机器学习-理论第7页

【go】隐式转换限制

还没入门的大菜狗·2025-03-18 01:18

40岁重启人生学python，今天搞明白了，啥是循环结构？

今天学习了循环结构，其实说心里话，不是太明白，尤其是老师讲了那些高深的理论之后，就更加糊涂了。

飞哥知行录·2025-03-17 23:02

机器学习Pandas_learn3

frompandasimportDataFrameimportnumpypaints={"车名":["奥迪Q5L","哈弗H6","奔驰GLC"],"最低报价":[numpy.nan,9.80,numpy.nan],"最高报价":[49.80,23.10,58.78]}goods_in=DataFrame(paints,index=[1,2,3])print(goods_in)goods_in_n

XW-ABAP·2025-03-17 23:29

机器学习中输入输出Tokens的概念详解

随着深度学习技术的快速发展，大语言模型（LargeLanguageModels,LLMs）已经成为自然语言处理（NLP）领域的一个热点研究方向。这些模型不仅能够生成高质量的文本，还能在多种任务中展现出卓越的表现，比如机器翻译、问答系统、文本摘要等。在大语言模型的工作流程中，Tokens的概念扮演着至关重要的角色。本文将详细介绍大语言模型如何使用Tokens，以及如何计算Tokens的数量。什么是T

爱吃土豆的程序员·2025-03-17 21:17

Pytorch Dataloader入门

torch/utils/data/dataloader.py#L71PytorchDatasettutorial:tutorials/beginner/basics/data_tutorial.html理论

gy-7·2025-03-17 21:16

【sklearn 01】人工智能概述

一、人工智能，机器学习，深度学习人工智能指由人类制造出的具有智能的机器。

@金色海岸·2025-03-17 20:41

ubuntu20.04

Indexof/ubuntu-releases/20.04/|清华大学开源软件镜像站|TsinghuaOpenSourceMirrorIntroduction·Autolabor-ROS机器人入门课程《ROS理论与实践

sanzk·2025-03-17 20:08

【AI】使用Python实现机器学习小项目教程

引言在本教程中，我们将带领您使用Python编程语言实现一个经典的机器学习项目——鸢尾花（Iris）分类。通过这个项目，您将掌握机器学习的基本流程，包括数据加载、预处理、模型训练、评估和优化等步骤。

丶2136·2025-03-17 18:21

spring security学习入门指引

学习SpringSecurity可以从以下几个方面逐步深入，结合理论与实践，以下是具体的学习路径建议：1.基础准备•熟悉Spring框架：先掌握SpringCore、SpringMVC和SpringBoot

LCY133·2025-03-17 18:21

无人机学习入门

学习理论知识空域与航空法律法规、安全教育无人机基础（在mooc平台和智慧职教平台上很多课程，当然B站也很多，自学基础内容）目录大概如下：1）无人机的历史2）无人机分类3）无人机系统组成（直升机、多旋翼、

一颗微竹·2025-03-17 17:19

AI人工智能中的概率论与统计学原理与Python实战：Python实现概率模型

概率论与统计学是人工智能中的基础知识之一，它们在机器学习、深度学习、自然语言处理等领域都有着重要的作用。

AI天才研究院·2025-03-17 17:46

技术解析麦萌短剧《月光下的你》：从「时间序列的对抗扰动」到「加密身份的收敛证明」

《月光下的你》以十六年的时间跨度展开一场关于「数据污染」与「身份验证」的深度博弈，本文将用机器学习视角拆解这场跨越时空的模型纠偏实验。

萌萌短剧·2025-03-17 16:43

机器学习 [白板推导]（三）[线性分类]

4.线性分类4.1.线性分类的典型模型硬分类：输出结果只有0或1这种离散结果；感知机线性判别分析Fisher软分类：会输出0-1之间的值作为各个类别的概率；概率生成模型：高斯判别分析GDA、朴素贝叶斯，主要建模的是p(x⃗,y)p(\vec{x},y)p(x,y)概率判别模型：逻辑回归，主要建模的是p(y∣x⃗)p(y|\vec{x})p(y∣x)4.2.感知机4.2.1.基本模型模型：f(x

神齐的小马·2025-03-17 15:31

Ollama 基本概念

Ollama是一个本地化的、支持多种自然语言处理（NLP）任务的机器学习框架，专注于模型加载、推理和生成任务。通过Ollama，用户能够方便地与本地部署的大型预训练模型进行交互。

Mr_One_Zhang·2025-03-17 13:47

基于发明的电容电感的新型热力梯度耦合电容电感lc谐振储能可行性

以下是详细分析：1.设计原理与理论模型（1）结构示意图[高温区]┌───────────────┐│电容层（C层）│→温度梯度ΔT├───────────────┤│热-电耦合层│→热传导/电磁耦合├─

热爱电气·2025-03-17 13:47

人工智能直通车系列24【机器学习基础】（机器学习模型评估指标（回归））

目录机器学习模型评估指标（回归）1.均方误差（MeanSquaredError,MSE）2.均方根误差（RootMeanSquaredError,RMSE）3.平均绝对误差（MeanAbsoluteError

浪九天·2025-03-17 11:08

从零开始学机器学习——构建一个推荐web应用

我们此次的学习重点在于机器学习本身，因此我们

努力的小雨·2025-03-17 11:04

Python自动化炒股：利用XGBoost和LightGBM进行股票市场预测的实战案例

Python以其强大的数据处理能力和丰富的机器学习库，成为了实现这些模型的首选语言。本文将带你了解如何使用XGBoost和LightGBM这两个流行的机器学习算法来

云策量化·2025-03-17 10:29

AI大模型学习路线：从入门到精通的完整指南【2025最新】

一、基础阶段：构建知识体系数学与理论基础线性代数：矩阵运算、特征值与奇异值分解是大模型参数优化的基础

AI大模型-大飞·2025-03-17 10:27

【sklearn 04】DNN、CNN、RNN

DNNDNN（DeepNeuralNetworks，深度神经网络）是一种相对浅层机器学习模型具有更多参数，需要更多数据进行训练的机器学习算法CNNCNN（convolutionalNeuralNetworks

@金色海岸·2025-03-17 09:24

【sklearn 02】监督学习、非监督下学习、强化学习

监督学习、非监督学习、强化学习**机器学习通常分为无监督学习、监督学习和强化学习三类。

@金色海岸·2025-03-17 09:54

从LLM出发：由浅入深探索AI开发的全流程与简单实践（全文3w字）

文章目录第一部分：AI开发的背景与历史1.1人工智能的起源与发展1.2神经网络与深度学习的崛起1.3Transformer架构与LLM的兴起1.4当前AI开发的现状与趋势第二部分：AI开发的核心技术2.1机器学习

码事漫谈·2025-03-17 09:48

P=NP问题

P=NP是什么难题P=NP问题是计算机科学和数学领域中一个著名的未解难题，涉及计算复杂性理论的核心内容。

太翌修仙笔录·2025-03-17 09:48

精选AI大模型读物：《从ChatGPT到AIGC：智能创作与应用赋能》——探索智能时代的创作力量

本书从ChatGPT入手，以AIGC为中心，对AIGC的理论知识、应用场景、未来发展等内容进行了全面的梳理。

AGI大模型老王·2025-03-17 08:14

案例驱动的 IT 团队管理：创新与突破之路：第一章重构 IT 团队管理：从传统到创新-1.1.1技术迭代加速与人才断层

1.1.1技术迭代加速与人才断层1.技术迭代加速的现状与影响1.1技术迭代速度的`量化分析`2.人才断层的核心表现2.1供需失衡的数据对比2.2人才断层的具体表现3.传统管理模式的失效分析3.1经典管理理论的局限性

言析数智·2025-03-17 08:12

纳米尺度仿真软件：Quantum Espresso_（20）.机器学习在QuantumEspresso中的应用

机器学习在QuantumEspresso中的应用在现代材料科学和纳米技术的研究中，机器学习（ML）技术已经成为一种强大的工具，用于加速和优化量子力学计算。

kkchenjj·2025-03-17 08:11

java实现卷积神经网络CNN（附带源码）

Java实现卷积神经网络（CNN）项目详解目录项目概述1.1项目背景与意义1.2什么是卷积神经网络（CNN）1.3卷积神经网络的应用场景相关知识与理论基础2.1神经网络与深度学习概述2.2卷积操作与卷积层原理

Katie。·2025-03-17 07:38

k8s系统学习路径

学习Kubernetes（K8s）需要循序渐进，结合理论知识和实践操作。

LCY133·2025-03-17 06:58

82.HarmonyOS NEXT 性能优化指南：从理论到实践

HarmonyOSNEXT性能优化指南：从理论到实践1.性能优化概述1.1性能指标指标类型关键指标目标值启动时间首屏渲染=[];privatepageSize:number=20;//2.使用虚拟列表build

·2025-03-17 06:50

新手村：数据预处理-异常值检测方法

机器学习中异常值检测方法一、前置条件知识领域要求编程基础Python基础（变量、循环、函数）、JupyterNotebook或PyCharm使用。

嘉羽很烦·2025-03-17 05:20

新手村：数据预处理-特征缩放

新手村：数据预处理-特征缩放特征缩放（FeatureScaling）是数据预处理中的一个重要步骤，特别是在应用某些机器学习算法时。

嘉羽很烦·2025-03-17 05:20

Web3.0 从入门到实战：一站式开发指南

本文精心打造了一套从理论基石铺陈，到实战项目落地的Web3.

七七知享·2025-03-17 05:48

MCP（Model Context Protocol）模型上下文协议理论篇1 - 架构

核心架构理解MCP如何连接客户端、服务器和LLM模型上下文协议(MCP)建立在灵活、可扩展的架构之上，能够实现LLM应用程序和集成之间的无缝通信。本文档涵盖了核心架构组件和概念。概述MCP采用客户端-服务器架构，其中：主机(Hosts)是发起连接的LLM应用程序（例如DesktopApp或IDE）。客户端(Clients)在主机应用程序内部与服务器保持1对1的连接。服务器(Servers)为客户端

AIQL·2025-03-17 05:47

过拟合：机器学习中的“死记硬背”陷阱

在机器学习中，过拟合（Overfitting）是一个几乎每个从业者都会遇到的经典问题。它像一把双刃剑：当模型过于“聪明”时，可能会陷入对训练数据的过度依赖，从而失去处理新问题的能力。

彩旗工作室·2025-03-17 05:44

PyTorch从入门到精通：探索深度学习新境界

本文将带领您从张量操作基础开始，逐步探索GPU加速、动态图机制、框架生态集成等高级主题，最终实现理论与实战的双重突破。一、PyTorch核心基础构建1.

lmtealily·2025-03-17 04:36

【Python】已解决：pip安装第三方模块（库）与PyCharm中不同步的问题（PyCharm添加本地python解释器）

不定期更新IT图书，并在评论区抽取随机粉丝，书籍免费包邮到家AI前沿点我跳转探讨人工智能技术领域的最新发展和创新，涵盖机器学习、深度学习、自然

屿小夏·2025-03-17 03:02

如何在github上参与开源项目

2.找到感兴趣的项目GitHub上有成千上万的开源项目，你可以通过以下方式找到感兴趣的项目：搜索项目：在GitHub首页的搜索框中输入关键词，例如“机器学习”、“Web开发”等。

这个懒人·2025-03-17 03:00

【AI大模型智能应用】Deepseek生成测试用例

DeepSeek基于人工智能和机器学习，它能够依据软件的需求和设计文档，自动生成高质量的测试用例，显著减轻人工编写测试用例的负担。

柳柳的博客·2025-03-17 02:51

Python依赖管理工具分析

缺乏从一开始就进行统一规划和设计的意识社区的分散性：Python社区庞大且分散，众多开发者和团队各自为政，根据自己的需求和偏好开发工具，缺乏统一的协调和整合机制多样化的使用场景：Python应用场景广泛，从Web开发到数据科学、机器学习

xdpcxq1029·2025-03-17 01:19

算法篇——二分查找

二分查找：从理论到实践前言今天无聊，决定在CSDN上发布我的第一篇文章，与大家分享一下二分查找算法。

古月方源1.0版·2025-03-17 00:06

DeepSeek：技术教育领域的AI变革者——从理论到实践的全面解析

一、技术教育为何需要DeepSeek？在数字化转型的浪潮下，技术教育面临着知识更新快、实践门槛高、个性化需求强三大核心挑战。传统的教学模式难以满足开发者快速掌握前沿技术、构建复杂系统能力的需求。DeepSeek作为国产开源大模型的代表，凭借其推理能力、多模态支持与低成本部署的特性，正在为技术教育带来突破性解决方案。二、DeepSeek赋能技术教育的核心技术优势1.推理能力驱动深度学习思维链（CoT

量子纠缠BUG·2025-03-16 23:03

【人工智能基础2】机器学习、深度学习总结

文章目录一、人工智能关键技术二、机器学习基础1.监督、无监督、半监督学习2.损失函数：四种损失函数3.泛化与交叉验证4.过拟合与欠拟合5.正则化6.支持向量机三、深度学习基础1、概念与原理2、学习方式3

roman_日积跬步-终至千里·2025-03-16 23:02

Python精进系列： K-Means 聚类算法调用库函数和手动实现对比分析

一、引言在机器学习领域，聚类分析是一种重要的无监督学习方法，用于将数据集中的样本划分为不同的组或簇，使得同一簇内的样本具有较高的相似性，而不同簇之间的样本具有较大的差异性。

进一步有进一步的欢喜·2025-03-16 21:15

（一）响应式编程理论

小编大学毕业后面试的第一家公司问我会响应式吗，我当时觉得好陌生呀，完全没有听说过的名词，还在那里胡编乱造说一堆，但是也不是完全没有沾边，提到了Java8的新特性，现在想想也是印象很深，但好在成功拿到offer,入职后我就很努力的恶补很多相关知识，现在纯纯就是干货拿来分享，让你少走弯路。在了解响应式编程之后，发现响应式编程在行业内还没有普及，因为这对程序员有比较高的要求，不比传统编程好调试，但是当我

糖心何包蛋爱编程·2025-03-16 20:10

MySQL理论八股的学习记录

什么是MySQLMySQL是一种关系型数据管理系统数据库三大范式是什么？第一范式（1NF）：要求数据库表的每一列都是不可分割的原子数据项。第二范式（2NF）：在1NF的基础上，非码属性必须完全依赖于候选码（在1NF基础上消除非主属性对主码的部分函数依赖）第二范式需要确保数据库表中的每一列都和主键相关，而不能只与主键的某一部分相关（主要针对联合主键而言）。第三范式（3NF）：在2NF基础上，任何非主

不吃元西·2025-03-16 20:08

Java程序开发之分布式事务终极方案：Seata原理与实战

一、分布式事务挑战与Seata定位1.CAP理论下的事务困境场景一致性要求可用性要求典型方案支付交易强一致性中等SeataAT/TCC订单创建最终一致高消息事务+Saga库存扣减强一致性高TCC+重试补偿

微风不留尘·2025-03-16 19:07

新手村：线性回归-实战-波士顿房价预测

新手村：线性回归-实战-波士顿房价预测前置条件阅读：新手村：线性回归了解相关概念实验目的1.熟悉机器学习的一般流程2.掌握基础的数据处理方法3.理解常用的回归算法教学例子：预测房价（以波士顿房价数据集为例

嘉羽很烦·2025-03-16 18:28

计算机视觉入门

1.基础知识储备数学基础：线性代数、概率论和数理统计、微积分、优化理论。编程语言：掌握至少一门编程语言，Python是目前在计算机视觉领域最流行的语言，其次是C++。2.计算机视觉基础数字

109702008·2025-03-16 18:58

【解锁机器学习：探寻数学基石】

机器学习中的数学基础探秘在当今数字化时代，机器学习无疑是最具影响力和发展潜力的技术领域之一。

游戏乐趣·2025-03-16 17:23

推荐频道

机器学习-理论