机器学习系列

AI数据容器底层核心之Python列表

Python，具备项目开发能-面向人群：零基础编程爱好者-专栏计划：接下来会逐步发布跨入人工智能的系列博文，敬请期待-Python零基础快速入门系列-Python数据科学快速入门系列-人工智能开发环境搭建系列-机器学习系列
i机器未来·2022-05-27 07:31

一文快速掌握Python基础语法

面向人群：零基础编程爱好者专栏计划：接下来会逐步发布跨入人工智能的系列博文，敬请期待Python零基础快速入门系列快速入门Python数据科学系列人工智能开发环境搭建系列机器学习系列物
i机器未来·2022-05-27 07:31

为什么内存中最多只有一个“Love“？一文读懂Python内存存储机制

面向人群：零基础编程爱好者专栏计划：接下来会逐步发布跨入人工智能的系列博文，敬请期待Python零基础快速入门系列快速入门Python数据科学系列人工智能开发环境搭建系列机器学习系列物
i机器未来·2022-05-27 07:22

人工智能序章：开发环境搭建Anaconda+VsCode+JupyterNotebook(零基础启动)

CSDN订阅专栏：Python快速入门系列面向人群：零基础编程爱好者专栏计划：接下来会逐步发布跨入人工智能的系列博文，尽情期待Python快速入门系列快速入门Python数据科学系列人工智能开发环境搭建系列机器学习系列物体检测快速入门系列自动驾驶物体检测系列
i机器未来·2022-05-23 07:36

物体检测快速入门系列(4)-TensorFlow 2.x Object Detection API快速安装手册

物体检测快速入门系列面向人群：具备深度学习理论基础的学生或初级开发者专栏计划：接下来会逐步发布跨入人工智能的系列博文，尽情期待14天快速入门Python系列快速入门Python数据科学系列人工智能开发环境搭建系列机器学习系列物体检测快速入门系列自动驾驶物体检测系列
i机器未来·2022-05-20 07:55

物体检测快速入门系列(2)-Windows部署GPU深度学习开发环境

物体检测快速入门系列面向人群：具备深度学习理论基础的学生或初级开发者专栏计划：接下来会逐步发布跨入人工智能的系列博文，尽情期待14天快速入门Python系列快速入门Python数据科学系列人工智能开发环境搭建系列机器学习系列物体检测快速入门系列自动驾驶物体检测系列
i机器未来·2022-05-19 07:51

物体检测快速入门系列(3)-Windows部署Docker GPU深度学习开发环境

物体检测快速入门系列面向人群：具备深度学习理论基础的学生或初级开发者专栏计划：接下来会逐步发布跨入人工智能的系列博文，尽情期待14天快速入门Python系列快速入门Python数据科学系列人工智能开发环境搭建系列机器学习系列物体检测快速入门系列自动驾驶物体检测系列
i机器未来·2022-05-19 07:11

机器学习系列(13)_PCA对图像数据集的降维_02

文章目录一、PCA降维1、降维究竟是怎样实现的2、二维特征矩阵降维的一般过程3、PCA降维与特征选择的不同二、PCA与SVD1、重要参数n_components2、迷你案例：高维数据的可视化（鸢尾花）3、最大似然估计自选超参数4、按信息量占比选超参数5、分析计算过程（以啤酒消费为例子）6、SVM,SVR,SVC的区别7、特征值与奇异值分解8、案例：猩猩图片处理一、PCA降维1、降维究竟是怎样实现的
温欣'·2022-05-18 07:52

机器学习系列(14)_PCA对图像数据集的降维_03

文章目录一、噪音过滤1、案例：手写图像识别加噪与降噪2、案例：手写图像识别寻找最佳维度3、模拟PCA过程4、模拟SVD过程一、噪音过滤降维的目的之一是希望抛弃对模型带来负面影响的特征，同时，带有效信息的特征的方差应该是远大于噪音的，所以相比噪音，有效的特征所带来的信息不会在PCA当中大量抛弃。inverse_transform能够在不恢复原始数据的情况下，将降维后的数据返回到原本的高维空间。（即能
温欣'·2022-05-18 07:48

李宏毅机器学习系列-梯度下降法

李宏毅机器学习系列-梯度下降法梯度下降法回顾调节学习率AdaGrad随机梯度下降SGD(StochasticGradientDescent)特征缩放(FeatureScaling)梯度下降法的理论(GradientDescentTheory
王伟王胖胖·2022-05-17 07:55

机器学习系列8 基于Python构建Web应用以使用机器学习模型

课前测验本文所用数据及源码免费下载目录一、内容介绍二、应用构建1.构建机器学习Web应用的思考①思考问题②几种构建机器学习模型Web应用的方法。2.工具安装3.数据预处理①数据加载及查看②数据处理及特征选择4.机器学习模型构建①数据集划分②调用逻辑回归模型训练多分类模型5.“腌制”你的模型6.配置Flask应用①创建应用文件夹②构建网页样式style.css文件③构建Web界面内容index.ht
GISer Liu·2022-05-09 07:11

【机器学习系列】如何将多条ROC曲线画在一张图里，并解决文本遮挡问题

有的时候我们需要将ROC曲线输出在同一张图中，这样可以更加直观地对比模型；并且我们常常会遇到在图形中有文字相互遮挡的问题，我们可以用adjustText中的adjust_text来实现文本不相互遮挡并添加箭头的功能。定义多条roc曲线画图函数defmulti_models_roc(names,prob_results,colors,linestyles,y_test,save=True,dpin=
学金融的程序员懒羊羊·2022-05-06 07:52

机器学习系列：LightGBM 可视化调参

大家好，在100天搞定机器学习|Day63彻底掌握LightGBM一文中，我介绍了LightGBM的模型原理和一个极简实例。最近我发现Huggingface与Streamlit好像更配，所以就开发了一个简易的LightGBM可视化调参的小工具，旨在让大家可以更深入地理解LightGBM。网址：https://huggingface.co/spaces/beihai/LightGBM-paramet
机器学习算法与Python实战·2022-05-04 07:19

【机器学习系列】【调参GridsearchCV】随机森林、GBDT、LightGBM和XGBoost调参顺序，外加一些加速调参的小技巧（主要介绍坐标下降）

本文将记录一下几个可以将模型参数分开进行调参的树形模型的调参顺序。以及几个能够加快调参速度的小技巧。如果有帮到你，帮懒羊羊点个赞，关注一下我呗。目录1.GridSearchCV简介、好处和弊端1.1简介1.1.1简单示例1.1.2参数说明1.1.3属性1.2GridsearchCV的好处和弊端2.调参顺序2.1调参加速小技巧2.1随机森林、GBDT、LightGBM和XGBoost调参顺序1.Gr
学金融的程序员懒羊羊·2022-05-04 07:10

【机器学习系列】【模型评价】【ROC曲线、约登指数最佳阈值】一个函数中实现约登指数计算并集成到ROC图中，给出默认阈值及最佳阈值下的混淆矩阵

输入实际标签、预测的概率值、预测标签，计算最佳阈值，输出ROC曲线，输出默认阈值下的混淆矩阵和最佳阈值下的混淆矩阵目录使用约登指数计算最佳阈值result_evaluation()函数实现约登指数计算并集成到ROC图中，给出默认阈值及最佳阈值下的混淆矩阵结果展示使用约登指数计算最佳阈值#最佳阈值点（使用约登指数）defFind_Optimal_Cutoff(TPR,FPR,threshold):y
学金融的程序员懒羊羊·2022-05-04 07:10

机器学习系列7 基于Python的Scikit-learn库构建逻辑回归模型

课前测验本文所用数据免费下载在本文中，你将学习：0用于数据可视化的新库1逻辑回归原理及技术目录一、内容介绍二、理论知识1.分类与回归的区别2.逻辑回归与其他回归的区别3.逻辑回归的数学原理①逻辑回归基本原理②sigmod函数③分类阈值选择④其他逻辑回归分类4.精度评定①混淆矩阵②常用精度系数③ROC曲线与AUC系数三、项目实战1.提出问题2.数据查看及整理3.数据可视化①网格散点图⑥分簇散点图③小
GISer Liu·2022-05-03 07:14

机器学习系列6 使用Scikit-learn构建回归模型：简单线性回归、多项式回归与多元线性回归

本文所用数据均可免费下载ps:1万多字写了四天，累死我了；如有错别字请评论告诉我。创作不易，恳请四联课前测验目录一、内容介绍二、理论实践1.学习准备①数据准备②运行环境2.提出问题3.线性回归概念及数学原理①简单线性回归理论②多项式线性回归理论③多元线性回归理论4.相关系数概念5.寻找相关性6.分类特征变量的处理6.简单线性回归①调用Python库②数据格式转换③划分数据集④训练模型⑤模型评估⑥南
GISer Liu·2022-04-27 07:11

机器学习系列(6)_决策树

注：本篇文章参考：1、机器学习的种类介绍2、机器学习两种方法——监督学习和无监督学习文章目录一、种类介绍1、监督学习2、非监督学习3、半监督学习4、强化学习二、决策树三、红酒数据1、导入需要的算法和模块2、探索数据3、划分训练集和测试集4、建立模型5、探索决策树四、绘制决策树参数五、剪枝参数调优六、学习曲线判断选择参数七、目标权重参数八、重要的属性和接口九、决策树里面做回归十、泰坦尼克号幸存者案例
温欣'·2022-04-26 07:23

机器学习系列(8)_回归算法,支持向量机

注：本篇文章参考：b站：机器学习经典算法——回归算法文章目录一、机器学习简介二、回归算法三、支持向量机要解决的问题四、支持向量机求解目标五、核函数变换一、机器学习简介机器学习应用的领域非常广泛：数据挖掘：分析用户信息，提高用户对产品的依赖性。计算机视觉：无人驾驶汽车–实时进行检测任务机器学习的步骤：1、训练样本2、特征提取（数据科学家：知道一份数据如何是机器能更好的识别特征）3、学习函数4、预测N
温欣'·2022-04-26 07:53

机器学习系列 | Matplotlib的入门使用

1.pyplot模块matplotlib.pyplot官网链接1.1.matplotlib.pyplot.plotmatplotlib.pyplot.plot官方文档1.1.1.color的值charactercolor'b'blue'g'green'r'red'c'cyan'm'magenta'y'yellow'k'black'w'white1.1.2.Marker的值characterdesc
多选参数-程序锅·2022-04-24 07:17

机器学习系列5 利用Scikit-learn构建回归模型：准备和可视化数据（保姆级教程）

课前测验本文所用数据免费下载：数据科学机器学习系列5利用Scikit-learn构建回归模型：准备和可视化数据.ipynb-机器学习文档类资源-CSDN文库前文提要：在上一篇文章中我们在本地搭建了机器学习环境
GISer Liu·2022-04-20 07:20

数据科学 机器学习系列4 使用Python创建Scikit-Learn回归模型

本文中包含的案例jupyter笔记本可在我的资源中免费下载：机器学习系列4使用Python创建Scikit-learn线性回归模型.ipynb图1使用Python和Scikit-learn库实现回归模型课前测验目录一
GISer Liu·2022-04-19 07:42

数据科学 机器学习系列3 机器学习的流程

目录一、课程简介二、详细流程1.提什么问题？2.预构建任务①数据②特征和标签③选择特征变量④数据可视化3.构建模型①确定训练方法②训练模型③评估模型④参数调优4.预测三、结论图1朋克少女ps:总觉得白色的图片讲解理论显得单调，记忆效果不够好，换一个视觉冲击力强的试试一、课程简介构建、使用和维护机器学习模型及其所使用的数据的过程与其他开发工作流的过程截然不同。在本文中，我将揭开机器学习的面纱，讲述机
GISer Liu·2022-04-17 07:37

数据科学 机器学习系列2 机器学习的公平性

图1机器学习的公平性目录一、学习准备二、数据和算法的不公平1.公平性失衡造成的危害①分配②服务质量③成见④诋毁⑤代表性过高或不足三、如何改善不公平性？1.检测不公平2.了解并在公平的基础上构建模型①确定危害和益处②确定受影响的群体③定义公平性指标④减轻不公平性3.用Python实现模型公平性四、结论一、学习准备在本文中，你将：0提高对机器学习中公平性重要性的认识。1了解与公平相关的危害2了解不公平
GISer Liu·2022-04-16 07:32

数据科学 机器学习系列0 机器学习简介

一、本课程入门必要条件：0配置您的计算机。在系统中安装Python并设置用于开发的文本编辑器如jupyternotebook或者pycharm等开发环境。1学习Python。建议对Python有个基本了解，Python是一种对我们在本课程中使用的数据科学家有用的编程语言。2学习Node.js和JavaScript。在本课程中，在构建Web应用程序时，我们还使用JavaScript几次，因此您需要安
GISer Liu·2022-04-15 07:41

数据科学 机器学习系列1 机器学习历史

图1.人工智能发展史目录一、课程内容二、理论发现三、AI发展历史（1）1950年：思考的机器（2）1956年：达特茅斯夏季研究项目（3）1956-1974：“黄金岁月”（4）1974-1980：“人工智能寒冬”（5）1980s：专家系统（Expertsystem）（6）1987-1993：“人工智能硬件寒冬”（7）1993-2011：“人工智能第二次浪潮”（8）2016-2022：“人工智能当下的
GISer Liu·2022-04-15 07:18

机器学习系列：LightGBM 可视化调参

大家好，在100天搞定机器学习|Day63彻底掌握LightGBM一文中，我介绍了LightGBM的模型原理和一个极简实例。最近我发现Huggingface与Streamlit好像更配，所以就开发了一个简易的LightGBM可视化调参的小工具，旨在让大家可以更深入地理解LightGBM。网址：https://huggingface.co/spaces/beihai/LightGBM-paramet
机器学习算法与Python·2022-04-05 18:00

机器学习系列(1)_数据分析之Kaggle泰坦尼克之灾

注：本篇博客参考资料：1、kaggle入门–泰坦尼克号之灾（某书）2、机器学习系列(3)_逻辑回归应用之Kaggle泰坦尼克之灾3、缺失值填充的几种方法4、关于Kaggle数据挖掘比赛（某乎）5、Kaggle
渴望成为寂寞胜者·2022-04-04 07:43

Python机器学习（二）：线性回归算法

Jacob的Python机器学习系列：Python机器学习（一）：kNN算法Python机器学习（二）：线性回归算法Python机器学习（三）：梯度下降法Python机器学习（四）：PCA主成分分析Python
饮茶先啦靓仔·2022-03-30 00:53

一张照片，AI生成抽象画（CLIPasso项目安装使用） | 机器学习系列

目录前言安装拉取镜像启动容器拉取项目使用样例一样例二样例三补充（很关键）总结前言最近看到一个比较有意思的项目，可以将照片生成对应的抽象画。项目地址：github地址看一下项目提供的效果图。是不是很有意思，我果断把项目弄下来自己玩了玩。下面我分享一下安装使用的过程，以供大家参考。安装我们先看一下作者给出的安装说明。作者给出docker安装模式和pip安装模式，之前很多篇文章我都是使用pip进行安装部
剑客阿良_ALiang·2022-03-24 07:03

Spark2.0机器学习系列之12： 线性回归及L1、L2正则化区别与稀疏解

概述线性回归拟合一个因变量与一个自变量之间的线性关系y=f(x)。Spark中实现了：（1）普通最小二乘法（2）岭回归（L2正规化）（3）Lasso（L1正规化）。（4）局部加权线性回归（5）流式数据可以适用于线上的回归模型，每当有新数据达到时，更新模型的参数，MLlib目前使用普通的最小二乘支持流线性回归。除了每批数据到达时，模型更新最新的数据外，实际上与线下的执行是类似的。本文采用的符号:拟合
weixin_30709809·2022-03-23 08:26

机器学习实战：手把手教你玩转机器学习系列

作者：韩信子@ShowMeAI教程地址：http://www.showmeai.tech/tutorials/41声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容引言本篇内容是ShowMeAI组织的「Python机器学习实战」系列教程入口，本教程尽量以案例和代码驱动的方式，帮助大家学习机器学习算法应用流程和各个链条环节，掌握构建场景建模解决方案并进行效果调优的能力
·2022-03-21 22:01

车牌识别系统原理及代码【YOLO+MLP】

要快速掌握开发人工智能系统的技能，推荐汇智网的机器学习系列在线课程由于可以自动地从视频图像中提取车辆牌照信息，因此车牌识别系统可以应用于以下行业：公共安全：用于检测被盗抢车辆，将车牌与盗抢车辆数据库记录比对即可发现
新缸中之脑·2022-02-27 08:37

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：寒小阳时间：2016年1月。出处：http://blog.csdn.net/han_xiaoyang/article/details/50469334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，加之懒癌严重，导致这个系列一直没有更新，向关注该系列的同学们道个歉。尴尬的是，按理说，机器学习介绍与算法一览应该放在最前面写，详细的应
寒小阳·2022-02-24 11:08

机器学习系列（一）——机器学习简介

什么是机器学习？机器学习的核心思想是创造一种算法，它能从数据中挖掘出有规律的东西，而不需要针对某个问题去写代码。你需要做的只是把数据“投喂”给这个算法，然后它会在数据上建立自己的逻辑。最基本的机器学习算法是解决分类和回归两大类问题。机器学习机器学习的分类从机器学习算法本身来看，可分为监督学习、非监督学习、半监督学习、增强学习。监督学习：给机器的训练数据拥有标记或标签的学习方式是监督学习。监督学习主
Ice_spring·2022-02-22 08:30

【机器学习基础】(三)：理解逻辑回归及二分类、多分类代码实践

本文是机器学习系列的第三篇，算上前置机器学习系列是第八篇。本文的概念相对简单，主要侧重于代码实践。上一篇文章说到，我们可以用线性回归做预测，但显然现实生活中不止有预测的问题还有分类的问题。
风度78·2022-02-19 07:29

机器学习系列一,用KNN处理MNIST数据集OpenCv4(C++)

简介KNN是很多人接触机器学习的第一个算法，我也不例外。在利用OpenCV(C++)结合KNN处理MNIST数据，遇到了很多的坑，在这里和各位分享一下心得。完整代码在这里，喜欢的可以Star，不喜欢的可以提建议！环境是MacOS+OpenCV4关键步骤概览关键步骤的代码取自于我实现的部分，这里只是阐述关键步骤和一些心得，详细地可以看我代码，比较容易看懂的！获得MNIST的训练集(包含图片和数据)b
菠菜本菠·2022-02-19 00:50

[李宏毅机器学习]机器学习介绍

李宏毅机器学习系列文章目录人工智能是人类长远以来的一个目标，而机器学习是实现这个目标的其中一种方法，深度学习则是机器学习的一种方法。
数据医生·2022-02-13 02:17

吴恩达机器学习系列1——单变量线性回归

今天是第二部分——单变量线性回归，即监督学习中基于单个特征输入的线性回归算法。该部分主要了解的内容是单变量线性回归算法的模型表示，损失函数以及用于求解的梯度下降方法，这实际上也展示了一个完整的监督学习过程。1、ModelRepresentation在了解模型表示之前，我们需要明确监督学习算法的工作方式。正如之前所言，学习算法就是从数据中产生模型的算法，因此我们首先需要有一个数据集即训练集，然后将训
飞奔的小鱼儿·2022-02-10 20:00

机器学习系列（十六）——随机梯度下降Stochastic Gradient Descent

随机梯度下降法StochasticGradientDescent在之前的梯度下降法解决线性回归问题中，梯度向量的每一项都要有所有样本参与运算，因此也称作批量梯度下降法BatchGradientDescent。但这显然带来一个问题，如果样本量m非常大，计算梯度是非常耗费时间的。于是提出了随机梯度下降法，虽然随机梯度下降法每次不一定朝着损失函数减小的方向更不能保证沿着减小速度最快的方向，当然也不能保证
Ice_spring·2022-02-09 22:15

「MindSpore:跟着小Mi一起机器学习吧」图片文字识别

时间可过得真快，本周小Mi的更新便是我们机器学习系列的最后一期啦！说了那么多理论，总该来点案例对不对！废话不多说，让我们开始吧~定义那么什么是图片文字识别呢？
·2022-01-29 10:31

【小Mi的MindSpore学习之路】机器学习汇总，初冬隆重来袭！

小Mi机器学习系列的汇总网页终于千呼万唤出来啦！！！其实早在做这个系列的一开始，小Mi就曾设想做一个这样的东西，没想到转眼刚小半年，今天终于全部更新完毕！
·2022-01-29 10:21

【MindSpore：跟着小Mi一起机器学习】神经网络表述（一）

今天小Mi继续带大家学习我们的机器学习系列。
·2022-01-28 20:01

机器学习基础环境部署 | 机器学习系列

目录前言Anaconda安装使用conda配置python3.6环境Spyder配置与使用安装PyTorch总结前言本文主要是分享一下机器学习初期，基本的环境搭建。也适用于其他python工程化项目环境搭建。都差不多。Anaconda安装anaconda官方链接：Anaconda|TheWorld'sMostPopularDataSciencePlatform点击GetStarted点击Downl
剑客阿良_ALiang·2021-10-31 17:17

经典机器学习系列之【决策树详解】

  这节我们来讲说一下决策树。介绍一下决策树的基础知识、决策树的基本算法、决策树中的问题以及决策树的理解和解释。  本文主要思路结构如下：先从直观上解释决策树的算法流程。之后针对在实际操作过程中会遇到的6个问题对其进行具体分析，其简要包括(后文会详细分析)：  处理选择最佳划分属性：依据不纯度来选择最佳划分属性，而依据不纯度的不同，最佳划分的度量标准又可分为三种：熵减最大、基尼指数减最大、误分类减
小小何先生·2021-06-26 13:35

【Note】MV-机器学习系列 之 有趣的机器学习

本篇相当于该系列的科普文。一、机器学习方法1、机器学习MachineLearning通常来说，机器学习的方法包括：监督学习supervisedlearning有数据和标签的学习方法。大家熟悉的神经网络即为监督学习的方式。非监督学习unsupervisedlearning只有数据没有标签的学习方法。半监督学习semi-supervisedlearning综合了监督学习和非监督学习的学习方法。强化学习
火禾子_·2021-06-21 16:25

经典机器学习系列之【相似性度量】

  相似性度量是机器学习中一个非常基础的概念：是评定两个事物之间相似程度的一种度量，尤其是在聚类、推荐算法中尤为重要。其本质就是一种量化标准。在机器学习中主要是用于衡量样本之间的相似程度。  为什么要有一个衡量标准？这世间万物都是公说公有理，婆说婆有理，而这衡量标准一旦定下来，大家都得在这里面玩。这人世间的法律制度，大大小小的条文规矩都是衡量标准。  那有些同学可能就会说了，我也想制定标准，可以是
小小何先生·2021-06-21 10:44

[python][机器学习][回归]线性回归

最后一次更新日期：2019/5/12机器学习系列教程，旨在解释算法的基本原理并提供算法的入门级实现思路。为检查代码实现的正确性，可能会与scikit-learn库作对照。
jiedawang·2021-06-20 03:29

机器学习、大数据、数据仓库、CSDN互助

一、推荐系统、机器学习系列资源关注公众号【数据与智能】1、回复『推荐系统』获取40万字的推荐系统文章合集；2、回复『小助手』，加小助手获取1000页的推荐系统电子书，新书正在印刷出版；二、大数据技术交流群欢迎来到
明月十四桥·2021-06-09 14:21

ML梳理02 | 线性回归、逻辑回归

逻辑回归三部曲机器学习系列(1)_逻辑回归初步机器学习系列(2)_从初等数学视角解读逻辑回归机器学习系列(3)_逻辑回归应用之Kaggle泰坦尼克之灾吴恩达AndrewNg前四课课件课后作业其他线性回归和逻辑回归一些深入的思考
RookieDay·2021-06-07 15:43
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他