机器学习理论

机器学习理论《统计学习方法》学习笔记：第四章 朴素贝叶斯法

机器学习理论《统计学习方法》学习笔记：第四章朴素贝叶斯法4朴素贝叶斯法4.1朴素贝叶斯法的学习与分类4.1.1基本方法4.1.2后验概率最大化的含义4.2朴素贝叶斯法的参数估计4.2.1极大似然估计4.2.2
紫芝·2020-08-21 10:57

机器学习理论1 真-零基础入门

文章目录引言什么是机器学习基本术语关于数据关于算法关于模型监督学习无监督学习关于预测假设空间归纳偏好背景知识参考资料引言什么是机器学习首先我们要知道，机器学习是一种算法，那么这是一种怎么样的算法呢。资料上对机器学习的定义是这样的，算法A（algorithm）利用模型E（edge），解决特定的实际问题得到结P（performance），并利用结果P改进模型E，进而更好的解决特定实际问题。机器学习的基
FCB_LAM·2020-08-19 05:05

作业八：输入校验与特殊公式识别_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输入校验与特殊公式识别我的
weixin_30869099·2020-08-18 17:54

作业六：三层神经网络调参_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尝试三层神经网络调参
weixin_30627341·2020-08-18 17:36

作业七：Openpai NII 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了解OpenpaiNII
weixin_30361753·2020-08-18 17:43

作业五：训练一个逻辑与门和逻辑或门_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使用sigmoid
weixin_30267691·2020-08-18 17:35

机器学习cs229——（一）概要

目录监督学习（supervisedlearning）机器学习理论无监督学习增强学习机器学习：使计算机模拟或实现人类的学习行为，以获取新的知识或技能。并重新组织已有的知识结构使之不断改善自身的性能。
Jack LDZ·2020-08-18 15:02

【机器学习理论】第5部分 微积分基础

1、两边夹定理如果函数满足下列条件：（1）当时，有（2）当时，有，那么当，的极限存在。2、极限的证明3、极限存在定理（1）单调有界数列一定有极限（2）单增数列有上界，则其必有极限4、二项展开式5、自然常数证明：根据两边夹定理，可以知道函数的极限存在，极限为e.、6、导数设函数y=f(x)在点x0的某个邻域内有定义，当自变量x在x0处有增量Δx，(x0+Δx)也在该邻域内时，相应地函数取得增量Δy=
墨竹 | kevinelstri·2020-08-18 15:41

【机器学习理论】第1部分 机器学习基础

对于机器学习算法也使用了一段时间，现在进行一个系统的学习和总结，也给自己补缺补差，回头来看，发现对于机器学习的理解更加的清晰，更加有条理，在整体的思路上的把握也更加的完善，所以建议对于机器学习的学习一定要多实践，多回头查看、【分类介绍】监督学习：在监督学习中，我们只需要给定输入样本集，机器就可以从中推测出指定目标变量的可能结果。监督学习使用两种类型的目标变量：标称型和数值型。标称型：其目标变量的结
墨竹 | kevinelstri·2020-08-18 15:09

作业七：黄金点游戏 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了解黄金点游戏我的
weixin_30539835·2020-08-18 13:19

机器学习理论与实战（十一）关联规则分析Apriori

《机器学习实战》的最后的两个算法对我来说有点陌生，但学过后感觉蛮好玩，了解了一般的商品数据关联分析和搜索引擎智能提示的工作原理。先来看看关联分析（associationanalysis）吧，它又称关联规则学习（associationrulelearning）,它的主要工作就是快速找到经常在一起的频繁项，比如著名的“啤酒”和“尿布”。试想一下，给我们一堆交易数据，每次的交易数据中有不同的商品，要我们
marvin521·2020-08-18 11:06

机器学习算法C/C++实现

对于机器学习理论部分，以后有时间再
myazi·2020-08-17 15:03

抠图算法：经典的贝叶斯抠图

总之，当前一些效果显著的同时也非常popular的图像处理技术中大量地借鉴和利用了经典数学和机器学习理论中的一些著名的成果。数字图像抠图技术就是一个典型的领域，数学理论和机器学习方法在其中扮演了至关重
爱睡觉的胖子·2020-08-17 09:37

机器学习理论《统计学习方法》学习笔记：第一章 统计学习及监督学习

《统计学习方法》学习笔记：第一章统计学习及监督学习1统计学习及监督学习概论1.1统计学习1.统计学习的特点2.统计学习的对象3.统计学习的目的4.统计学习的方法6.统计学习的重要性1.2统计学习的分类1.2.1基本分类1.监督学习2.无监督学习3.强化学习4.半监督学习与主动学习1.2.2按模型分类1.概率模型与非概率模型2.线性模型与非线性模型3.参数化模型与非参数化模型1.2.3按算法分类1.
紫芝·2020-08-16 14:47

机器学习理论《统计学习方法》学习笔记：第二章 感知机

《统计学习方法》学习笔记：第二章感知机2感知机2.1感知机模型2.2感知机学习策略2.2.1数据的线性可分性2.2.2感知机学习策略2.3感知机学习算法2.3.1感知机学习算法的原始形式2.3.2算法的收敛性2.3.3感知机学习算法的对偶形式小结2感知机感知机（perceptron）是二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1或-1二值。感知机对于输入空间（特征空间）中
紫芝·2020-08-16 14:47

了解《泛化误差》必看的6篇论文【附打包下载地址】

作者通过一些很有意思的实验（比如randomlabel实验）来试图反驳之前的机器学习理论，认为之前的一些泛化上界并不能解释深度学习的成功。很有趣的一个文章，也被后来大部分做泛化的
人工智能前沿讲习·2020-08-16 03:26

【泛化误差论文必看】

参考人工智能前沿讲习的泛化误差专题1、背景训练集往往只是数据总体的一部分，无法包含所有可能的情况，训练出的学习算法在训练集和非训练集上的表现会是不一样的，我们使用泛化误差来度量这一差距，这也是机器学习理论最重要的问题之一
静静和大白·2020-08-15 21:23

新手转行到应用人工智能之前，需要掌握哪些技能？

2.机器学习理论在训练神经网络的时候，实际上发生了什么?是什么使得某些任务可行，而其他任务不可行?要弄清楚这些问题，最好的方法不是深入
人工智能爱好者·2020-08-14 00:38

面试中值得关注的问题

机器学习理论类：写出全概率公式&贝叶斯公式模型训练为什么要引入偏差(bias)和方差(variance)？证CRF/朴素贝叶斯/EM/最大熵模型/马尔科夫随机场/混合高斯模型如何解决过拟合问题？
wonengguwozai·2020-08-12 14:54

机器学习理论与实战

前面的近20篇博文已经牵扯到很多机器学习算法咯，已经吊足了胃口，决定从后面开始正式系统的学习机器学习理论，并尝试进入实战阶段，涵盖：加州理工(caltech)的YaserAbu-Mostafa教授的机器学习
chinaliping·2020-08-11 21:56

机器学习”小憩“——总结应用场景

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
weixin_34355559·2020-08-11 09:13

【机器视觉】探索机器学习理论的最新进展，走近云、端、芯上的视觉计算

而机器学习理论的研究也与之类似，目的都是希望能在未来设计出更好的机器学习方法，使其性能更好，效率更高。比之
人工智能学家·2020-08-10 15:35

探索机器学习理论的最新进展，走近云、端、芯上的视觉计算——“智源论坛：机器学习报告会”重点梳理...

而机器学习理论的研究也与之类似，目的都是希望能在未来设计出更好的机器学习方法，使其性能更好，效率更高。比之人工智能领域亦然
BAAIBeijing·2020-08-10 13:51

智能Web算法第二版前言和译者序

在众多有关机器学习和数据挖掘的书籍里，《智能Web算法》一书是颇为经典的一本，其特点之一是内容覆盖面很全，有关网络数据挖掘的方方面面都涉及到了，从数据采集、存储，到降维运算和结构抽取，以及涉及模式识别的聚类和分类、统计机器学习理论等
cserchen·2020-08-10 06:53

无监督聚类算法该如何评价

学过机器学习的小伙伴应该都很清楚：几乎所有的机器学习理论与实战教材里面都有非常详细的理论化的有监督分类学习算法的评价指标。例如：正确率、召回率、精准率、ROC曲线、AUC曲线。
JeemyJohn·2020-08-03 05:51

机器学习理论笔记（1）

线性模型和最小二乘法Giveninput:XT=(X1,X2,…,Xp)XT=(X1,X2,…,Xp)Predictoutput:YYVia:Y^=β0^∑j=1pXjβj^(1.1)(1.1)Y^=β0^∑j=1pXjβj^β0^β0^表示截断（intercept）or偏差（bias）为方便起见，我们让XX中包含常量11，那么就有Y^=XTβ^(1.2)(1.2)Y^=XTβ^对于输出输出对(x
江河湖海times·2020-08-02 20:59

机器学习理论与实战（六）支持向量机

上节基本完成了SVM的理论推倒，寻找最大化间隔的目标最终转换成求解拉格朗日乘子变量alpha的求解问题，求出了alpha即可求解出SVM的权重W，有了权重也就有了最大间隔距离，但是其实上节我们有个假设：就是训练集是线性可分的，这样求出的alpha在[0,infinite]。但是如果数据不是线性可分的呢？此时我们就要允许部分的样本可以越过分类器，这样优化的目标函数就可以不变，只要引入松弛变量即可，它
marvin521·2020-08-01 11:03

周志华新作《机器学习理论导引》阅读攻略

最近在读《机器学习理论导引》。这本书是西瓜书的作者周志华老师领衔、南大LAMDA四位教授共同撰写的新书，权威就自不必说。
hzbooks·2020-08-01 07:00

计算生物学_01机器学习理论部分

计算生物学_01机器学习理论部分1.1.1数据库的注释质量如何发现数据中的错误和异常机器学习技术能够有效的识别和发现错误的数据信息和错误的注释方法；在一批数据中，如果样本难以学习，那么他们很有可能是某些非正常情况
forever luckness·2020-07-29 10:00

机器学习理论与实战（三）朴素贝叶斯

贝叶斯决策一直很有争议，今年是贝叶斯250周年，历经沉浮，今天它的应用又开始逐渐活跃，有兴趣的可以看看斯坦福BradEfron大师对其的反思，两篇文章：“Bayes'Theoreminthe21stCentury”和“A250-YEARARGUMENT:BELIEF,BEHAVIOR,ANDTHEBOOTSTRAP”。俺就不参合这事了，下面来看看朴素贝叶斯分类器。有时我们想知道给定一个样本时，它属
marvin521·2020-07-27 21:59

2020还是AI最火？推荐几本深度学习的书籍帮你入门！

最近公司里有一些关于算法方面的工作，想到能学点有趣的新技术，于是毫不犹豫地参加了学习，机器学习，深度学习，离我们Java工程师到底远不远，说近不近，说远也不远，我们甚至可以在没有太多机器学习理论的基础时
黄小斜·2020-07-27 18:26

kaggle入门级项目（Titanic）

前言从事数据科学方面工作的人应该都听说过kaggle比赛，当然对于机器学习方面感兴趣的学生小伙伴来说，kaggle也是一个可以实战的地方，从机器学习理论转向实战其实是个不小的挑战，但在应用时不需要每行代码都去自己敲打
Jackybored·2020-07-27 12:50

感知器算法及实现（个人觉得很不错！）

从博客园转载过来格式有问题，显示不完全，原文链接http://www.cnblogs.com/OldPanda/archive/2013/04/12/3017100.html笔记——感知机最近在研究机器学习理论的时候发现了一本好书
gningh·2020-07-15 23:00

机器学习理论与实战（十六）概率图模型04

04、概率图模型应用实例最近一篇文章《DeformableModelFittingbyRegularizedLandmarkMean-Shift》中的人脸点检测算法在速度和精度折中上达到了一个相对不错的水平，这篇技术报告就来阐述下这个算法的工作原理以及相关的铺垫算法。再说这篇文章之前，先说下传统的基于CLM（Constrainedlocalmodel）人脸点检测算法的不足之处，ASM也属于CLM的
marvin521·2020-07-15 21:30

基于大数据分析的异常检测方法及其思路实例

由于数据量太大以及数据属性的多样性，导致经典的统计分析方法已经无法适用，必须采用以机器学习理论为基础的大数据分析方法。目前，大数据分析的方法已经被广泛用于商业智能（BI）领域，并
ASIA_kobe·2020-07-15 16:26

零基础入门深度学习六：深度学习基本概念

视频及PPT原教程：https://pan.baidu.com/s/1dAFnki密码：5rsd还没有看过前几篇机器学习理论的童鞋，推荐先把前几篇看完。
wind_liang·2020-07-15 09:34

机器学习简介

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。因为学习算法中涉及了大量的统计学理论，机器学
kyle-fang·2020-07-14 10:26

吐血整理：机器学习的30个基本概念，都在这里了（手绘图解）

作者：梅子行、毛鑫宇来源：大数据DT（ID：hzdashuju）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。
hzbooks·2020-07-13 07:00

机器学习书单

FinneyWeirGiordano概率统计《概率论与数理统计》盛骤《AFirstCourseinProbability》SheldonRoss《IntroductiontoProbabilityModels》SheldonRoss机器学习理论
zqm201·2020-07-12 20:32

【机器学习理论】分类评估标准

分类评估指标：混淆矩阵：每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目，每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目，每一列中的数值表示真实数据被预测为该类的数目Truepositives(TP)：被正确地划分为正例的个数，即实际为正例且被分类器划分为正例的实例数（样本数）Falsepositives(FP)：被错误地划分为正例的个数，即实际为负例但被
Performer_Cherry·2020-07-12 13:18

阅码场独家在线课程:《深度学习实战大数据》早鸟报名

目前市面主流人工智能课程主要分两类，一个是机器学习理论课程，偏理论，晦涩难懂，尤其对于没有相关基础的人入门有一定的门槛；另外一类主要是工具类，主要介绍如何通过主流的工具（如Tensorflow）来搭建AI
Linux阅码场·2020-07-11 09:16

2020还是AI最火？推荐几本深度学习的书籍帮你入门！

最近公司里有一些关于算法方面的工作，想到能学点有趣的新技术，于是毫不犹豫地参加了学习，机器学习，深度学习，离我们Java工程师到底远不远，说近不近，说远也不远，我们甚至可以在没有太多机器学习理论的基础时
黄小斜·2020-07-11 07:35

2020还是AI最火？推荐几本深度学习的书籍帮你入门！

最近公司里有一些关于算法方面的工作，想到能学点有趣的新技术，于是毫不犹豫地参加了学习，机器学习，深度学习，离我们Java工程师到底远不远，说近不近，说远也不远，我们甚至可以在没有太多机器学习理论的基础时
程序员书单·2020-07-10 21:00

2020还是AI最火？推荐几本深度学习的书籍帮你入门！

最近公司里有一些关于算法方面的工作，想到能学点有趣的新技术，于是毫不犹豫地参加了学习，机器学习，深度学习，离我们Java工程师到底远不远，说近不近，说远也不远，我们甚至可以在没有太多机器学习理论的基础时
黄小斜·2020-07-10 21:00

机器学习概论

今日大纲推荐系统-机器学习理论基础详解1.大数据时代究竟改变了什么？
不可描述的两脚兽·2020-07-10 17:00

北京大学王立威教授：机器学习理论的回顾与展望

[转]http://www.leiphone.com/news/201703/jCoh9mtRVr2ipJWA.html[转]http://www.leiphone.com/news/201703/nw3YCxMWbGw8RT1a.html[转]http://www.leiphone.com/news/201703/qzBcOeDYFHtYwgEq.html[转]http://www.leipho
xiangz_csdn·2020-07-10 12:16

机器学习理论系列3——逻辑回归

之前在机器学习实践系列3——二项逻辑回归中，描述了逻辑回归算法的基本概念和原理，并用Python结合实际案例讲解了如何应用二项逻辑回归来解决实际问题，最后讲解了如何对逻辑回归模型进行评估。这次我们以这篇文章为基础，描述一下逻辑回归的理论模型和损失函数，以及推导过程。上一篇我们讲到一般化的逻辑回归模型的预测函数如下：一般我们讨论的是二项逻辑回归模型，它经过整合后的模型如下：为了求解这个模型，即求出θ
刺猬ciwei_532a·2020-07-08 22:32

机器学习理论学习

机器学习理论学习K最近邻算法--近朱者赤近墨者黑原理那么可以清楚地看到，会将新数据归于到黑色分类中。当然，K最近邻算法也能用于回归算法。原理和用于分类是相同的。
小鸡·2020-07-08 19:09

机器学习理论知识概述

1、机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型（model）”的算法，即学习算法（learningalgorithm）。有了学习算法，我们把经验数据提供给它，它就能基于这些数据产生模型；在面对新的情况时，模型会给我们提供相应的判断。可以说，机器学习是研究关于“学习算法”的学问。2、学得模型适用于新样本的能力，称为泛化（generalization）能力。具有强泛化能力的模型能够很
張清扬·2020-07-08 11:54

西瓜书学习笔记（1）—— 绪论

前言上手学习机器学习理论吧，最近做深度学习的一些项目感觉很吃力，不是很懂调参数的原理看来实战的学习还是会有很多一知半解所以在网上看了些推荐的学习路线决定从机器学习开始，西瓜书又是入门经典所以开始啃理论吧
只会git clone的程序员·2020-07-07 23:30
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他