机器学习算法人工智能深度学习第3页

特征工程:特征选择

基于机器学习的方法三、结语一、前言特征选择是使用某些特征统计的方法，从数据中选出有用的特征，把数据中无用的特征抛弃掉，该方法不会产生新的特征，常用的方法有基于统计方法的特征选择、利用地柜消除法选择有用的特征、利用机器学习算法选择重要的特征等

林浩杨·2024-02-09 00:00

机器学习如何改变缺陷检测的格局？

多种缺陷检测：机器学习算法可以对各种缺陷进行检测，例如表面缺陷、裂纹、气泡等。这使得在生产线、制

matlabgoodboy·2024-02-08 09:11

分类模型的机器学习算法

决策树为输入选择正确标签的流程图。叶子节点为标签，其他的节点为决策节点。决策树桩只有一个节点的决策树，基于一个特征为输入分类。要建立树桩首先应该决定哪些特征应该使用。最简单的办法是为每一个特征都建立决策树桩然后在训练集上测试选择得分最高的特征。熵和信息增益衡量原始集合的无序程度就需要计算他们的标签的信息熵，如果标签非常不同熵就高，如果标签相同则熵就低。熵每个标签的概率×标签的logo概率的总和.计

青椒rose炒饭·2024-02-08 06:44

机器学习算法——概率类模型评估指标3（可靠性曲线Reliability Curve）

可靠性曲线（ReliabilityCurve），又叫做概率校准曲线或可靠性图。这是一条以预测概率为横坐标，真实标签为纵坐标的曲线。我们希望预测概率与真实值越接近越好，最好两者相等。因此一个模型/算法的概率校准曲线越靠近对角线越好。校准曲线是我们模型评估指标之一。和布里尔分数相似，概率校准曲线是对于标签的某一类来说的。因此一类标签就会有一条曲线，或者我们可以使用一个多类标签下的平均来表示一整个模型的

Vicky_xiduoduo·2024-02-08 06:34

sklearn kmeans 聚类中心_Kmeans聚类算法

接下来，笔者就开始向大家介绍一种无监督的(unsupervised)经典机器学习算法——聚类。

weixin_39997695·2024-02-08 03:47

【深度学习：计算机视觉】如何改进计算机视觉数据集

【深度学习：计算机视觉】如何改进计算机视觉数据集训练模型并评估性能确定数据集需要改进的原因和位置收集或创建新的图像或视频数据重新训练机器学习模型并重新评估，直到达到所需的性能标准机器学习算法需要大量数据集来训练

jcfszxc·2024-02-08 02:49

Python 机器学习特征预处理

这一步骤对于许多机器学习算法特别重要，尤其是那些基于距离的算法（如K-近邻）和梯度下降法（如线性回归、逻辑回归、神经网络）。1）最小-最大缩放(Min-MaxScaling)最小-最大缩放将所有特

weixin_42098295·2024-02-08 01:41

自然语言处理中的embeddings

将信息编码成低维向量表示，在现代机器学习算法中很容易集成，这在NLP的发展中起到了核心作用。

一个好梦·2024-02-07 19:21

回归预测 | 基于LightGBM算法的数据回归预测（多指标，多图）附MATLAB实现

Matlab科研辅导帮·2024-02-07 15:02

机器学习-梯度下降法

不是一个机器学习算法是一种基于搜索的最优化方法作用：最小化一个损失函数梯度上升法：最大化一个效用函数并不是所有函数都有唯一的极值点解决方法：多次运行，随机化初始点梯度下降法的初始点也是一个超参数代码演示

小旺不正经·2024-02-07 11:56

无人驾驶入门--预测

image数据驱动的预测数据驱动预测使用机器学习算法，通过观察结果

DonkeyJason·2024-02-07 10:57

政安晨：机器学习快速入门（四）{pandas与scikit-learn} {随机森林}

咱们将在这篇文章中使用更复杂的机器学习算法。随机森林基本定义随机森林(RandomForest)是一种机器学习算法，属于集成学习(ensemblelearning)的一种。

政安晨·2024-02-07 09:42

随机森林算法

Bagging框架Bagging框架，即BootstrapAggregating，是一个用于提高机器学习算法稳定性和准确性的方法。

小森( ﹡ˆoˆ﹡ )·2024-02-07 04:27

机器学习算法之逻辑回归算法（Logistic Regression）

逻辑回归算法是一种用于分类问题的经典机器学习算法。虽然它的名字中带有“回归”，但实际上逻辑回归用于解决分类问题，特别是二分类问题。

迎风斯黄·2024-02-07 04:37

Sklearn之StandardScaler（数据预处理）

1.哪些机器学习算法不需要(需要)做归一化?概率模型（树形模型）不需要归一化，因为它们不关心变量的值，而是关心变量的分布和变量之间的条件概率，如决策树、RF、XGboost。

爱睡觉的琪·2024-02-06 22:05

机器学习简要概述

一、基本概念及应用传统机器学习算法首先需要对数据进行特征提取，采用分类器（如决策树、人工神经网络、贝叶斯、集成学习、支持向量机等）进行分类。机器学习：特征提取+分类器分类特征提取难，制约发展。

@Duang~·2024-02-06 19:03

机器学习算法之决策树

原理：基于数据特征进行特征空间的划分，构造树形结构，其中包含两种结点类型，内部结点和叶子结点，内部结点是数据的特征，叶子结点为数据所属的类别。树形结构的实质是if-then规则的集合，不过这个规则集合是互斥且完备的。步骤：特征选择、决策树生成、决策树剪枝（1）特征选择：每次选择的特征要具备一定的分类能力，否则没有意义。通常选择的方式有信息增益或信息增益比。a.信息增益:在知道特征X的情况下，使得类

浅白Coder·2024-02-06 17:24

机器学习算法之EM算法

一、EM算法EM算法最初是为了解决缺失数据情况下参数估计问题；根据已经给出的观察数据，估计出模型参数的值，然后根据得到的模型参数去估计缺失的数据，再由模型的观察数据和估计的确实数据去预测模型参数值，反复迭代，直至最后收敛。1.1预备知识：1.1.1.极大似然估计：根据已观察到的数据去最大化该数据出现概率，得到的参数即为所求。（已观察到的数据理应出现的概率比较大，比较合理）1.1.2.Jensen不

浅白Coder·2024-02-06 17:54

计算huggingface模型占用硬盘空间的实战代码

985院校硕士毕业，现担任算法研究员一职，热衷于机器学习算法研究与应用。曾获得阿里云天池比赛第一名，CCF比赛第二名，科大讯飞比赛第三名。拥有多项发明专利。对机器学习和深度学习拥有自己独到的见解。

herosunly·2024-02-06 15:00

基于Django机器学习算法房源可视化分析推荐系统的设计与实现（完整系统源码+数据库+详细文档+论文+部署教程）

文章目录大数据机器学习——基于Django机器学习算法房源可视化分析推荐系统的设计与实现（完整系统源码+数据库+详细文档+论文+部署教程）完整系统源码+数据库+详细文档+论文+部署教程等资料获取一、选题背景二

谁不学习揍谁！·2024-02-06 12:32

基于Python机器学习算法农业数据可视化分析预测系统（完整系统源码+数据库+详细文档+论文+部署教程）

文章目录基于Python机器学习算法农业数据可视化分析预测系统完整源码获取方式在文章末尾一、项目简介二、开发环境三、项目技术四、功能结构五、功能实现模型构建封装类用于网格调参训练模型系统可视化数据请求接口模型评分

谁不学习揍谁！·2024-02-06 12:31

人工智能：数据分析之数据预处理、分析建模、可视化

分析建模是利用统计和机器学习算法对数据进行建模和预测的过程。人工智能可以

独木人生·2024-02-06 12:24

空气质量预测 | Matlab实现基于SVR支持向量机回归的空气质量预测模型

SVM是一种广泛应用于分类和回归问题的机器学习算法，它可以通过在

天天酷科研·2024-02-06 09:55

机器学习系列——（十二）线性回归

本文将详细介绍线性回归的原理、应用和实现方法，帮助读者快速了解和上手这一强大的机器学习算法。一、线性回归简介线性回归是一种监督学习算法，适用于处理连续数值预测问题。

飞影铠甲·2024-02-06 07:17

从 0 开始机器学习 - 手把手用 Python 实现梯度下降法！

机器学习课程也上了一段时间了，今天就带大家从0开始手把手用Python实现第一个机器学习算法：单变量梯度下降（GradientDescent）！我们从一个小例子开始一步步学习这个经典的算法。

登龙zZ·2024-02-06 02:04

GBDT，XGBOOST

1.简介gbdt全称梯度下降树，在传统机器学习算法里面是对真实分布拟合的最好的几种算法之一，在前几年深度学习还没有大行其道之前，gbdt在各种竞赛是大放异彩。原因大概有几个，一是效果确实挺不错。

Liam_ml·2024-02-05 23:02

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（九）

准备数据以更好地暴露底层数据模式给机器学习算法。探索许多不同的模型并列出最佳模型。微调您的模型并将它们组合成

绝不原创的飞龙·2024-02-05 18:03

Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（三）

原文：Hands-OnMachineLearningwithScikit-Learn,Keras,andTensorFlow译者：飞龙协议：CCBY-NC-SA4.0第六章：决策树决策树是多功能的机器学习算法

绝不原创的飞龙·2024-02-05 10:10

（课程笔记）深度学习入门 - 1 - OverView

一、机器学习算法的过程与结果1、首先要得到标签化数据集（DataSet），既然是标签化，那应该是监督学习模式，而且此处的数据集应该分化为训练用集（TrainSet）和测试用集（TestSet），训练用集用于训练最终的算法模型

牛顿第八定律·2024-02-05 05:55

深度学习零基础入门书单

深度学习零基础入门书单简介为了做项目我搜集和购买了一些电子版的书，下面是书单参考首先明确一下学习主要内容，主要是以下三个部分编程语言，主要是python和c++数学基础包括微积分、线性代数和概率论内容，要求不高，能看懂书就行，用到现学机器学习算法

MachinePlay·2024-02-04 19:23

ANN(MLP) 三种预测

MlpforMulticlassClassification数据：模型：预测：三、MLPforRegression数据：模型：预测：介绍：多层感知器（MultilayerPerceptron，MLP）是一种基于人工神经网络的机器学习算法

取名真难.·2024-02-04 17:17

XGB-1：XGBoost安装及快速上手

XGBoost是“ExtremeGradientBoosting”的缩写，是一种高效的机器学习算法，用于分类、回归和排序问题。

uncle_ll·2024-02-04 16:57

机器学习-基础分类算法-KNN详解

KNN-k近邻算法k-NearestNeighbors思想极度简单应用数学只是少效果好可以解释机器学习算法使用过程中的很多细节问题更完整的刻画机器学习应用的流程创建简单测试用例importnumpyasnpimportmatplotlib.pyplotaspltraw_data_X

小旺不正经·2024-02-04 11:10

机器学习算法之支持向量机（SVM）

支持向量机（SupportVectorMachine，简称SVM）是一种广泛用于分类、回归和其他学习任务的强大的监督学习算法。SVM的目标是找到一个超平面，以最大化地分隔不同类别的数据点。在二维空间中，这个超平面可以被看作是一条直线，但在更高维度的空间中，它可能是一个平面或者更复杂的决策边界。SVM特别擅长处理高维数据和非线性问题，通过使用核技巧（kerneltrick），它能够在高维空间中有效地

迎风斯黄·2024-02-04 09:07

利用回归模型预测数值型数据

回归机器学习算法按照目标变量的类型，分为标称型数据和连续型数据。标称型数据类似于标签型的数据，而对于它的预测方法称为分类，连续型数据类似于预测的结果为一定范围内的连续值，对于它的预测方法称为回归。

AIOPstack·2024-02-04 09:40

机器学习算法之决策树（DT）

决策树（DecisionTree）算法是一种直观且广泛应用的机器学习方法，用于解决分类和回归问题。通过模拟决策过程构造树形结构，决策树既简单又强大，适合入门者深入了解。本文将全面介绍决策树算法的原理、特点、优缺点，并通过一个Python示例展示如何使用决策树进行数据分类。决策树算法原理决策树通过递归地选择最优特征并对数据集进行分割，形成树形结构，直至达到停止条件。每个内部节点代表一个特征上的测试，

迎风斯黄·2024-02-04 08:58

【MATLAB第96期】基于MATLAB的SVM(线性)、SVM(高斯)、决策树、KNN等机器学习算法回归及分类Boost集成学习模型（含不同模型权重）

【MATLAB第96期】基于MATLAB的SVM(线性)、SVM(高斯)、决策树、KNN等机器学习算法回归及分类Boost集成学习模型（含不同模型权重）引言文章使用Boost集成学习方法，对多个机器学习模型进行融合

随风飘摇的土木狗·2024-02-04 08:26

机器学习算法之分类和回归树（CART）

分类和回归树（ClassificationandRegressionTrees，CART）是一种强大的机器学习算法，用于解决分类和回归问题。

迎风斯黄·2024-02-04 05:14

机器学习算法之学习向量量化（LVQ）

学习向量量化（LearningVectorQuantization，LVQ）是一种监督学习算法，用于解决分类问题。它是向量量化（VectorQuantization，VQ）的一种扩展，通过在输入数据中学习和调整一组原型向量来进行分类。本篇博文将详细介绍LVQ算法的工作原理、应用领域以及Python示例。算法背景学习向量量化（LVQ）是一种基于原型的分类算法，最早由Kohonen等人于1984年提出

迎风斯黄·2024-02-03 20:22

SPSS 27 下载安装教程，保姆级教程，小白也能轻松搞的，附安装包

前言IBMSPSSStatistics简称为SPSS，是全球领先的统计分析、数据挖掘、预测建模产品及解决方案，提供高级统计分析、丰富的机器学习算法、文本分析、开源可扩展性、与大数据的集成以及无缝部署到应用程序中等功能

石用软件·2024-02-03 20:20

人工智能深度学习发展历程-纪年录

前言为了理解模型之间的改进关系、明确深度学习的发展目标、提高自身对模型的深度理解、贯彻爱与和平的理念。总之，我做了如下表格。时间重大突破模型改进详细信息1847SGD随机梯度下降1995SVM支持向量机1982RNN循环神经网络，序列模型1986反向传播1997LSTM长短期时间记忆1998Lenet-5首次应用于手写识别2001随机森林2010ReLUrelu激活函数，解决梯度消失2012Dro

犟小孩·2024-02-03 19:37

机器学习算法加强——数据清洗

3.数据清洗Pandas—FuzzywuzzyFuzzuwuzzy—Levenshteindistance（模糊查询与替换）考虑降维后的样本方差PCA——寻找样本的主方向u：将m和样本值投射到某直线L上，得到m个位于L上的点，计算m个投影的方差。认为方差最大的直线方向是主方向数据——>数据清洗——>特征选择——>特征分析——>模型计算（管道）importoperatorimportnumpyasn

Grateful_Dead424·2024-02-03 17:11

2022-06-27

开发机器学习算法，可自动从开放在线讨论论坛上的消息中提取和汇总副作用。研究表明，患者论坛数据可以为哪些ADE对生活质量影响最大提供建议：对于许多副作用，相对报告率与注

朗月斋主·2024-02-03 12:51

主成分分析PCA、KPCA，贡献度计算，特征降维，散点图，从入门到精通，Matlab程序，一键运行！

这种降维的操作可以帮助我们更好地理解和处理数据，并且可以降低计算的复杂度，提高机器学习算法的效率和准确率。降维方法：PCA和KPCA都是降维技术，用于从高维数据中提取主要特征或进行非线性降维。

预测及优化·2024-02-03 09:42

机器学习-线性回归【手撕】

回归算法源于统计学理论，它可能是机器学习算法中产生最早的算法之一，其在现实中的应用非常广泛，包括使用其他经济指标预测股票市场指数，根据喷射

alstonlou·2024-02-03 07:23

基于机器学习的无损缺陷检测技术研究进展

近年来，随着机器学习技术的不断发展，越来越多的研究人员开始探索如何利用机器学习算法来进行无损缺陷检测。机器学习算法在无损缺陷检测中具有很多优势。

matlabgoodboy·2024-02-03 07:51

【大厂AI课学习笔记】1.4 算法的进步（1）

2006年以来，以深度学习为代表的机器学习算法的发展，启发了人工智能的发展。MORE：自2006年以来，深度学习成为了机器学习领域的一个重要分支，引领了人工智能的飞速发展。

giszz·2024-02-03 03:34

K-means 算法的原理简介

1.K-means是一种流行的用于聚类的无监督机器学习算法。它是用于客户细分、库存分类、市场细分甚至异常检测的核心算法。2.无监督：K-means是一种无监督算法，用于没有标签或预定义结果的数据。

GIS工具-gistools2021·2024-02-02 22:26

【SparkML实践4】Pipeline实战scala版

Pipeline中的主要概念MLlib标准化了机器学习算法的API，使得将多个算法组合成单一的管道或工作流程变得更加容易。

周润发的弟弟·2024-02-02 13:36

推荐频道

机器学习算法人工智能深度学习