中的很多词语

常见的机器学习模型：感知机，线性回归，逻辑回归，支持向量机，决策树，随机森林，GBDT，XGBoost，贝叶斯，KNN，K-means等；常见的机器学习理论：过拟合问题，交叉验证问题，模型选择问题，模型融合问题等

堪培拉的小熊熊~·2022-12-11 16:12

机器学习——应用场景算法应用场景

常见的机器学习模型：感知机，线性回归，逻辑回归，支持向量机，决策树，随机森林，GBDT，XGBoost，贝叶斯，KNN，K-means等；常见的机器学习理论：过拟合问题，交叉验证问题，模型选择问题，模型融合问题等

baituixun1070·2022-12-11 16:39

基于改进Bisenet的五官精确分割系统（源码＆教程）

1.研究背景随着机器学习理论的不断成熟和深度学习技术的迅猛发展，人脸五官图像分割任务近年来得到了相关研究人员的普遍关注。

m0_73650416·2022-12-11 16:21

李宏毅《机器学习》国语课程(2022)来了

李老师以幽默风趣的上课风格让很多晦涩难懂的机器学习理论变得轻松易懂，他将理论知识与有趣的例子结合在课堂上展现

Python数据挖掘·2022-12-11 09:20

深度学习怎么入门？零基础快速入门深度学习

我根据自己的入门和工作经验，总结了一份超详细的保姆级深度学习从零入门路线，分享给大家;整个路线分为五个部分：基础知识;机器学习理论入门;机器学习竞赛实战;深度学习理论入门;深度学习竞赛实战;1.基础知识学习首先

程序媛珂珂·2022-12-11 00:44

【强烈推荐】Github star 10K+，南瓜书来啦！周志华机器学习详细公式推导！

机器学习与AI生成创作·2022-12-07 10:41

人工智能实战2019 第一次作业刘强

项目内容这个作业属于哪个课程人工智能实战2019这个作业的要求在哪里作业要求我在这个课程的目标是将机器学习理论与实践相结合，获得一定的项目经验，提高编程能力这个作业在哪个具体方面帮助我实现目标初步掌握了

weixin_30474613·2022-12-04 12:11

机器学习理论与实战（十）K均值聚类和二分K均值聚类 .

接下来就要说下无监督机器学习方法，所谓无监督机器学习前面也说过，就是没有标签的情况，对样本数据进行聚类分析、关联性分析等。主要包括K均值聚类（K-meansclustering）和关联分析，这两大类都可以说的很简单也可以说的很复杂，学术的东西本身就一直在更新着。比如K均值聚类可以扩展一下形成层次聚类（HierarchicalClustering），也可以进入概率分布的空间进行聚类，就像前段时间很火

wbglearn·2022-12-03 18:07

数学建模学习（109）：几行代码训练几十种机器学习模型

本文不需要你有机器学习理论知识，你只需要能够照着我的代码写即

川川菜鸟·2022-12-02 16:22

机器学习、深度学习的学习路线

本人目前已经大三下了，学习机器学习、深度学习有一年多的时间，这里站在本科生的角度，结合自己的经验给对机器学习、深度学习感兴趣的同学一些建议和规划目录Step1数学基础和Python数学基础PythonStep2机器学习理论和编程实现机器学习理论深度学习理论

江海一飞鸥·2022-11-30 11:29

knn mllib spark_Spark机器学习快速入门

机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。

王土三·2022-11-30 08:51

机器学习理论基础学习4--- SVM（基于结构风险最小化）

一、什么是SVM？支持向量机是一种二分类模型。它是定义在特征空间上的、间隔最大的线性分类器。间隔最大使得支持向量机有别于感知机。如果数据集是线性可分的，那么感知机获得的模型可能有很多个，而支持向量机选择的是间隔最大的那一个。支持向量机还支持核技巧，从而使它成为实质上的非线性分类器。支持向量机支持处理线性可分数据集、非线性可分数据集。当训练数据线性可分时，通过硬间隔最大化，学习一个线性分类器，即线性

dili8870·2022-11-29 21:10

机器学习理论篇1：机器学习的数学基础

一、概述我们知道，机器学习的特点就是：以计算机为工具和平台，以数据为研究对象，以学习方法为中心；是概率论、线性代数、数值计算、信息论、最优化理论和计算机科学等多个领域的交叉学科。所以本文就先介绍一下机器学习涉及到的一些最常用的的数学知识。二、线性代数2-1、标量一个标量就是一个单独的数，一般用小写的的变量名称表示。2-2、向量一个向量就是一列数，这些数是有序排列的。用过次序中的索引，我们可以确定每

智元元·2022-11-28 13:39

机器学习理论知识-逻辑回归

紧接着上一章节的线性回归，这一周学习下逻辑回归。同样参照的资料斯坦福大学2014（吴恩达）机器学习教程中文笔记那本文的知识体系如下：基本知识点定义而线性回归yi=wi∗xi+by_{i}=w_{i}*x_{i}+byi=wi∗xi+b，模型的范围是可以为$\left{-∞，+∞\right}，线性回归能预测连续的值，然而对于分类问题，我们的因变量可能属于两个类别正向类和负向类，即，线性回归能预测连

cuihaoren01·2022-11-28 09:31

机器学习理论 | 周志华西瓜书第十三章：半监督学习

第十三章半监督学习此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中…13.1未标记样本1、一些概念主动学习(activelearning)：使用尽量少的query获得经良好的性能半监督学习(semi-supervisedlearning)：让学习器不依赖外界交互，自动利用未标记样本来提升学习性能2、一些假设聚类假设(clusterassumption)：假设数据存在簇结构，同一个簇的样本

ZIYUE WU·2022-11-27 10:49

机器学习理论 | 周志华西瓜书第十二章：计算学习理论

第十二章计算学习理论此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中…12.1基础知识1、概述目的：分析学习任务的困难本质，为学习算法提供理论保证）2、一些定义令h为从X到Y的映射，h的泛化误差：E(h;D)=Px∼D(h(x)≠y)E(h;\mathcal{D})=P_{\bmx\sim\mathcal{D}}(h(\bmx)≠y)E(h;D)=Px∼D(h(x)=y)h在D上的经验

ZIYUE WU·2022-11-27 10:48

机器学习理论 | 周志华西瓜书第八章：集成学习

第八章集成学习此系列文章旨在提炼周志华《机器学习》的核心要点，不断完善中…8.1个体与集成集成学习的一般结构示意图个体学习器(individuallearner)基学习器(baselearner)同质(homogenous)集成：集成中只包含同种类型的个体学习器基学习器——同质集成中的个体学习器基学习算法(baselearningalgorithm)——相应的学习算法组建学习器(component

ZIYUE WU·2022-11-27 10:18

基于Tensorflow的MNIST手写数字识别及Web验证的实现

拿到这个题目，加上之前对于机器学习理论知识的学习，首先想到的是使用Tensorflow框架进行编写，因为Python实现较为多，也较为顺手，几乎不会遇到一些未知和无关的错误。

一个好名字会让对方记住你·2022-11-26 08:04

Python 数据挖掘与机器学习核心技术应用

为各领域人员量身定制学习内容，让你畅学Python编程及机器学习理论与代码实现方法，从“

WangYan2022·2022-11-26 01:27

基于Python机器学习及深度学习在空间模拟与时间预测应用

机器学习理论知识1.1总体框架与课时安排1.2机器学习方法1.3机器学习方法的分类1.4模型评估与选择1

WangYan2022·2022-11-26 01:23

Python深度学习：机器学习理论知识，包含信息熵的计算（读书笔记）

今天这一篇，我们正式接触深度学习的理论基础—机器学习第二篇一、机器学习分类二、机器学习的基本算法三、算法的理论基础1、机器学习的基础理论-----函数逼近2、回归算法3、其他算法----决策树一、机器学习分类1、基于学科分类统计学、人工智能、信息论、控制理论2、基于学习模式分类归纳学习、解释学习、反馈学习3、基于应用领域的分类专家系统、数据挖掘、图像识别、人工智能、自然语言处理二、机器学习的基本算

芝士工具猿·2022-11-24 05:01

深度学习与智能故障诊断学习笔记（一）——故障诊断体系介绍

1.引言智能故障诊断（IFD）是指将机器学习理论，如人工神经网络（ANN）、支持向量机（SVM）和深度神经网络（DNN）应用于机器故障诊断。

Vanderbiol·2022-11-23 12:16

人工智能书单（机器学习实践篇）

人工智能书单（机器学习理论篇）HZBOOK1长按二维码了解及购买《Python机器学习（原书第2版）》ISBN：978-7-111--55880-4作者：[美

hzbooks·2022-11-23 09:25

机器学习 - 机器学习理论基础

目录1.机器学习的经验效用和理论理解2.机器学习的效用-理论矩阵2.1.右上象限：高理解、高效用2.2.右下象限：低理解，高效用2.3.左上象限：高理解，低效用2.4.左下象限：低理解，低效用2.5.效用-理论矩阵的特点3.效用-理论矩阵的三种理解机制4.参考1.机器学习的经验效用和理论理解机器学习的一些领域的经验效用已经迅速超过了我们对基础理论的理解，其中的模型非常有效，但我们并不能完全确定其原

Encarta1993·2022-11-23 00:00

机器学习理论基础到底有多可靠？

Datawhale干货作者：AidanCooper，编译：机器之心本文约4600字，建议阅读5分钟本文介绍了机器学习理论的重要性。知其然，知其所以然。

Datawhale·2022-11-23 00:50

高数基础：ch0. 概述以及预备知识

一元微分、一元积分，多元微分）线性代数（线性方程组、矩阵运算、矩阵分解、二次型）最优化（使用导数的最优化方法、对偶理论、二次规划）课程目的：提供机器学习课程中的基本数学和优化理论基础，为零基础的同学学习机器学习理论做准备参考资料

呜哇呜·2022-11-22 18:09

没有免费午餐定理No Free Lunch Theorem

然而，只要和机器学习理论挂钩，似乎都讲得不清不楚，大家都是各自地抄，抄书籍，抄论文，抄别人的博客或者直接翻译，或者讲故事一样描述，几乎没什么太深入的理解，给人的感觉是“哎？

飞机火车巴雷特·2022-11-22 07:10

2022五月组队学习——吃瓜教程:task01

2.2.4调参与最终模型2.3性能度量2.3.1错误率与精度2.3.2查准率、查全率与Fl2.3.3ROC与AUC第一章绪论西瓜书的开源自取（大家可以在这个里面自己看喔这也是我喜欢dw的理由之一喔）1.1引言机器学习理论主要是

不含运费·2022-11-21 23:19

深度学习机器学习理论知识：范数、稀疏与过拟合合集（3）范数与稀疏化的原理、L0L1L2范数的比较以及数学分析

范数、稀疏与过拟合合集（1）范数的定义与常用范数介绍范数、稀疏与过拟合合集（2）有监督模型下的过拟合与正则化加入后缓解过拟合的原理范数、稀疏与过拟合合集（3）范数与稀疏化的原理、L0L1L2范数的比较以及数学分析范数、稀疏与过拟合合集（4）L2范数对conditionnumber较差情况的缓解范数、稀疏与过拟合合集（5）Dropout原理，操作实现，为什么可以缓解过拟合，使用中的技巧1、参数稀疏的

呆呆象呆呆·2022-11-20 10:48

如何从小白成为一名合格的算法工程师

如何从小白成为一名合格的算法工程师写在开头能力要求编程能力计算机基础机器学习机器学习理论学习机器学习实战学习深度学习基础应用领域个人计划后续安排写在开头其实对于未来想要从事什么样的职业这个问题，我已经思考了比较长一段时间

Acwisher·2022-11-17 07:44

推荐频道

机器学习理论