机器学习经典书籍

2018-11-28 机器学习打卡

05课机器如何学习有监督学习SupervisedLearning：有标签label无监督学习UnsupervisedLearning：无标签06课三要素数据向量空间模型VSM，x特征向量Featurevector,y标签模型可以看做函数，通过训练数据得到。算法有监督为主：损失函数（LossFunction）L（y,y’）=L(y,f(x))：针对一个数据代价函数（CostFunction）J（th
Rackar·2024-01-26 04:36

特征工程自动化如何为机器学习带来重大变化

摘要：机器学习中最重要的领域之一是特征工程，却被严重地忽视了。这个重要领域中最成熟的工具就是Featuretools，一个开源的Python库。
城市中迷途小书童·2024-01-26 04:17

机器学习算法

1、朴素贝叶斯分类器：https://www.cnblogs.com/csguo/p/7804355.html
Rainysong·2024-01-26 02:52

【Spark】pyspark 基于DataFrame使用MLlib包

另外，根据Spark文档，现在主要的Spark机器学习API是spark.ml包中基于DataFrame的一套模型。1ML包的介绍从顶层上看，ML包主要包含三大抽象类：转换器、预测器和工作流。
beautiful_huang·2024-01-26 02:37

我的2023年的总结

年初，我意识到AI和机器学习已经成为不可逆转的趋势，尤其是在自然语言处理和图像识别领域。因此，我决定深入学习这些技术，并将其应用到我的日常工作中。我开始系统地学习深度学习框架
编程千纸鹤·2024-01-26 00:48

02 深度学习介绍【动手学深度学习v2】

自然语言处理：语言->符号计算机视觉：在一个图片里可以帮你做一些处理->图片很难用符号解释->使用概率模型深度学习：是机器学习的一种、可以做自然语言处理、计算机视
不安全的安保·2024-01-26 00:15

PyTorch的衍生资源

以下是PyTorch发展过程中的几个关键里程碑事件：2016年：PyTorch于2016年首次发布，作为一个基于动态计算图的开源机器学习库，它提供了自动微分功能，并强调代码可读性和灵活性。
科学禅道·2024-01-26 00:23

【基础配置】Python2/Python3并存安装配置教程

它可以应用于多种领域，如Web开发、数据科学、人工智能、机器学习、科学计算、自动化测试等。Python由GuidovanRossum于1989年底发明，目前已成为世界上最流行的编程语言之一。
晚风不及你ღ·2024-01-25 23:26

Day 1322：架构师训练营学习总结（w13）

本周主要讲了Spark流计算、数据分析和机器学习。Spark的主要特点是DAG切分多阶段计算、内存存储中间结果、RDD的编程模型。RDD是Spark的核心概念。
kafkaliu·2024-01-25 22:18

机器学习系列15：通过t-SNE可视化高维数据

t-SNE的全称是t-distributedstochasticneighborembedding（t-分布随机领域嵌入），这是一种非线性降维技术。而PCA和LDA是线性的降维技术。t-SNE通常用来在二维或者三维空间中可视化复杂数据集。简单来说，t-SNE试图发现数据集中的样本在原始高维空间中距离的概率分布，然后再去低维空间中重建这种概率分布。我们通过t-SNE将高维空间中的数据点嵌入到了低维空
加百力·2024-01-25 22:38

2016年不可错过的21个深度学习视频、教程和课程

几年之前，深度学习还是机器学习里面一个不太受人关注的领域。随着神经网络和大数据的出现，很多复杂任务的实现已经成为可能。2009年时，深度学习还是一个新兴领域，只有少数人认为这是一个值得研究的领域。
wd_cloud·2024-01-25 22:31

强化学习 - Policy Gradient Methods（策略梯度方法）

什么是机器学习策略梯度方法（PolicyGradientMethods）是一类用于解决强化学习问题的算法，其目标是直接学习策略函数，而不是值函数。
草明·2024-01-25 21:53

无监督学习 - 聚类的潜在语义分析（Latent Semantic Analysis，LSA）

什么是机器学习潜在语义分析（LatentSemanticAnalysis，LSA）是一种无监督学习方法，用于在文本数据中发现潜在的语义结构。LSA的主要应用之一是进行文本文档的主题建模和信息检索。
草明·2024-01-25 21:23

强化学习 - Deep Q Network (DQN)

什么是机器学习DeepQNetwork（DQN）是一种结合深度学习和强化学习的方法，用于解决离散动作空间的强化学习问题。
草明·2024-01-25 21:23

强化学习 - Q-learning（Q学习）

什么是机器学习强化学习中的Q-learning（Q学习）是一种用于学习在未知环境中做出决策的方法。它是基于值函数的方法，通过学习一个值函数Q，该函数表示在给定状态和动作下，期望的累积奖励。
草明·2024-01-25 21:52

20种最常用编程语言的特点及应用

-应用场景：数据分析、机器学习、人工智能、Web开发、自动化脚本。2.Java-特点：跨平台、面向对象、强大的企业级框架。-应用场景：企业级应用开发、Android移动应用开发、服务器端Web开发。
极客代码·2024-01-25 21:39

2024年，AIGC赛道专利文献和软著大全

发明人：周红伟;李凯;任伟;李庆;郭奇杰;周杨;刘川郁二、机器学习算法发表文献Simulationmodelanddropletejectionperformanceofathermal-bubblemicroejector
AI周红伟·2024-01-25 20:30

《你的灯亮着吗》发现问题是真正所在

，初看书名，一脸懵逼，完全不知道是什么类型的书，但基于秋叶团队必出精品的原则，而且此书据说是问题解决领域的经典书籍，虽然已经出版20多年，仍然适用于当今社会。所以豪不犹豫的买书加入共读活动。
007羊·2024-01-25 20:34

《速通机器学习》-逻辑回归

（由于知乎平台稿件格式问题，公式格式不能正确写上；如若读写困难可后台私信我要完整电子版）线性回归是指特征x通过模型运算得到预测值y^'。在理论上，y^'的取值范围是(-∞,+∞)，即y^'可以是任何值，例如销量、价格、负债等。在回归任务中，有一类特殊场景值得注意，就是预测概率。概率可用于解决分类问题。在这类场景中，模型的输出是输入样本属于某个类别的概率。例如，输入的是用户消费习惯和商品特征等信息，
北大博士后AI卢菁·2024-01-25 19:16

《速通机器学习》-因子分解模型

但是，随着互联网的发展，以及应用场景的日益复杂，人们对机器学习的期待日渐提高，在一些复杂的场景中，逻辑回归显得有些力不从心。例如，在电商推荐场景中预测用户是
北大博士后AI卢菁·2024-01-25 19:16

《速通机器学习》- 经典分类模型

（由于平台稿件格式问题，公式格式不能正确写上；如若读写困难可后台私信我要完整电子版）5.1支持向量机5.1.1支持向量机的基本原理通过前面的学习我们知道，逻辑回归其实就是在平面上通过画直线进行二分类，其学习过程就是通过梯度下降法在训练数据中寻找分类线。当训练数据线性可分时，能够正确进行分类的分类线有无数条，不同的分类线对应于不同的w和w_0及不同的Loss，如图5-1所示。图5-1在图5-1中，直
北大博士后AI卢菁·2024-01-25 19:16

《速通机器学习》- 线性回归

在机器学习中，这类业务有一个专门的名字——回归（Regression）。回归是指通过大量已知数据发现输入x和输出y的内在关系，并对新的输入进行预测。发现内在
北大博士后AI卢菁·2024-01-25 19:15

《速通机器学习》- 数据的量化和特征提取

前言：读者朋友们大家好，从这篇开始更新我本人撰写的《速通机器学习》一书；本书已出版并发售于JD，想要实体书的可以自行购买。
北大博士后AI卢菁·2024-01-25 19:15

Redis面试题32

它与传统机器学习有何不同？答：深度学习是机器学习的一个分支，在人工神经网络的基础上构建了多层的神经网络模型，以实现对复杂数据的学习和分析。
CrazyMax_zh·2024-01-25 19:21

大创项目推荐 题目：垃圾邮件(短信)分类 算法实现 机器学习 深度学习 开题

文章目录1前言2垃圾短信/邮件分类算法原理2.1常用的分类器-贝叶斯分类器3数据集介绍4数据预处理5特征提取6训练分类器7综合测试结果8其他模型方法9最后1前言优质竞赛项目系列，今天要分享的是基于机器学习的垃圾邮件分类该项目较为新颖
laafeer·2024-01-25 18:35

OpenCV C++（一）----入门

一、初识OpenCVOpenCV(OpenSourceComputerVisionLibrary)是开源的计算机视觉和机器学习库，提供了C++、C、Python、Java接口，并支持Windows、Linux
肉松饼饼·2024-01-25 18:28

基于雾凇算法优化多头注意力机制卷积结合长短记忆神经网络RIME-CNN-LSTM-Multihead-Attention多变量时间序列预测附MATLAB实现

更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机内容介绍随着人工智能和机器学习技术的飞速发展，时间序列预测在各种领域中变得越来越重要
matlab科研助手·2024-01-25 17:18

IME-CNN-LSTM-Multihead-Attention|基于雾凇算法优化多头注意力机制卷积结合长短记忆神经网络R多变量时间序列预测附MATLAB仿真

更多Matlab完整代码及仿真定制内容点击智能优化算法神经网络预测雷达通信无线传感器电力系统信号处理图像处理路径规划元胞自动机无人机内容介绍随着人工智能和机器学习技术的飞速发展，时间序列预测在各种领域中变得越来越重要
Matlab科研辅导帮·2024-01-25 17:47

6.PR-AUC机器学习模型性能的常用的评估指标

PR-AUCPR-AUC，即精确率-召回率曲线下的面积，是一种用于评估分类模型性能的指标。与ROC-AUC（接收者操作特征曲线下的面积）不同，PR-AUC关注的是精确率和召回率之间的关系，特别适用于不平衡数据集。精确率（Precision）和召回率（Recall）是分类模型中常用的两个重要指标：精确率衡量模型在预测为正类别的样本中有多少是真正的正类别。召回率衡量模型成功预测出所有正类别样本的能力。
Algorithm_Engineer_·2024-01-25 17:09

from sklearn.preprocessing import LabelEncoder的详细用法

这在许多机器学习算法中是必要的，因为它们通常不能处理类别数据。1.用法说明#初始化：le=LabelEncoder()#转换标签：encoded_labels=le.fit_tra
小桥流水---人工智能·2024-01-25 17:52

借助一个例子简要了解机器学习

练习:训练一个模型,基于适合狗的护具的大小来预测适合狗的靴子尺寸环境:azureml_pyimportpandas!wgethttps://raw.githubusercontent.com/MicrosoftDocs/mslearn-introduction-to-machine-learning/main/graphing.py!wgethttps://raw.githubuserconten
泥烟·2024-01-25 15:41

深度学习电脑配置有什么要求？

随着人工智能和机器学习的快速发展，深度学习已经成为了许多领域的重要工具。然而，深度学习的应用需要强大的计算能力，因此对于想要进行深度学习的用户来说，选择一台合适的电脑是必不可少的。
机器视觉—ing·2024-01-25 15:04

机器学习/深度学习中的类别不均衡问题及处理方法

类别不均衡问题数据的类别不平衡（classimbalance），也叫数据偏斜（classskew）。以常见的二分类问题（是和否两类）为例，我们希望预测病人是否得了某种罕见疾病。但在历史数据中，阳性的比例可能很低（如0.1%）。在这种情况下，学习出好的分类器是很难的，而且在这种情况下得到结论往往也是很具迷惑性的。例如，若分类器总是预测一个人未患病，即预测为反例，那么我们依然有高达99.9%的预测准确
几时见得清梦·2024-01-25 14:20

向量库与嵌入模型

简介非结构化数据世界上大约超过百分之八十的数据都是非结构化数据，例如：图像、音视频、自然语言等，这些模型不遵循预定义的模式或组织方式，可以使用各种人工智能(AI)和机器学习(ML)模型转换为向量。
liuzhenghua66·2024-01-25 14:56

【机器学习】强化学习（七）-策略梯度算法-REINFORCE 训练月球着陆器代理（智能体）...

概述月球着陆器代理是一个模拟飞行器在月球表面着陆的环境，它有八个连续的状态变量，分别是水平坐标、垂直坐标、水平速度、垂直速度、角度、角速度、腿1触地、腿2触地。它有四个离散的动作，分别是什么都不做、发动左方向引擎、发动主引擎、发动右方向引擎。训练月球着陆器代理的目标是使飞行器能够安全地降落在两个黄色旗帜之间的停机坪上，最小化燃料消耗和着陆时间。为了实现这个目标，我们可以用策略梯度算法来训练一个神经
十年一梦实验室·2024-01-25 14:25

智慧城市的发展过程中，最需要的15个工作岗位

1.机器学习科学家随着城市越来越多地利用物联网，并能够从现有资源中收集更多关于天气、交通等的数据，随后通过第三方应用程序对数据进行挖掘，数据科学家不仅需要从数据中分析和创造更多价值，还需要连接数据孤岛。
人工智能爱好者·2024-01-25 14:24

数据可视化的未来：2024 年及以后_光点科技

人工智能、机器学习和增强现实等新兴技术正在为新一代实时数据可视化工具铺平道路，这些工具将增强我们理解复杂数据的能力并彻底改变我们与之交互的方式。
光点数据治理·2024-01-25 14:43

深度学习模型选择

作为机器学习科学家，我们的目标是发现模式（pattern）。但是，我们如何才能确定模型是真正发现了一种泛化的模式，而不是简单地记住了数据呢？
良子c·2024-01-25 12:24

机器学习算法之神经网络算法初识

神经网络算法初识感知机算法1.概述感知机由两层神经元组成，输入层接收外界输入信号后传递给输出层，输出层是M-P神经元，亦称“阈值逻辑单元”（thresholdlogicunit）。其学习能力非常有限，若二分类数据集线性可分，即存在一个线性超平面能将它们分开，则感知机的学习过程一定会收敛而求得适当的权向量；否则感知机学习过程会发生振荡，难以稳定下来。要解决非线性可分问题，需考虑使用多层功能神经元，即
魔术师帽子里的兔子·2024-01-25 12:06

Scikit-Learn 高级教程——自定义评估器

PythonScikit-Learn高级教程：自定义评估器Scikit-Learn提供了许多内置的评估器（Estimator）来进行机器学习任务，但在某些情况下，我们可能需要自定义评估器以满足特定需求。
Echo_Wish·2024-01-25 11:04

[Python] scikit-learn - accuracy_score(准确率分数)函数介绍和使用场景（案例）

Scikit-learn是一个用于机器学习和数据挖掘的Python库，提供了大量的机器学习算法和工具，使得机器学习任务更加便捷和高效。
老狼IT工作室·2024-01-25 11:31

特征抽取-----机器学习pycharm软件

导入包fromsklearn.datasetsimportload_iris#方法datasets_demo()数据集使用fromsklearn.feature_extractionimportDictVectorizer#方法dict_demo()字典特征抽取用fromsklearn.feature_extraction.textimportCountVectorizer#方法count_dem
辣椒酱.·2024-01-25 11:41

copilot和chatGPT的区别分析

它可以利用机器学习技术和大量训练数据生成高质量的代码，提高开发者的编码效率。Copilot的工作原理是基于自然语言处理、机器学习和深度神经网络技术，以及大规模实际编码数据的训练。
love6a6·2024-01-25 11:39

【本科生机器学习】【北京航空航天大学】课题报告：支持向量机（Support Vector Machine, SVM）初步研究【上、原理部分】

一、课程总结1、机器学习（MachineLearning,ML）的定义机器学习是人工智能的一个分支。
不是AI·2024-01-25 10:06

一篇文章教你快速学会Kafka参数调优实战

附Java/C/C++/机器学习/算法与数据结构/前端/安卓/Python/程序员必读书籍书单大全：书单导航页（点击右侧极客侠栈即可打开个人博客）：极客侠栈①【Java】学习之路吐血整理技术书从入门到进阶最全
数据结构大师·2024-01-25 10:03

深入浅出特征工程 – 基于 OpenMLDB 的实践指南（上）

1.什么是机器学习的特征工程一个真实场景的机器学习应用一般会包含两个主体流程，即特征工程和机器学习模型（以下简称模型）。
第四范式开发者社区·2024-01-25 10:01

深入浅出推荐系统（四）：召回：向量化的潮流

只要对机器学习稍有涉猎，就会发现如今机器学习，无论是推荐、图像、语言等领域，随处可见embedding，可以说，在深度学习主宰机器学习领域的今天，万物皆可embedding。
慕阮·2024-01-25 10:00

机器学习笔记02：特征工程

机器学习笔记02：特征工程文章目录机器学习笔记02：特征工程1.特征工程定义2.数据的特征抽取：1.字典特征抽取：2.文本特征抽取：3.tf-df分析问题3.特征预处理1.特征处理的方法：1.数值型数据
fafagege11520·2024-01-25 09:12

我的2023年终总结

年初，我意识到AI和机器学习已经成为不可逆转的趋势，尤其是在自然语言处理和图像识别领域。因此，我决定深入学习这些技术，并将其应用到我的日常工作中。我开始系统地学习深度学习框架
qq_469603589·2024-01-25 08:54

机器学习与Tensorflow（3）—— 机器学习及MNIST数据集分类优化

一、二次代价函数1.形式：其中，C为代价函数，X表示样本，Y表示实际值，a表示输出值，n为样本总数2.利用梯度下降法调整权值参数大小，推导过程如下图所示：根据结果可得，权重w和偏置b的梯度跟激活函数的梯度成正比（即激活函数的梯度越大，w和b的大小调整的越快，训练速度也越快）3.激活函数是sigmoid函数时，二次代价函数调整参数过程分析理想调整参数状态：距离目标点远时，梯度大，参数调整较快；距离目
WUWEILINCX123890·2024-01-25 08:19
上一页 40 41 42 43 44 45 46 47 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他