机器学习硬核手写第4页

深入浅出地理解-随机森林与XGBoost模型

2.3随机森林的参数调整三、XGBoost：高效且强大的Boosting方法3.1Boosting的基本原理3.2XGBoost的优化3.3XGBoost的优点四、随机森林与XGBoost的对比五、总结在机器学习的实战中

HP-Succinum·2025-03-07 00:06

芯科科技通过全新并发多协议SoC重新定义智能家居连接

MG26系列SoC现已全面供货，为开发人员提供最高性能和人工智能/机器学习功能致力于以安全、智能无线连接技术，建立更互联世界的全球领导厂商SiliconLabs（亦称“芯科科技”，NASDAQ：SLAB

电子科技圈·2025-03-06 23:56

【Python编程】Python交互式应用框架巅峰对决 —— Streamlit vs Gradio

它们各有独特的设计理念和适用场景，以下是基于功能特性、开发效率和应用场景的对比分析：一、核心定位与功能对比特性GradioStreamlit核心目标快速部署机器学习模型交互界面构建数据科学和复杂交互应用输入

木亦汐丫·2025-03-06 23:54

机器学习平台系列（一） - 初探 Jupyter Notebook 认证机制

最近准备调研下JupyterNotebook的单用户安全机制（认证）以及如何实现多租户，以便集成到公司的云平台，进而作为基于大数据平台的机器学习平台的一部分。

窝窝和牛牛·2025-03-06 22:45

《机器学习实战：从数据清洗到云端部署的可视化进阶指南（三）》

▍前言：阶段核心突破当前已完成模型开发与优化升级核心任务，成功将理论模型转化为工业级解决方案。本阶段基于前期标准化数据，实现从基础模型构建到高性能算法迭代的跨越式发展。▍章节回顾：攻坚与优化成果3.模型开发阶段算法实现：逻辑回归：搭建分类基线（LogisticRegression，准确率基准）支持向量机：对比线性核与RBF核性能差异（F1-score提升12%）K近邻：动态优化邻居数（k=5时验证

庸俗今天不摸鱼·2025-03-06 21:11

Trae的免费优势真的能胜过Cursor的强大功能吗？

1.Trae：免费是王牌，中文是护城河2.Cursor：功能硬核，但钱包得跟上3.硬碰硬：功能谁更牛？4.用起来啥感觉？5.选谁？

Jobot·2025-03-06 20:30

2025全球机器学习技术大会即将召开：汇聚全球AI顶尖专家，共话未来技术趋势

由CSDN与Boolan联合主办的「2025全球机器学习技术大会」（MLSummit2025）将于4月18日至19日在上海虹桥西郊庄园丽笙大酒店隆重举行。

·2025-03-06 18:36

详解：Grok中文版 _Grok 3 国内中文版本在线使用

作为该公司核心技术之一，GrokAI专注于推动人工智能在各行各业的实际应用，尤其在数据分析、自然语言处理（NLP）、自动化决策、机器学习等领域表现出色。Grok的最大亮点在于其强大的数据处理能力。

·2025-03-06 18:35

【好书推荐7】《机器学习平台架构实战》

是Yu欸·2025-03-06 18:41

Python 机器学习基础之模型评估与改进【评估指标与评分】的简单说明

Python机器学习基础之模型评估与改进【评估指标与评分】的简单说明目录Python机器学习基础之模型评估与改进【评估指标与评分】的简单说明一、简单介绍二、评估指标与评分1、牢记最终目标2、二分类指标1

仙魁XAN·2025-03-06 18:38

基于hive的电信离线用户的行为分析系统

通过收集电信用户的通话记录、上网行为、短信使用等多源数据，利用Hive数据仓库工具进行数据存储和处理，采用数据挖掘和机器学习算法对用户行为进行分析。实验结果表明，该系统

赵谨言·2025-03-06 17:29

【精华推荐】AI大模型学习必逛的十大顶级网站

1.CourseraCoursera是一个在线学习平台，提供各类AI和机器学习课程，包括斯坦福大学的机器学习课程和深度学习专项课程。通过视频讲解

大模型入门学习·2025-03-06 17:58

【大模型学习】第八章深入理解机器学习技术细节

目录引言一、监督学习（SupervisedLearning）1.定义与工作原理2.常见任务3.应用场景示例：房价预测二、无监督学习（UnsupervisedLearning）1.定义与工作原理2.常见任务3.应用场景示例：客户细分三、强化学习（ReinforcementLearning）1.定义与工作原理2.常见应用场景3.应用场景示例：游戏AI四、集成学习（EnsembleLearning）1.

好多渔鱼好多·2025-03-06 16:57

手写精简版TinyHttpd项目(一)

前言：我们在之前的TinyHttpd的精读(可以在首页去查看)中已经是基本的了解了显示一个网页的基本过程，那么我们学习后可以通过手写一个精简版的进行巩固下。

Not_full·2025-03-06 16:23

深入解析 Umi-OCR：高效的免费开源 OCR 文字识别工具

Umi-OCR是一款开源、免费、支持离线使用的光学字符识别（OCR）工具，基于PaddleOCR和Tesseract-OCR，能够高效识别图片中的文字，尤其适用于批量截图文字提取、PDF文字识别、手写体识别等应用场景

萧鼎·2025-03-06 15:47

Spring使用JWT进行登录验证

前情提要：由于这学期课设需要使用SSM技术栈，导致一些好用的登录框架无法适配，所以改用手写JWT进行登录验证JWT简介JSONWebToken(JWT)是一种用于在网络应用环境中进行用户身份验证和信息交换的开放标准

PXM的算法星球·2025-03-06 15:47

Milvus 数据批量导入实战：Python代码解析

Milvus作为一款高性能的向量数据库，在人工智能、机器学习等领域有着广泛的应用。

修破立生·2025-03-06 14:09

L1与L2正则化：防止过拟合的双刃剑

标题：L1与L2正则化：防止过拟合的双刃剑文章信息摘要：L1和L2正则化是防止机器学习模型过拟合的两种关键技术。

XianxinMao·2025-03-06 14:31

手写数字识别项目：从原理到实践

在当今数字化时代，手写数字识别作为模式识别和人工智能领域的重要应用，有着广泛的用途，如邮政信封上的邮编识别、银行支票上的数字处理等。

北屿升：·2025-03-06 13:29

TensorFlow.js - 使用 CNN(卷积神经网络) 识别手写数字

宁静_致远_·2025-03-06 13:53

卷积神经网络应用-训练手写体数字数据集并展示识别精度

#卷积神经网络(CNN)训练手写体数据集importnumpyasnpimportmatplotlib.pyplotaspltimporttensorflow.kerasaskaimportdatetime

yeahamen·2025-03-06 12:17

Python从0到100（十八）：面向对象编程应用

想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、计算机视觉、机器学习

是Dream呀·2025-03-06 11:12

智能云图库项目实战（4）---空间模块

‍♂️个人主页：@rain雨雨编程微信公众号：rain雨雨编程✍作者简介：持续分享机器学习，爬虫，数据分析希望大家多多支持，我们一起进步！

rain雨雨编程·2025-03-06 11:38

【西瓜书《机器学习》七八九章内容通俗理解】

第七章：贝叶斯分类器7.1贝叶斯决策论基础核心概念：贝叶斯分类器是基于概率来做分类决策的。简单来说，就是根据已知的一些条件，去计算每个类别出现的概率，然后选择概率最大的那个类别作为分类结果。就好比你在猜一个盒子里装的是红球还是蓝球，你可以根据之前从这个盒子里摸球的一些经验（比如摸出红球的次数多），来判断这次盒子里更有可能是红球还是蓝球。例子：假如你要判断一幅图片是猫还是狗。你知道在所有的图片数据里

游戏乐趣·2025-03-06 11:07

机器学习笔记

1概述1.1简介机器学习（MachineLearning）是计算机科学的子领域，也是人工智能的一个分支和实现方式。

有涯小学生·2025-03-06 10:35

基于opencv答题卡识别判卷

【CNN模型实现mnist手写数字识别】5.【fasterRCNN模型实现飞机类目标检测】6.【CNN-LS

深度学习乐园·2025-03-06 10:31

机器学习—赵卫东阅读笔记（一）

第一章：机器学习基础1.1.2机器学习主要流派1.符号主义2.贝叶斯分类——基础是贝叶斯定理3.联结主义——源于神经学，主要算法是神经网络。

走在考研路上·2025-03-06 10:29

Python在机器学习与数据分析领域的深度应用：从基础到实战

Python作为一门强大而灵活的编程语言，凭借其丰富的库和工具，在机器学习和数据分析领域扮演着举足轻重的角色。

CodeJourney.·2025-03-06 09:54

TensorFlow\Keras实战100例——BP\CNN神经网络~MINST手写数字识别

一.原理说明BP神经网络是一种多层的前馈神经网络，其主要的特点是：信号是前向传播的，而误差是反向传播的。具体来说，对于如下的只含一个隐层的神经网络模型：BP神经网络的过程主要分为两个阶段，第一阶段是信号的前向传播，从输入层经过隐含层，最后到达输出层；第二阶段是误差的反向传播，从输出层到隐含层，最后到输入层，依次调节隐含层到输出层的权重和偏置，输入层到隐含层的权重和偏置。卷积神经网络（Convolu

AI街潜水的八角·2025-03-06 08:45

Python神器 Jupyter Notebook

它适用于数据分析、可视化、机器学习等多种场景，尤其在数据科学领域中广受欢迎。二、安装与配置JupyterNotebook可以通过多种方式进行安装，其中最常见的是通过安装A

懒大王爱吃狼·2025-03-06 07:10

手写精简版TinyHttpd项目(二)

在上一章中，我们基本完了socket通信的建立和消息的处理，那么这一章我们就来看如何生成一个静态的网页。1.新建网页首先我们再代码的同级目录下新建一个index.html文件(当然也可以自己选择一个路径)然后将如下的代码复制到新建的index.html中：Thisisatextareawithaborder.SubmitForm结果如下：2.显示静态网页。我们现在已经有了一个本地的网页，接下来我们

Not_full·2025-03-06 06:02

费曼学习法11 - NumPy 的 “线性代数” 之力：矩阵运算与应用 (应用篇)

线性代数不仅是图像处理的基石，也在机器学习、物理模拟、工程计算等众多领域扮演着核心角色。它提供了一套强大的数学工具，用于描述和解决多维

修昔底德·2025-03-06 03:06

通往 AI 之路：Python 机器学习入门-线性代数

2.1线性代数（机器学习的核心）线性代数是机器学习的基础之一，许多核心算法都依赖矩阵运算。本章将介绍线性代数中的基本概念，包括标量、向量、矩阵、矩阵运算、特征值与特征向量，以及奇异值分解（SVD）。

一小路一·2025-03-06 02:27

机器学习校招面经二

快手机器学习算法一、AUC（AreaUndertheROCCurve）怎么计算？AUC接近1可能的原因是什么？

Y1nhl·2025-03-06 01:46

华为面试题及答案——机器学习(二)

21.如何评价分类模型的优劣?（1）模型性能指标准确率（Accuracy）：定义：正确分类的样本数与总样本数之比。适用：当各类样本的数量相对均衡时。精确率（Precision）：定义：预测为正类的样本中实际为正类的比例。适用：当关注假阳性错误的成本较高时（例如垃圾邮件检测）。召回率（Recall）：定义：实际为正类的样本中被正确预测为正类的比例。适用：当关注假阴性错误的成本较高时（例如疾病检测）。

麦当当MDD·2025-03-06 01:15

顺丰科技-2024 机器学习算法面经

专栏分享：计算机小伙伴秋招春招找工作的面试经验和面试的详情知识点专栏首页：软件测试开发类面经合集主要分享：测试开发类岗位在面试互联网公司时候一些真实的经验面试code学习参考请看：数据结构面试必刷100题一面：1.自我介绍2.线程和进程的区别，什么时候用多进程，什么时候用多线程（这个属于给自挖坑了）3.实习项目问题，项目目标是怎么定的，用的什么算法

程序员奇奇·2025-03-06 00:10

基于 Python + Django 的学生成绩综合评价分析预测可视化系统

该系统利用机器学习算法（如线性回归）进行成绩预测，并通过DjangoWeb框架实现数据的展示和用户交互。二、系统功能概述学生信息管理：系统管理学生的基本信息，包括年龄、性别、爱好等，基于Dj

源码空间站11·2025-03-06 00:40

机器学习之学习笔记

机器学习-学习笔记1.简介2.算法3.特征工程3.1数据集3.2特征提取3.3特征预处理3.4特征降维4.分类算法4.1`sklearn`转换器和估计器4.2K-近邻算法（KNN）4.3模型选择与调优4.4

孤城laugh·2025-03-06 00:39

深度学习day1

深度学习day11.深度学习与机器学习的区别1.1特征提取方面1.2数据量与计算性能要求1.3算法代表2.深度学习框架之TensorFlow2.1TensorFlow基础2.2TensorFlow基础知识

孤城laugh·2025-03-06 00:39

深度学习现状与未来发展趋势分析报告（深度学习还是主流吗？）

背景深度学习的概念与发展历程：深度学习（DeepLearning）是机器学习中的一类方法，源于

与光同尘大道至简·2025-03-05 23:59

K-means聚类：解锁数据隐藏结构的钥匙

K-means聚类：解锁数据隐藏结构的钥匙在机器学习的广阔领域中，无监督学习以其独特的魅力吸引了众多研究者和实践者。

蓝天资源分享·2025-03-05 22:25

【AI深度学习基础】Pandas完全指南入门篇：数据处理的瑞士军刀（含完整代码）

Pandas系列文章导航入门篇进阶篇终极篇一、引言在大数据与AI驱动的时代，数据预处理和分析是深度学习与机器学习的基石。

arbboter·2025-03-05 20:08

对“预训练”的理解

预训练有什么用传统的机器学习是偏数学的，对数据的量不做过多要求，而深度学习的项目通常是有大量的数据可供使用。

衣衣困·2025-03-05 18:59

Java 大视界 -- Java 大数据机器学习模型的可解释性增强技术与应用（107）

亲爱的朋友们，热烈欢迎来到青云交的博客！能与诸位在此相逢，我倍感荣幸。在这飞速更迭的时代，我们都渴望一方心灵净土，而我的博客正是这样温暖的所在。这里为你呈上趣味与实用兼具的知识，也期待你毫无保留地分享独特见解，愿我们于此携手成长，共赴新程！一、欢迎加入【福利社群】点击快速加入：青云交灵犀技韵交响盛汇福利社群点击快速加入2：2024CSDN博客之星创作交流营（NEW)二、本博客的精华专栏：大数据新视

青云交·2025-03-05 18:55

基于K8S设计实现机器学习管理调度平台

设计和实现一套基于Kubernetes(K8s)的机器学习管理调度平台，目标是利用K8s的容器化和调度能力，提供高效的资源管理、任务调度、可扩展性及灵活性，适应机器学习（ML）训练、推理等不同场景的需求

richenlin·2025-03-05 15:56

【python数据挖掘之numpy】-数组及对象属性和数据转换

Numpy在科学计算、数据分析、机器学习等领域都广泛应用。tips：（本博文在jupyter中实训）目录一、创建数组对象1.array（）函数来创建数组的对象2

sc.溯琛·2025-03-05 15:55

神经网络:人工智能的核心技术

它通过学习大量的数据来完成复杂的模式识别和决策任务,是当前人工智能和机器学习领域最重要的技术之一。神经网络的基本结构包括输入层、隐藏层和输出层。

m0_75126181·2025-03-05 14:12

强化学习是否能够在完全不确定的环境中找到一个合理的策略，还是说它只能在已知规则下生效？

强化学习（ReinforcementLearning，RL）是机器学习的一个重要分支，广泛应用于机器人控制、自动驾驶、游戏策略和金融决策等领域。

concisedistinct·2025-03-05 12:58

（一）spark是什么？

2.spark的用途（1）：数据科学任务具备SQL、统计、预测建模（机器学习）等方面的经验，以及一定的python，matlab

一智哇·2025-03-05 11:21

推荐频道

机器学习硬核手写