机器学习读书笔记第12页

决策树ID3算法

决策树决策树概念决策树，一种基于规则的机器学习方法，主要用于分类和回归，常用作机器学习中的预测模型。

小波LFZZB·2025-02-02 18:15

监督学习、无监督学习和强化学习的特点和应用场景

在机器学习中，监督学习、无监督学习和强化学习是三种核心的学习范式，它们各自具有独特的特点和应用场景。

BugNest·2025-02-02 16:03

python（scikit-learn）实现k均值聚类算法

k均值聚类算法原理详解示例为链接中的例题直接调用python机器学习的库scikit-learn中k均值算法的相关方法fromsklearn.clusterimportKMeansimportnumpyasnpimportmatplotlib.pyplotaspltx

嘿哈哈哈哈哈哈·2025-02-02 15:57

Scikit-Learn K均值聚类

K-Means在机器学习知识结构中的位置如下：1.1、K均值

对许·2025-02-02 14:54

数据挖掘常用算法优缺点分析

领取机器学习视频教程：http://www.admin444.com/P-c8129a48常用的机器学习、数据挖掘方法有分类，回归，聚类，推荐，图像识别等。

天波烟客00·2025-02-02 14:52

【机器学习与数据挖掘实战】案例11：基于灰色预测和SVR的企业所得税预测分析

【作者主页】FrancekChen【专栏介绍】⌈⌈⌈机器学习与数据挖掘实战⌋⌋⌋机器学习是人工智能的一个分支，专注于让计算机系统通过数据学习和改进。

Francek Chen·2025-02-02 14:20

Scikit-learn提供了哪些机器学习算法以及如何使用Scikit-learn进行模型训练和评估

Scikit-learn库的使用一、Scikit-learn提供的机器学习算法Scikit-learn（通常简称为sklearn）是一个广泛使用的Python机器学习库，它提供了多种用于数据挖掘和数据分析的算法

Java资深爱好者·2025-02-02 14:20

数据挖掘常用算法

文章目录基于机器学习~~线性/逻辑回归~~树模型~~贝叶斯~~~~聚类~~集成算法神经网络~~支持向量机~~~~降维算法~~基于机器学习线性/逻辑回归类似单层神经网络y=k*x+b树模型优点可以做可视化分析速度快结果稳定依赖前期对业务和数据的理解贝叶斯贝叶斯依赖先验概率

kaiyuanheshang·2025-02-02 13:49

因果关系推断与机器学习

机器学习模型是强大的

hhhh106·2025-02-02 13:15

【中科院1区】Matlab实现黏菌优化算法SMA-RF锂电池健康状态估计算法研究

matlab科研助手·2025-02-02 13:44

【深度学习】因果推断与机器学习的高级实践数学建模_问题根因分析机器学习

现阶段深度学习有三大特征：数据驱动：即数据训练，将数据输入到模型中进行训练；关联学习：模型基于给定训练数据集，进行关联学习；概率输出：即最后的输出，判断这个图片有“狗“的概率是多少。以数据驱动、关联学习、概率输出为特征的深度学习存在什么问题呢？以一个简单的图片识别问题为例：识别一张图片中是否有狗。在很多预测问题中，我们拿到的数据集往往都是有偏的，比如我们拿到的数据中有80%的图片中狗都在草地上，这

2401_84239830·2025-02-02 13:41

因果推断与机器学习—因果推断入门（1）

在机器学习被广泛应用于对人类产生巨大影响的场景（如社交网络、电商、搜索引擎等）的今天，因果推断的重要性开始在机器学习社区的论文和演讲中被不断提及。

樱花的浪漫·2025-02-02 13:10

人工智能在药物研发中的应用 - 从靶点发现和化合物筛选：利用AI深度学习技术加速药物研发流程

文章概述了AI在药物靶点识别、化合物筛选、药物设计优化等方面的应用，并详细介绍了机器学习和深度学习的基本原理。通过一个实操案例，展示了如何利用AI技术对化合物数据进行分析，预测潜在的药物候选物。

AI_DL_CODE·2025-02-02 10:50

PyTorch 官方文档中文版本

文档来源https://pytorch.cadn.net.cn大多数机器学习工作流都涉及处理数据、创建模型、优化模型参数，并保存经过训练的模型。

圣心·2025-02-02 10:49

深度学习基因组学+机器学习单细胞分析，当下最火热研究方向！

深度学习已经被广泛应用于基因组学研究中，利用已知的训练集对数据的类型和应答结果进行预测，深度学习，可以进行预测和降维分析。深度学习模型的能力更强且更灵活，在适当的训练数据下，深度学习可以在较少人工参与的情况下自动学习特征和规律。调控基因组学，变异检测，致病性评分成功应用。深度学习可以提高基因组数据的可解释性，并将基因组数据转化为可操作的临床信息。深度学习通过强大的深度神经网络模型从高维大数据中自动

qwmb919·2025-02-02 07:25

《深入浅出HTTPS》读书笔记（7）：安全的密码学Hash算法

密码学Hash算法除了常规Hash算法的特性，还应该具备下面三个特性。1）强抗碰撞性（CollisionResistance）如果两个不相同的值能够得到同样的摘要值，表示产生了Hash碰撞。密码学中，Hash算法必须具备强抗碰撞性，否则不应该使用。2）弱抗碰撞性（Secondpre-imageResistance）给定一个消息和这个消息对应的摘要值，很难找到一条不同的消息也具有相同的摘要值。如果某

earthzhang2021·2025-02-02 06:24

《深入浅出HTTPS》读书笔记（5）：随机数

密码学中随机数的用途非常大，其他密码学算法内部都会用到随机数。1）效率在软件或者密码学应用中需要大量的随机数，必须在很短的时间内生成随机数。2）随机性生成的随机数只要不存在统计学偏差，那么这个随机数就具备随机性（randomness）。3）不可预测性密码学中的随机数必须具备不可预测性，否则就会存在安全问题，当然非密码学应用使用具备随机性的随机数就足够了。4）不可重现性所谓不可重现性（unrepea

earthzhang2021·2025-02-02 06:23

＜深入浅出图神经网络＞读书笔记

文章目录笔记GNN代码chapter5|GCN分析TODO改代码得到的结论chapter6|GraphSage分析TODO去今年刚出就买了.一查豆瓣评分比我想的还低(我这种小白都能看出一些错误),有1说1对于入门还是可以的,至少能知道GNN大概的发展路线,如图卷积→\rightarrow→GCN→\rightarrow→GNN等.如果小白直接上手GNN啥的,连图滤波,空域频域等概念都不知道,也只能

数学工具构造器·2025-02-02 06:22

《深入浅出HTTPS》读书笔记（31）：HTTPS和TLS/SSL

《深入浅出HTTPS》读书笔记（31）：HTTPS和TLS/SSLTLS/SSL协议和应用层协议无关，它只是加密应用层协议（比如HTTP）并传递给下层的TCP。

earthzhang2021·2025-02-02 06:51

深度学习之线性代数

深度学习之线性代数标量如果你从来没有学过线性代数或机器学习，那么你过去的数学经历可能是一次只想一个数字。

ousinka·2025-02-02 06:21

深度学习的应用场景及常用技术

深度学习作为机器学习的一个重要分支，在众多领域都有广泛的应用，以下是一些主要的应用场景及常用技术。1.应用场景1.计算机视觉图像分类描述：对图像中的内容进行分类，识别出图像中物体所属的类别。

eso1983·2025-02-02 06:19

深入解析：Python中的决策树与随机森林

在这个数据驱动的时代，机器学习技术已经成为许多企业和研究机构不可或缺的一部分。其中，决策树和随机森林作为两种强大的算法，在分类和回归任务中表现尤为出色。

小鹿( ﹡ˆoˆ﹡ )·2025-02-02 04:06

《DirectX 12 3D游戏开发实战》读书笔记1：数学基础

文章目录学习内容内容关于浮点类型误差解决方案参数与D3D数据结构向量类型XMVECTOR与XMFLOATn：XMVECTOR与XMFLOATn的相互转化：取得某个分量或者将某个分量转换为XMVECTOR类型：参数向量特点：表示方法：运算求模：单位化(规范化、标准化等同义)：正交化：加(减)法：乘法：其他函数杂项点常向量矩阵矩阵的传参矩阵的初始化XMMATRIX和XMFLOAT4X4的转换运算矩阵的

tikris·2025-02-02 01:23

大语言模型丨ChatGPT-4o深度科研应用、论文与项目撰写、数据分析、机器学习、深度学习及AI绘图（BP神经网络、支持向量机、决策树、随机森林、变量降维与特征选择、群优化算法等）

赵钰老师·2025-02-02 01:50

吴晓波历代经济变革得失@简明“中国经济史” - 读书笔记

目录《历代经济变革得失》读书笔记一、核心观点二、主要内容（一）导论（二）春秋战国时期（三）汉代（四）北宋（五）明清时期（六）近现代（七）结语三、金句书摘四、阅读感悟《历代经济变革得失》读书笔记一、核心观点本书以中国历史上重要的经济变革为脉络

喝醉酒的小白·2025-02-02 00:14

【python】在【机器学习】与【数据挖掘】中的应用：从基础到【AI大模型】

目录一、Python在数据挖掘中的应用1.1数据预处理数据清洗数据变换数据归一化高级预处理技术1.2特征工程特征选择特征提取特征构造二、Python在机器学习中的应用2.1监督学习分类回归2.2非监督学习聚类降维三

小李很执着·2025-02-01 23:43

Python软体中使用Scikit-learn库训练简单线性回归模型

Python软体中使用Scikit-learn库训练简单线性回归模型1.引言作为数据科学家和机器学习从业者,我们经常需要处理各种类型的数据,并从中提取有价值的信息。

清水白石008·2025-02-01 23:08

超实用的Python机器学习教程 - 基于scikit - learn库

一、机器学习简介机器学习的定义与概念机器学习是一门多领域交叉学科，它涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。简单来说，机器学习是让计算机从数据中学习规律并进行预测或决策的技术。

AI_DL_CODE·2025-02-01 23:38

【python】利用 GridSearchCV 和 SVM 进行学生成绩预测

在机器学习领域，寻找最优模型参数是一个重要的步骤，它直接影响模型的泛化能力和预测准确性。

码银·2025-02-01 22:33

机器学习笔记——特征工程

本笔记介绍机器学习中常见的特征工程方法、正则化方法和简要介绍强化学习。

好评笔记·2025-02-01 21:56

不同物体运动方向的检测-python

适合实时检测背景稳定、低复杂度场景对噪声和阴影敏感深度摄像头三维方向检测，抗背景干扰能力强需要深度信息的场景需要特殊硬件，成本较高惯性传感器不依赖视觉，适用环境广泛设备本体的运动分析精度受传感器噪声影响机器学习能适应复杂非线性场

人工智能专属驿站·2025-02-01 20:49

Learning Vue 读书笔记 Chapter 2

2.Vue基本工作原理2.1VirtualDOM概念：DOM:DOM以内存中树状数据结构的形式，代表了网页上的HTML（或XML）文档内容。它充当了一个编程接口，将网页与实际的编程代码（如JavaScript）连接起来。VirtualDOM是浏览器中实际DOM的内存虚拟副本，但它更轻量且具有额外的功能。VirtualDOM工作原理：通过用户界面交互，用户向Vue传达了他们希望元素达到的状态；随后，

追光少年3322·2025-02-01 19:34

机器学习强基计划7-6：图文详解层次聚类AGNES算法(附Python实现)_agnes聚类算法python代码

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！因此收集整理了一份《2024年最新Python全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课

软件开发Java·2025-02-01 17:18

读书笔记-《你的灯亮着吗？》

这是一本短篇且有趣的书，通过一些小故事讨论了下解决问题时会遇到的困难。01为什么难以定义问题常言道，办法总比问题多，但往往我们在一开始就没有定义好问题：在学校时，校园教育使得我们会紧紧抓住看起来像是“问题”的第一个表述，然后尽快“解决”它，因为在考试中，速度很重要。工作后，我们往往迫于外界环境的压力，在没定义好问题的时候就给出解决方案。例如，在一座金融区的写字大楼，电梯已经不够用了，租户威胁说，如

萝卜青今天也要开心·2025-02-01 17:17

Chrome浏览器删除网站cookies的解决方案

爱编程的喵喵·2025-02-01 15:07

机器学习-期末复习题

给人脸打上标签再让模型进行学习训练的方法，属于()强化学习B.半监督学习C.监督学习D.无监督学习在机器学习中，用计算机处理一副图像，维度是：上万维B.二维C.三维D.一维‎以下关于降维的说法不正确的是

泡椒鸡jo·2025-02-01 15:32

【机器学习】自定义数据集使用paddlepaddle框架实现逻辑回归并保存模型，然后保存模型后再加载模型进行预测

一、使用paddlepaddle框架实现逻辑回归1.数据部分：首先自定义了一个简单的数据集，特征X是100个随机样本，每个样本一个特征，目标值y基于线性关系并添加了噪声。将numpy数转换为Paddlepaddle张量，方便后续在模型中使用。2.模型定义部分：方案1：使用nn.Sequential组网代码解释①数据生成与转换：生成自定义的特征矩阵X和目标值向量y，并添加高斯噪声模拟真实数据。使用p

加德霍克·2025-02-01 14:21

01.双Android容器解决方案

）1.1.3联合文件系统（UnionFileSystem）1.2容器的应用1.2.1微服务架构1.2.2持续集成和持续部署（CI/CD）1.2.3多租户环境1.2.4混合云和多云环境1.2.5大数据和机器学习

高桐@BILL·2025-02-01 13:46

深度学习之核函数

深度学习之核函数在机器学习中，常看到多项式核函数、高斯核函数，那什么叫核函数（KernelFunction，或者KernelTrick）呢？它有什么用呢。

fpcc·2025-02-01 12:38

TDengine 做为 FLINK 数据源技术参考手册

ApacheFlink是一款由Apache软件基金会支持的开源分布式流批一体化处理框架，可用于流处理、批处理、复杂事件处理、实时数据仓库构建及为机器学习提供实时数据支持等诸多大数据处理场景。

TDengine （老段）·2025-02-01 11:02

我的创作纪念日

在机器学习领域、统计方法上学到了许多东西。认识了来自五湖四海的朋友，有10年数分的大佬，还有许多在校学生。日常在准备考研、工作的情况下，争取保证周更。先把工作弄完，抽空学习考研的内

蓝皮怪·2025-02-01 10:26

聊聊AI中的“蒸馏”技术

一、什么是“蒸馏”技术“蒸馏”技术实际上是指知识蒸馏（KnowledgeDistillation），这是一种用于压缩和优化大模型的机器学习方法。

自由鬼·2025-02-01 09:15

WSL开发环境配置（linux + python + nodejs + docker）

配置要求及目标总体目标：完整的Linux开发环境可开发基于node.js的前端程序可开发基于python的后端程序（仅日常程序，不包含机器学习程序）可运行docker容器，用于快速搭建测试环境Linux

Lilixxs·2025-02-01 09:11

在亚马逊云科技上通过LangChain ReAct Agent开发金融多模态数据AI分析中台

本次介绍的是如何在亚马逊云科技机器学习托管服务AmazonSageMaker上搭建一个多模态LangChainAgent，通过ReAct逻辑让Agent通过AmazonBedrockAI模型托管服务上的大模型

佛州小李哥·2025-02-01 08:39

【Python TensorFlow】入门到精通

TensorFlow是一个开源的机器学习框架，由Google开发，广泛应用于机器学习和深度学习领域。

极客代码·2025-02-01 06:49

Python 机器学习基础之【常用机器学习库】 NumPy 数值计算库

Python机器学习基础之【常用机器学习库】NumPy数值计算库目录Python机器学习基础之【常用机器学习库】NumPy数值计算库一、简单介绍二、Numpy基础1、安装NumPy2、导入NumPy3、

仙魁XAN·2025-02-01 05:17

通过命令行工作流提升工作效率的实战教程（持续更新）

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·2025-02-01 05:37

深度学习（DL/ML）学习路径

其中以机器学习技术中深度学习最受瞩目。主要原因是这些技术在科研领域和工业界的应用效果非常好，大幅提升了算法效率、降低了成本。因而市场对相关技术有了如此大的需求。

jackl的科研日常·2025-02-01 04:00

细说机器学习算法之ROC曲线用于模型评估

系列文章目录第一章：Pyhton机器学习算法之KNN第二章：Pyhton机器学习算法之K—Means第三章：Pyhton机器学习算法之随机森林第四章：Pyhton机器学习算法之线性回归第五章：Pyhton

Melancholy 啊·2025-02-01 01:40

深入剖析 Scikit-learn 中的 LogisticRegression：参数调优指南

LogisticRegression是一种广泛应用于二分类问题的机器学习算法。在scikit-learn库中，LogisticRegression类提供了一个高效且易于使用的实现。

夜色呦·2025-02-01 01:07

推荐频道

机器学习读书笔记