机器学习西瓜书+统计学习方法第30页

西瓜书学习笔记——核化线性降维（公式推导+举例应用）

文章目录算法介绍实验分析算法介绍核化线性降维是一种使用核方法（KernelMethods）来进行降维的技术。在传统的线性降维方法中，例如主成分分析（PCA）和线性判别分析（LDA），数据被映射到一个低维线性子空间中。而核化线性降维则通过使用核技巧，将数据映射到一个非线性的低维空间中。核技巧的核心思想是通过一个非线性映射将原始数据转换到一个高维的特征空间，然后在该特征空间中应用线性降维方法。这种映射

Nie同学·2024-02-04 01:13

西瓜书学习笔记——k近邻学习（公式推导+举例应用）

文章目录算法介绍实验分析算法介绍K最近邻（K-NearestNeighbors，KNN）是一种常用的监督学习算法，用于分类和回归任务。该算法基于一个简单的思想：如果一个样本在特征空间中的kkk个最近邻居中的大多数属于某个类别，那么该样本很可能属于这个类别。KNN算法不涉及模型的训练阶段，而是在预测时进行计算。以下是KNN算法的基本步骤：选择K值：首先，确定用于决策的邻居数量K。K的选择会影响算法的

Nie同学·2024-02-04 01:42

【初中生讲机器学习】4. 支持向量机算法怎么用？一个实例带你看懂！

上一篇【初中生讲机器学习】3.支持向量机（SVM）一万字详解！超全超详细超易懂！当中，我们已经详细了解了支持向量机算法以

Geeker · LSar·2024-02-04 01:10

西瓜书学习笔记——主成分分析（公式推导+举例应用）

文章目录算法介绍实验分析算法介绍主成分分析（PrincipalComponentAnalysis，PCA）是一种常用的降维技术，用于在高维数据中发现最重要的特征或主成分。PCA的目标是通过线性变换将原始数据转换成一组新的特征，这些新特征被称为主成分，它们是原始特征的线性组合。对于一个正交属性空间（各个属性之间是线性无关的）中的样本点，存在以下两个性质的超平面可对所有样本点进行恰当的表达：最近重构性

Nie同学·2024-02-04 01:09

数据集

从文本处理到自动驾驶：机器学习最常用的50大免费数据集机器之心百家号06-1821:11机器学习领域里有哪些开放数据集？

一大白一·2024-02-04 00:43

NumPy之:NumPy简介教程

[toc]简介NumPy是一个开源的Python库，主要用在数据分析和科学计算，基本上可以把NumPy看做是Python数据计算的基础，因为很多非常优秀的数据分析和机器学习框架底层使用的都是NumPy。

flydean程序那些事·2024-02-03 22:55

进程与线程的概念与通信方式

文章目录前言一进程的定义二、进程的通信方式1.共享内存2.读入数据三、线程的定义四、线程的通信方式1.管道总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要

西林er·2024-02-03 21:22

【2023地理设计组一等奖】基于机器学习的地下水仿真与时空分析

作品介绍1设计思想1.1作品背景华北平原是我国最重要的粮棉产地之一，然而近年来农业的低效用水以及过度压采正逐步加剧其地下水资源的紧张性，为经济可持续发展带来重大风险。而地下水动态变化与人为干预、全球气候波动呈现出高度相关性，因此，地下水的仿真模拟对保障粮食供应和推动水资源的可持续管理至关重要。目前学界尽管有大量的文献探讨地下水的时空分布及可持续性发展，但与现实需求相比，其在空间分辨率和多因子影响的

sky J·2024-02-03 21:29

《机器学习与数据挖掘》学习笔记（二）-续

沿着PAC学习理论，讨论有限假设空间的样本复杂度，并用Hoeffding不等式来界定概率边界。假设空间的样本复杂度PAC可学习性很大程度上由所需的训练样本数量决定。随着问题规模的增长所带来的所需训练样本的增长称为学习问题的样本复杂度（samplecomplexity）。在多数实际问题中，最限制学习器成功的因素是有限的可用的训练数据。我们通常都喜欢能与训练数据拟合程度更高的假设，当一个学习器在可能时

产品扫地僧·2024-02-03 21:22

2021-04-12

[1.1自然语言与编程语言的比较](#11-自然语言与编程语言的比较)-[1.2自然语言处理的层次](#12-自然语言处理的层次)-[1.3自然语言处理的流派](#13-自然语言处理的流派)-[1.4机器学习

零一安·2024-02-03 20:43

用 Python 做机器学习不得不收藏的重要库

Python在机器学习领域非常出色。它具有一致的语法、更短的开发时间和灵活性，非常适合开发能够直接插入生产系统的复杂模型和预测引擎。Python的一个最大的资产是其广泛的库。

派派森森·2024-02-03 20:29

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

人工智能概论

一、关键技术人工智能包含了七项关键技术:1.机器学习:机器学习是研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能，是人工智能技术的核心。

敲代码的小小酥·2024-02-03 19:30

产品经理应该懂的人工智能知识

三、机器学习处理过程（1）原始数据采集原始数据

敲代码的小小酥·2024-02-03 19:30

深度学习的发展史和主要应用方向

论深度学习笔者对于深度学习有着自己独特的见解…借这个机器学习课程大作业，发表一下我的观点。

沉着冷静集中精力·2024-02-03 19:16

稚肩·2024-02-03 19:14

机器学习系列——（七）简单分类算法

飞影铠甲·2024-02-03 17:12

机器学习系列——（八）KNN分类算法

当谈到机器学习中的分类算法时，K最近邻（K-NearestNeighbors，简称KNN）是一个简单而又常用的算法。在本篇博客中，我们将探讨KNN算法的原理、应用和优缺点。

飞影铠甲·2024-02-03 17:12

机器学习系列——（五）数据清洗

引言在机器学习领域，数据是训练模型的基础。然而，现实世界中的数据往往存在噪声、缺失值、异常值和不一致等问题，这些问题会对模型的性能产生负面影响。

飞影铠甲·2024-02-03 17:11

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

向量机SVM原理详解

的简介支持向量机(SupportVectorMachine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中

AI-CS研究生·2024-02-03 17:35

SVM入门（一）至（三）Refresh

的八股简介支持向量机(SupportVectorMachine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中

warmbeast·2024-02-03 17:34

湍流喷雾中的亚网格条件混合统计建模：一种机器学习方法-POF-Yao2020a

题目：湍流喷雾中的亚网格条件混合统计建模：一种机器学习方法-POF-Yao2020a摘要：本文利用文本利用机器学习方法封闭湍流喷雾火焰中的条件标量耗散率。

charryzzz·2024-02-03 17:38

SVM(1-3)

转载支持向量机(SupportVectorMachine)是Cortes和Vapnik于1995年首先提出的，它在解决小样本、非线性及高维模式识别中表现出许多特有的优势，并能够推广应用到函数拟合等其他机器学习问题中

discxuwei·2024-02-03 17:32

【脑电信号处理与特征提取】P7-涂毅恒：运用机器学习技术和脑电进行大脑解码

运用机器学习技术和脑电进行大脑解码科学研究中的大脑解码比如2019年在Nature上一篇文章，来自UCSF的Chang院士的课题组，利用大脑活动解码语言，帮助一些患者恢复语言功能。

头发没了还会再长·2024-02-03 16:14

目标检测中的损失函数汇总

分类损失CEloss，交叉熵损失交叉熵损失，二分类损失（binaryCEloss）是它的一种极端情况.在机器学习部分就有介绍它。

senbinyu·2024-02-03 16:29

DoubleEnsemble：基于样本重加权和特征选择的金融数据分析方法

现代机器学习模型（如深度神经网络和梯度提升决策树）由于其提取复杂非线性模式的优越能力，在金融市场预测中越来越受欢迎。然而，由于金融数据集的信噪比非常低，并且是非平稳的，复杂的模型往往很容易过拟合。

tzc_fly·2024-02-03 16:57

机器学习复习（8）——基本概念

"benchmark"和"baseline"的定义和区别在计算机视觉领域的论文中，"benchmark"和"baseline"这两个术语经常被使用，但它们代表着不同的概念和作用。Benchmark（基准测试）:定义：Benchmark通常指的是一套标准的测试流程，用来评估和比较不同算法或模型的性能。这些测试流程可能包括标准的数据集、评估指标、测试协议等。作用：Benchmark提供了一个共同的平台

不会写代码！！·2024-02-03 16:56

花书学习笔记-深度学习概念

目录什么是机器学习函数类别机器学习举例步骤第一步：猜测函数第二步：定义Loss第三步：优化从线性到非线性：从函数逼近的角度理解多个特征变量逼近连续曲线表示更有弹性的模型总结用多个Featuresigmoid

iwill323·2024-02-03 16:17

【深度学习】P1 Deep Learning 简介

目录什么是深度学习深度学习网络结构深度学习重要历史节点常见深度学习库什么是深度学习深度学习，deeplearning，是机器学习的分支，是一种以人工神经网络为架构，对资料进行表征学习的算法。

脚踏实地的大梦想家·2024-02-03 16:15

故障诊断 | 一文解决，BiLSTM双向长短期记忆神经网络故障诊断（Matlab）

文章目录效果一览文章概述专栏介绍模型描述源码设计参考资料效果一览文章概述故障诊断模型|Maltab实现BiLSTM双向长短期记忆神经网络故障诊断专栏介绍订阅【故障诊断】专栏，不定期更新机器学习和深度学习在故障诊断中的应用

机器学习之心·2024-02-03 15:46

2020李宏毅学习笔记——1.概论

即将学习内容分布：一、机器学习的本质就是自动寻找函式，如语音识别，就是让机器找一个函数，输入是声音信号，输出是对应的文字。

是汤圆啊·2024-02-03 15:38

为什么要使用Jupyter Notebook？

JupyterNotebook是一个基于Web的交互式计算环境，它为数据科学、机器学习、教育和研究等领域提供了强大的工具。

科学禅道·2024-02-03 15:01

Jupyter Notebook中的%matplotlib inline详解

JupyterNotebook中的%matplotlibinline详解文章目录引言什么是魔术命令%matplotlibinline详解(直入主题请点击)小结结尾引言在数据科学和机器学习的世界中，JupyterNotebook

高斯小哥·2024-02-03 15:00

PyTorch基础-Tensors属性、Tensor的运算

PyTorch的基本概念Tensor的基本概念张量高于标量、向量、矩阵标量说零维的张量，向量是一维的张量，矩阵是二维的张量Tensor与机器学习的关系Tensor的创建函数功能Tensor(*size)

小旺不正经·2024-02-03 14:08

开启机器学习模式（孤军奋战且行且珍惜）

今天在知乎上认识了“猴子聊人物”里的猴子。源头是之前看过一个研究生小姐姐写的文章，她是通过kaggle进行练习来提高自己的数据分析能力，（已经看完了沈浩老师的媒体大数据分析课程，也学了简单地python内容）我也准备用kaggle开始锻炼自己。小白的我找了好多B站视频，都是直接起步开始练项目或者如何冲击奖金。最后在知乎找到了这个https://www.zhihu.com/lives/9340236

坚持一件事527·2024-02-03 14:31

chatgpt赋能python：PythonSHAP-解析并可视化机器学习模型的特征重要性

PythonSHAP-解析并可视化机器学习模型的特征重要性简介PythonSHAP是一个用于解析和可视化机器学习模型的特征重要性的库。

lvsetongdao123·2024-02-03 14:37

SHAP：Python的可解释机器学习库

SHAP：Python的可解释机器学习库一、概念二、步骤三、代码-以波士顿房价为例summary_plotFeatureImportanceshap_interaction_valuesdependence_plot

清木!·2024-02-03 14:35

shap，一个神奇的 python 库

今天给大家分享一个神奇的python库，shapSHAP是一种流行的机器学习解释性框架，用于解释预测模型的输出。通过利用合作博弈论，SHAP为每个特征分配一个值，反映其对特定实例预测的贡献。

Python_P叔·2024-02-03 14:33

Fashion MNIST数据集介绍及基于Pytorch下载数据集

数据集的类别说明FashionMNIST数据集图片示例基于PyTorch下载FashionMNIST数据集使用FashionMNIST数据集进行图像分类任务小结结尾引言FashionMNIST是深度学习和机器学习领域中一个非常流行且实用的数据集

高斯小哥·2024-02-03 13:56

Python机器学习模型库之hummingbird使用详解

概要随着人工智能和机器学习的快速发展，将训练好的模型部署到生产环境中成为了一个重要的任务。而边缘计算设备，如智能手机、嵌入式系统和物联网设备，也需要能够运行机器学习模型以进行实时推理。

Rocky006·2024-02-03 13:15

基于决策树模型和支持向量机模型的手写数字识别

对所使用的模型进行评估7、对手写数字图像进行预测本项目实现了第一个功能：可以通过导入库和数据集、通过对数据集的预处理、读取、可视化，将数据集划分为训练集和测试级，更换不同的模型，并对模型进行评估，多方面对比不同的机器学习方法

派大星先生c·2024-02-03 13:37

【课程作业_01】国科大2023模式识别与机器学习实践作业

国科大2023模式识别与机器学习实践作业作业内容从四类方法中选三类方法，从选定的每类方法中，各选一种具体的方法，从给定的数据集中选一个数据集（MNIST，CIFAR-10，电信用户流失数据集）对这三种方法进行测试比较

lzl2040·2024-02-03 13:05

朴素贝叶斯分类算法

参考：西瓜书，ysu老师课件【摘要】1.分类算法：分类算法的内容是根据给定特征，求出它所属类别。2.先验概率：就是根据以往的数据分析所得到的概率。后验概率：是得到信息之后重新加以修正得到的概率。

三三木木七·2024-02-03 13:03

-Helslie·2024-02-03 13:33