机器学习系列

机器学习系列-Locally weighted linear regression(2)

机器学习这是记录自学的过程，目前的理论基础就是：大学高等数学+线性代数+概率论。编程基础：C/C++,python在观看机器学习实战这本书，慢慢介入。相信有读过以上三门课的人完全可以开始自学机器学习了，当然我上面这三门课学的一般，所以你只知道有这么一个公式或名词，不懂可以百度之深究之。在写这篇文章的时候作者机器学习还没学完，故文章中的错误还请不吝指出。再次声明，系列文章只是分享学习过程，学习点滴，
哇小明·2023-01-04 18:04

吴恩达机器学习（七）—— 神经网络：Representation

吴恩达机器学习系列内容的学习目录→\rightarrow→吴恩达机器学习系列内容汇总。
大彤小忆·2023-01-02 07:31

Python手撸机器学习系列（十六）：循环神经网络RNN的实现

目录循环神经网络RNN1.公式推导2.代码实现循环神经网络RNN1.公式推导对于该循环神经网络，以中间的RNN单元为例，推导前向传播：对于Layer-1：zh=wix+whah−1z^h=w^ix+w^ha^{h-1}zh=wix+whah−1ah=σ(zh)a^h=\sigma(z^h)ah=σ(zh)这里σ\sigmaσ是sigmoid(⋅)sigmoid(·)sigmoid(⋅)激活函数对于
锌a·2023-01-01 19:34

机器学习系列（1）SVM的公式推导

机器学习与深度学习在深度学习“家喻户晓”之前，这种技术一直以“神经网络”的名义活跃于学者们的研究和工作者们的项目中。深度学习或者神经网络都属于机器学习的一个子类，理所当然地深度学习会具备机器学习中的一些共有特性，尽管近几年深度学习发展出了很多“专属”问题。近期更新的这个系列我们会以机器学习中常见算法的一些特殊性出发，探究一下它们会对我们的日后深度学习的学习带来哪些启发。一SVM的推导过程与其本身同
是魏小白吗·2022-12-31 20:45

机器学习系列 | 梯度下降算法详解

1.梯度下降法的作用梯度下降法用来求函数的极小值，且是一种迭代算法，由于计算机效率高，在机器学习中经常使用。梯度下降法常求凸函数（如机器学习中各种代价函数）的极小值，因为凸函数只有一个极小值，使用梯度下降法求得的极小值就是最小值。与其对应的有梯度上升法，用来求函数的极大值，两种方法原理一样，只是计算的过程中正负号不同而已。凸函数的数学定义：某个向量空间的凸子集（区间）上的实值函数，如果在其定义域上
多选参数-程序锅·2022-12-31 10:08

机器学习算法笔记(1)——逻辑斯蒂回归Logistic处理二分类任务

逻辑斯蒂回归LogisticRegressor处理二分类任务一.逻辑斯蒂回归1.模型2.代价函数（损失函数）3.优化算法二.代码实现1.二维二分类2.多维二分类本系列为观看吴恩达老师的[中英字幕]吴恩达机器学习系列课程做的课堂笔记
念旧NiceJeo·2022-12-30 16:54

机器学习系列 【二】感知机算法

@TOC参考博客：https://blog.csdn.net/qq_16137569/article/details/81780195内容说明本篇文章主要介绍感知机算法的基本原理、优化求解方法以及python代码实现。写作目的在于帮助读者理解感知机算法的原理，也使得自己可以牢记感知机算法的相关内容。一、感知机算法的基本原理感知机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，分别
ML啦啦啦·2022-12-29 21:44

【机器学习（九）】大数据集及其梯度下降算法

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P102-P105。大数据集假定你的训练集的大小m为100000000。如果你想训练一个线性回归模型或是一个逻辑回归模型。
趴抖·2022-12-29 21:31

【机器学习（八）】神经网络进阶

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P50-P56。
趴抖·2022-12-29 21:59

【机器学习（四）】分类问题与logistic回归模型

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P32-P36、P38。情景引入在前面几篇文章中，我们提到了判断邮件是否为垃圾邮件的例子，以及良性与恶性肿瘤的例子。
趴抖·2022-12-28 12:07

【机器学习（六）】过拟合问题及正则化

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P39-P42。过拟合问题下面是一个用线性回归来预测房价的例子：第一种拟合没有很好地拟合训练集，称其为欠拟合。
趴抖·2022-12-28 12:07

【机器学习（五）】高级优化

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P37。回顾梯度下降算法我们有一个代价函数J，而我们想要使它最小化。
趴抖·2022-12-28 12:35

【机器学习（七）】神经网络入门及多元分类

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。本文对应P43-P49。神经网络的起源人们想尝试设计出模仿大脑的算法。它的理念就是，如果我们想要建立学习系统，我们可以选择去模仿大脑。
趴抖·2022-12-28 12:35

机器学习系列-随机过程

马尔科夫链隐马尔科夫链维特比算法用隐马尔科夫模型判断词性作者：Datartisan数据工匠链接：https://www.jianshu.com/p/b0f92558b15f
ctrigger·2022-12-27 12:21

人工智能之机器学习算法体系汇总

www.toutiao.com/i6638371599303049731/2018-12-2409:52:12此处梳理出面向人工智能的机器学习方法体系，主要体现机器学习方法和逻辑关系，理清机器学习脉络，后续文章会针对机器学习系列讲解算法原理和实战
喜欢打酱油的老鸟·2022-12-27 09:28

Spark2.0机器学习系列之10： 聚类(高斯混合模型 GMM）

在Spark2.0版本中（不是基于RDDAPI的MLlib），共有四种聚类方法：（1）K-means（2）LatentDirichletallocation(LDA)（3）Bisectingk-means（二分k均值算法）（4）GaussianMixtureModel(GMM)。基于RDDAPI的MLLib中，共有六种聚类方法：（1）K-means（2）Gaussianmixture（3）Powe
千寻千梦·2022-12-26 14:46

Spark2.0机器学习系列之8： 聚类(k-means,Bisecting k-means,Streaming k-means）

在Spark2.0版本中（不是基于RDDAPI的MLlib），共有四种聚类方法：（1）K-means（2）LatentDirichletallocation(LDA)（3）Bisectingk-means（二分k均值算法）（4）GaussianMixtureModel(GMM)。基于RDDAPI的MLLib中，共有六种聚类方法：（1）K-means（2）Gaussianmixture（3）Powe
千寻千梦·2022-12-26 14:45

Spark2.0机器学习系列之11： 聚类(幂迭代聚类， power iteration clustering， PIC)

在Spark2.0版本中（不是基于RDDAPI的MLlib），共有四种聚类方法：（1）K-means（2）LatentDirichletallocation(LDA)（3）Bisectingk-means（二分k均值算法）（4）GaussianMixtureModel(GMM)。基于RDDAPI的MLLib中，共有六种聚类方法：（1）K-means（2）Gaussianmixture（3）Powe
张博208·2022-12-26 14:15

【机器学习（一）】什么是机器学习、监督学习及无监督学习

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。
趴抖·2022-12-22 11:19

【机器学习（二）】模型描述与代价函数

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。模型描述引例仍然是上期运用的房价例子：假设现出售的房子大小为1250平方英尺，想要推测它的房价。
趴抖·2022-12-22 11:17

【机器学习（三）】线性回归的梯度下降法

声明：本文是以吴恩达机器学习系列课程为学习对象而作的学习笔记。梯度下降法梯度下降法可以最小化任意函数J问题描述我们有一个函数J(θ_0,θ_1),现在需要用一个算法来最小化该函数J。
趴抖·2022-12-22 11:17

Python手撸机器学习系列（九）：硬间隔SVM（对偶形式SMO算法求解）

目录1、对偶形式求解原理2、SMO算法求λ\lambdaλ2.1原始解2.2对原始解进行修剪2.2更新bbb3、代码实现4、参考文献及联系方式原始形式梯度下降法求解请参考我的上一篇博客：硬间隔SVM原始形式梯度下降法求解1、对偶形式求解原理引入拉格朗日乘子法L(w,b,λ)=12∣∣w∣∣2+∑i=1Nλi(1−yi(wTxi+b))L(w,b,\lambda)=\frac{1}{2}||w||^
锌a·2022-12-21 07:48

对抗机器学习系列——深度神经网络的盲点

1、引言  近些年，深度学习在计算机视觉领域取得了很好的表现，引领了第三次人工智能的浪潮。目前大部分表现优异的应用都用到了深度学习，大红大紫的AlphaGo就使用到了深度学习。  但是本期讲的是对抗机器学习，为什么提深度学习，深度学习和机器学习是什么关系呢？或者说深度学习、神经网络、机器学习、人工智能之间的关系又是怎样的。  简单来说：深度学习是机器学习的一个分支(最重要的分支)机器学习是人工智能
红帽小生·2022-12-19 18:59

“优化算法”面试知识点总结-损失函数总结+梯度下降法+正则化-百面机器学习系列6

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：有监督学习的损失函数问题2：机器学习中的优化问题问题3：
八股文的搬运工·2022-12-19 17:10

机器学习系列——关于torch.nn.DataParallel的测试

0前言前几天把服务器上训练好的模型转移到Jeston开发板上跑测试,加载模型时报错：nomodulenamed"model"后来经过一番折腾，终于搞明白原因。是因为在服务器上跑训练时使用了torch.nn.DataParallel进行加速，所以保存后的模型在Jeston开发板上进行torch.load()时报错。今天有时间了解了一下torch.nn.DataParallel这个模型，并进行简单测试
高自强的博客·2022-12-19 09:55

【机器学习系列】隐马尔科夫模型第二讲：前向算法、后向算法

作者：CHEONG公众号：AI机器学习与知识图谱研究方向：自然语言处理与知识图谱阅读本文之前，首先注意以下两点：1、机器学习系列文章常含有大量公式推导证明，为了更好理解，文章在最开始会给出本文的重要结论
CHEONG_KG·2022-12-18 16:45

【大道至简】机器学习算法之隐马尔科夫模型(Hidden Markov Model, HMM)详解（2）---计算问题：前向算法和后向算法

☕️本文续于上篇文章：【大道至简】机器学习算法之隐马尔科夫模型HMM详解（1）---开篇：基本概念和几个要素_尚拙谨言的博客-CSDN博客☕️本文来自专栏：大道至简之机器学习系列专栏❤️各位小伙伴们关注我的大道至简之机器学习系列专栏
尚拙谨言·2022-12-18 16:12

R语言机器学习系列-支持向量机二分类代码

与回归类似，首先是构建公式，然后用e1071包的svm函数训练支持向量机模型。traindata中的因变量需要提前处理成factor类型，这样svm会自动构建分类模型。为了预测分类概率，需要在svm中将probability参数值设置为TRUE。#因变量自变量构建公式colnames(Heart)form_cls<- as.formula(  paste0("AHD~",paste(colname
Mrrunsen·2022-12-17 23:53

随机森林文本分类

随机森林原理及代码实现机器学习系列第一章随机森林原理及代码实现文章目录随机森林原理及代码实现机器学习系列前言一、集成算法是什么？
Yvonne酸奶·2022-12-17 08:40

机器学习系列(4)_机器学习算法一览，应用建议与解决思路

作者：寒小阳&&龙心尘时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50469334http://blog.csdn.net/longxinchen_ml/article/details/50471268声明：版权所有，转载请联系作者并注明出处1.引言提起笔来写这篇博客，突然有点愧疚和尴尬。愧疚的是，工作杂事多，加之
龙心尘·2022-12-17 07:21

机器学习系列 1：监督学习和无监督学习

https://www.toutiao.com/a6690813539747103246/2019-05-1509:31:00机器学习系列1：监督学习和无监督学习机器学习就是通过一大堆数据集训练一个电脑程序让他能够去更加准确地预测出下一次的结果
喜欢打酱油的老鸟·2022-12-14 03:24

机器学习系列(一)， 监督学习和无监督学习

常见的机器学习任务，可以分为监督学习和无监督学习两类1，监督学习监督学习的样本集是既有特征也有结果的数据，即已知输入与输出值。监督学习的任务时根据这些已知特征和结果的数据，训练模型，使得模型能够根据输入的特征值，预测结果。例如，已经有个数据即，包含了某地房子价格的相关数据，每条数据包含房子的面积、楼层、房龄和售价。在这里面积、楼层、房龄是特征值，售价结果值，根据这一组数据训练的一个模型。当向模型中
azhexg·2022-12-14 03:44

机器学习（一）监督学习和无监督学习

二、课程学习内容三、监督学习四、无监督学习总结Log2021.12.31寒假开始，开个新坑，记录一些机器学习的笔记，还是老样子放上本次资源，学习视频传送门：[中英字幕]吴恩达机器学习系列课程2022.01.01
竹清兰香·2022-12-14 03:43

我的深度学习过程，你可以借鉴我的方法，该方法对初学者友好

Beginner-friendlyDeepLearningProcess1.观看李飞飞和吴恩达的机器学习系列课程斯坦福李飞飞CS231n计算机视觉课程吴恩达机器学习系列课程2.Pytorch入门课程Pytorch
Anefuer_kpl·2022-12-13 08:20

吴恩达机器学习系列课程笔记——第十八章：应用实例：图片文字识别(Application Example: Photo OCR)

18.1问题描述和流程图https://www.bilibili.com/video/BV164411b7dx?p=108图像文字识别应用所作的事是，从一张给定的图片中识别文字。这比从一份扫描文档中识别文字要复杂的多。为了完成这样的工作，需要采取如下步骤：文字侦测（Textdetection）——将图片上的文字与其他环境对象分离开来字符切分（Charactersegmentation）——将文字分
Lishier99·2022-12-10 13:38

机器学习系列（六） -- K-means算法 （食物数据集）

K-means是一种最流行的聚类算法属于无监督学习可以在数据集分为相似的组（簇），使得组内数据的相似度较高，组间之间的相似度较低步骤：#1从样本中选择k个点作为初始簇中心#2计算每个样本到各个簇中心的距离，将样本换分到距离最近的簇中心所对应的簇中#3根据每个簇中所有样本，重新计算簇中心，并更新#4重复步骤23直到簇中心的位置变化小于指定的阈值或者达到最大迭代次数为数据读取importnumpyas
gm0012·2022-12-10 12:52

“降维算法”面试知识点总结-PCA+LDA算法-百面机器学习系列4

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：PCA最大方差理论问题2：PCA最小平方误差理论问题3：
八股文的搬运工·2022-12-10 07:18

“机器学习中的经典算法”面试知识点总结-SVM+逻辑回归+决策树-百面机器学习系列3

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：支持向量机问题2：逻辑回归问题3：决策树问题4：Logi
八股文的搬运工·2022-12-10 07:17

“非监督学习”面试知识点总结-K均值+高斯混合模型+自组织映射神经网络+聚类算法评估-百面机器学习系列5

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：K均值聚类问题2：高斯混合模型问题3：自组织映射神经网络
八股文的搬运工·2022-12-10 07:34

[Machinie Learning] 机器学习课程笔记合订本（更新中）

MachineLearning吴恩达机器学习课程笔记吴恩达机器学习系列吴恩达ML课程笔记——Week1未完待续，持续更新ing…
Carsick Car·2022-12-10 01:57

机器学习系列——回归算法（线性回归、岭回归）

一、回归的定义回归是针对连续变量而言的，比如房屋价格、天气温度等，这些问题有很多影响因素，比如影响房屋价格的因素有位置、是否学区等，通过对这些因素进行回归分析可以得到一个系数，从而预测接下来的房价走势。二、线性模型我们进行线性回归分析，其本质是要求出w这个矩阵，即变量的系数。再利用现实中的数据代入方程式中即可得到预测结果。但在预测的过程中肯定不会能完全准确，所以势必会有一些信息的损失。在一元变量中
棚鱼宴·2022-12-09 13:14

吴恩达机器学习课程笔记

——《黑客与画家》学习资料课程b站[中英字幕]吴恩达机器学习系列课程Coursera机器学习Coursera深度学习主成分数据选择那里有一节课没有字幕，建议移步Coursera黄海广笔记Coursera
大圣齐天Henry-Speed always wins·2022-12-08 19:34

【大道至简】机器学习算法之隐马尔科夫模型HMM详解（1）---开篇：基本概念和几个要素

☕️本文来自专栏：大道至简之机器学习系列专栏❤️各位小伙伴们关注我的大道至简之机器学习系列专栏，一起学习各大机器学习算法❤️还有更多精彩文章（NLP、热词挖掘、经验分享、技术实战等），持续更新中……欢迎关注我
尚拙谨言·2022-12-08 16:45

吴恩达机器学习系列课程笔记——第一章：什么是机器学习(Machine Learning)

1.1欢迎https://www.bilibili.com/video/BV164411b7dx?p=1第一节主要讲了什么是机器学习，机器学习能做些什么事情。机器学习是目前信息技术中最激动人心的方向之一。在这门课中，你将学习到这门技术的前沿，并可以自己实现学习机器学习的算法。你或许每天都在不知不觉中使用了机器学习的算法。每次，你打开谷歌、必应，搜索到你需要的内容，正是因为他们有良好的学习算法。谷歌
Lishier99·2022-12-07 07:48

机器学习系列 11：支持向量机 03 - 非线性支持向量机

针对“支持向量机”将分为以下几个部分进行介绍：支持向量机01-线性可分支持向量机和线性支持向量机支持向量机02-SMO（序列最小化）支持向量机03-非线性支持向量机（本篇）支持向量机04-SVR（支持向量回归）  本内容将介绍非线性支持向量机。一、非线性分类问题  在支持向量机01-线性可分支持向量机和线性支持向量机中讲解的都是线性分类问题。但是，在现实问题中存在着非线性分类问题，即在原始样本空间
空杯的境界·2022-12-06 20:15

[中英字幕]吴恩达机器学习系列课程 笔记

[中英字幕]吴恩达机器学习系列课程笔记教程与代码地址P11-1.欢迎参加《机器学习》课程P21-2.什么是机器学习？
电信保温杯·2022-12-06 12:25

MATLAB机器学习系列-7支持向量机原理及其代码实现

支持向量机原理分类如图，在分类中，我们需要找到一个超平面（图中包括间隔的平面）把圆圈和方框分开原问题间隔最小，同时保证真实输出和模型输出积大于1对偶问题原先的最小化问题变成了最大化问题，原先的不等式约束变成了等式约束。引入间隔c之后核函数如果在低维空间找不到超平面，这时需要将数据转换到高维空间。就需要用到核函数。回归原问题与对偶问题多分类问题LIBSVM工具箱介绍libsvm需要C++编译器，输入
总裁余(余登武)·2022-12-05 15:53

R语言机器学习系列-支持向量机回归代码

以下是构建公式、构建svm回归模型、输出模型概况的代码。主要是采用as.formula将因变量、自变量拼接到一起构建为公式，然后采用e1071包的svm函数训练支持向量机模型，其中核函数采用高斯核。#因变量自变量构建公式colnames(boston)form_reg<- as.formula(  paste0("medv~",paste(colnames(traindata)[1:13],col
Mrrunsen·2022-12-05 09:59

Python手撸机器学习系列（三）：线性判别分析（Fisher究极详解，看不懂你锤死我）

目录1.原理概述2.原理详解2.1输入2.2投影2.3求解www3.代码实现4.联系方式1.原理概述我们的目的是将高维的数据投影到一维直线上并在投影的值中取一个阈值进行分类，如下图所示：（绘画水平有限，将就着看）在上图，很明显左边的投影更适合分类，因为两种类别（o和x）在投影直线上能轻松地找到一个阈值将其区分开来，而右边的投影方向则不适合当前分类。所以我们需要求解一个适合的投影方向www在理解fi
锌a·2022-12-04 17:40

“特征工程”相关面试知识点总结-百面机器学习系列1

提示：在准备机器学习算法工程师面试的过程中，我主要参考《百面机器学习》去巩固自己的基础知识。本系列博客将以该书为主题，并以八股文的方式去概述整本书的内容，以尽量减少读者们的阅读作量，并方便读者可以随时随地的记忆背诵。建议：我还是认为读者们可以提前买一本《百面机器学习》，从前到后完全看一遍，然后再看我的博客去记忆背诵会更好些哈。文章目录问题1：为什么需要对数值类型的特征做归一化？问题2：怎样处理类别
八股文的搬运工·2022-12-04 14:59
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他