机器学习-集成学习

机器学习--损失函数

损失函数（LossFunction），也称为代价函数（CostFunction）或误差函数（ErrorFunction），是机器学习和统计学中的一个重要概念。它用于量化模型预测值与真实值之间的差异。
AI自修室·2025-05-17 12:39

机器学习06-RNN

RNN（循环神经网络）学习笔记一、RNN概述循环神经网络（RecurrentNeuralNetwork，RNN）是一类以序列数据为输入，在序列的演进方向进行递归且所有节点（循环单元）按链式连接的递归神经网络。与传统神经网络不同，RNN具有记忆功能，能够对序列信息进行建模，适用于处理自然语言处理、时间序列预测等具有时间依赖关系的数据。二、RNN的基本结构RNN的基本单元是循环神经元，其结构包含输入门
吹风看太阳·2025-05-17 12:04

机器学习07-归一化与标准化

归一化与标准化一、基本概念归一化（Normalization）定义：将数据缩放到一个固定的区间，通常是[0,1]或[-1,1]，以消除不同特征之间的量纲影响和数值范围差异。公式：对于数据(x)，归一化后的值(x’)为[x’=\frac{x-\min(x)}{\max(x)-\min(x)}]其中，(\min(x))和(\max(x))分别是该特征列的最小值和最大值。作用：使不同特征的数据处于同一量
吹风看太阳·2025-05-17 12:04

基于Python训练完成的机器学习模型如何封装成桌面应用

确保机器学习模型已经训练完成并且能够在本地环境中正确运行。Python有多种GUI库可供选择，如Tkinter、PyQt5、Kivy等。
ChaseDreamRunner·2025-05-17 11:33

Python机器学习笔记（二十五、算法链与管道）

对于许多机器学习算法，特定数据表示非常重要。首先对数据进行缩放，然后手动合并特征，再利用无监督机器学习来学习特征。
FreedomLeo1·2025-05-17 11:57

【学习笔记】 陈强-机器学习-Python-Ch11 决策树（Decision Tree）

系列文章目录监督学习：参数方法【学习笔记】陈强-机器学习-Python-Ch4线性回归【学习笔记】陈强-机器学习-Python-Ch5逻辑回归【课后题练习】陈强-机器学习-Python-Ch5逻辑回归（
赛博机器喵·2025-05-17 11:27

Python机器学习笔记（二十三 模型评估与改进-网格搜索）

上一次学习了评估一个模型的泛化能力，现在继续学习通过调参来提升模型的泛化性能。scikit-learn中许多算法的参数设置，在尝试调参之前，重要的是要理解参数的含义。找到一个模型的重要参数（提供最佳泛化性能的参数）的取值是一项棘手的任务，但对于几乎所有模型和数据集来说都是必要的。scikit-learn中有一些标准方法可以帮我们完成调参。最常用的方法就是网格搜索（gridsearch），它主要是指
FreedomLeo1·2025-05-17 10:56

约束学习：用规则约束，引导模型优化方向

约束学习：用规则约束，引导模型优化方向作者：禅与计算机程序设计艺术1.背景介绍1.1人工智能与机器学习的局限性近年来，人工智能（AI）和机器学习（ML）取得了令人瞩目的成就，尤其是在计算机视觉、自然语言处理等领域
AI天才研究院·2025-05-17 09:49

【python机器学习】Day 25 异常处理

知识点：异常处理机制debug过程中的各类报错try-except机制try-except-else-finally机制在即将进入深度学习专题学习前，我们最后差缺补漏，把一些常见且重要的知识点给他们补上，加深对代码和流程的理解。借助ai写代码的时候，经常会遇到try-except的异常处理模块，这是因为大部分大模型在后训练阶段都是经过强化学习训练的，为了确保结果的正确运行，只有采取try-exce
抽风的雨610·2025-05-17 09:44

机器学习流程—特征工程

机器学习流程—特征工程基本上，所有机器学习算法都是将一些输入数据转化为输出。这些输入数据包括若干特征，通常是以由列组成的表格形式出现。而算法往往要求输入具有某些特性的特征才能正常工作。
不二人生·2025-05-17 08:11

机器学习任务的常用评估指标

不同的机器学习任务（如回归、分类、聚类等）有不同的常用评估指标，以下为你详细介绍：回归任务评估指标1.平均绝对误差（MeanAbsoluteError，MAE）定义：预测值与真实值之间绝对误差的平均值。
赛卡·2025-05-17 06:29

从零开始：经典数据集带你掌握ML/DL全流程

机器学习常用数据集大全：从回归到文本分类的实战指南背景知识在机器学习实践中，数据集是算法验证和模型训练的基础。根据任务类型选择合适的数据集不仅能提高开发效率，还能确保模型评估的客观性。
赛卡·2025-05-17 06:29

数学建模之入门篇

初步建模选择模型二、进阶熟练掌握1.数学模型线性规划图与网络模型及方法插值与拟合灰色预测动态规划层次分析法AHP整数规划目标规划模型偏最小二乘回归微分方程模型博弈论/对策论排队论模型存储论模糊数学模型2.统计模型3.机器学习
沐硕·2025-05-17 05:51

Python NumPy常用函数详解：从入门到实战（附代码示例）

NumPy（NumericalPython）是Python科学计算的核心库，广泛应用于数据分析、机器学习、图像处理等领域。
重生之我要成为PJ大神·2025-05-17 05:51

第31节：迁移学习概念

1.迁移学习的概念与定义迁移学习（TransferLearning）是机器学习领域的一个重要分支它指的是将一个领域（称为源领域）已经学习到的知识或模式，应用到另一个不同但相关的领域（称为目标领域）中的过程
点我头像干啥·2025-05-16 23:15

机器学习 --- kNN算法

第1关：实现kNN算法#encoding=utf8importnumpyasnpclasskNNClassifier(object):def__init__(self,k):'''初始化函数:paramk:kNN算法中的k'''self.k=k#用来存放训练数据，类型为ndarrayself.train_feature=None#用来存放训练标签，类型为ndarrayself.train_labe
*Crystal·2025-05-16 23:13

机器学习——随机森林（Random Forest）

描绘可视化混淆矩阵3.数据预处理4.模型训练5.绘制混淆矩阵并打印评分报告6.绘制特征排名四、总结前面一节我们学习了一种简单高效的算法——决策树学习算法（DecisionTree），下面来介绍一种基于决策树的集成学习算法
知舟不叙·2025-05-16 22:41

数据预处理全流程：从创建数据集到 PyTorch 张量的完整实践

在机器学习和深度学习任务中，数据预处理是至关重要的第一步。本文通过一个完整的示例，演示如何创建包含缺失值的数据集、处理不同类型的缺失值，并将数据转换为PyTorch张量，为后续模型训练奠定基础。
wwangxubin·2025-05-16 21:02

机器学习（周志华西瓜书）

第一章绪论1.机器学习（machineLearning）：致力于研究如何通过计算的手段，利用经验来改善系统自身性能；学习算法（learningalgorithm）：关于在计算机上从数据中产生“模型”（model
华华不在·2025-05-16 21:59

大模型零基础入门到精通，大模型零基础教程（非常详细），收藏这一篇就够！

什么是大模型大模型，是指在人工智能领域，特别实在自然语言处理和机器学习中，拥有大量参数的深度学习模型。
程序员辣条·2025-05-16 21:58

Python机器学习实战：掌握NumPy的高效数据操作

NumPy,Python,机器学习,数据操作,数组,向量,矩阵,线性代数,科学计算1.背景介绍在机器学习领域，数据是至关重要的资源。高效、准确地处理和操作数据是机器学习模型训练和应用的基础。
AI智能应用·2025-05-16 21:28

基于Java的智能家居设计：通过Java提升智能家居系统的可靠性

基于Java的智能家居设计：通过Java提升智能家居系统的可靠性关键词：智能家居设计,Java编程语言,可靠性,大数据,机器学习,家居自动化,系统架构1.背景介绍随着物联网技术的迅猛发展，智能家居系统已经成为现代家庭生活中不可或缺的一部分
AI大模型应用实战·2025-05-16 21:56

西瓜书【机器学习（周志华）】目录

第一部分：基础概念机器学习概述1.1人工智能与机器学习1.2机器学习分类1.3机器学习应用1.4机器学习常用术语解释模型的评估与选择2.1经验误差与过拟合2.2评估方法2.3性能度量2.4偏差与方差第二部分
随机森林404·2025-05-16 21:25

登 Nature 子刊，俄罗斯研究团队基于机器学习实现万亿级质谱数据搜索，发现未知化学反应

质谱分析（MassSpectrometry,MS）是现代化学研究的核心技术之一。通过测量分子离子的质荷比（m/z），质谱能够提供化合物的分子式、结构甚至反应机理的关键信息。高分辨率质谱（High-ResolutionMassSpectrometry,HRMS）的出现，更是将分析精度提升至百万分之一（ppm）级别，成为有机合成、金属催化、药物开发等领域的「黄金标准」。然而，随着仪器自动化程度的提高，
·2025-05-16 20:31

python打卡day23

管道pipeline知识回顾:转化器和估计器的概念管道工程ColumnTransformer和Pipeline类作业：整理下全部逻辑的先后顺序，看看能不能制作出适合所有机器学习的通用pipelinepipeline
(・Д・)ノ·2025-05-16 20:19

机器学习第十四讲：线性回归 → 画最佳趋势线预测明日气温

机器学习第十四讲：线性回归→画最佳趋势线预测明日气温资料取自《零基础学机器学习》。
·2025-05-16 16:59

前馈神经网络回归(ANN Regression)从原理到实战

前馈神经网络回归(ANNRegression)从原理到实战一、回归问题与前馈神经网络的适配性分析在机器学习领域，回归任务旨在建立输入特征与连续型输出变量之间的映射关系。
梁下轻语的秋缘·2025-05-16 16:49

Milvus向量数据库的简介以及用途

它可以高效地支持各种数据科学和机器学习应用，特别是在涉及到大规模相似度搜索和推荐系统等领域。以下是Milvus的简介以及它的主要用途。
听说唐僧不吃肉·2025-05-16 15:41

【高斯拟合】不用库手写高斯拟合算法：从最小二乘到拟合参数推导

高斯分布（正态分布）是科学计算和机器学习中最常见的函数之一，拟合一组数据为高斯曲线在信号处理、统计建模、图像处理中都有广泛应用。市面上很多工具包（如NumPy、SciPy）都可以快速进行高斯拟合。
白码思·2025-05-16 14:04

人工智能、深度学习、机器学习的联系与区别

机器学习（ML-Mach
AI方案2025·2025-05-16 13:29

人工智能数学基础：线性代数和概率论在AI中的应用

人工智能数学基础：线性代数和概率论在AI中的应用关键词：人工智能、线性代数、概率论、机器学习、深度学习摘要：本文深入探讨了线性代数和概率论这两门数学基础学科在人工智能领域的重要应用。
AI天才研究院·2025-05-16 12:25

吴恩达机器学习笔记：特征与多项式回归

1.特征和多项式回归如房价预测问题，ℎθ(x)=θ0+θ1×frontage+θ2×deptℎx1=frontage（临街宽度），x2=deptℎ（纵向深度），x=frontage∗deptℎ=area（面积），则：hθ(x)=θ0+θ1xh_\theta(x)=\theta_0+\theta_1xhθ(x)=θ0+θ1x线性回归并不适用于所有数据，有时我们需要曲线来适应我们的数据，比如一个二次方
ちゆきー·2025-05-16 12:54

【头歌】机器学习——Pandas 初体验

第1关：了解数据处理对象--Series#-*-coding:utf-8-*-frompandasimportSeries,DataFrameimportpandasaspddefcreate_series():'''返回值:series_a:一个Series类型数据series_b:一个Series类型数据dict_a：一个字典类型数据'''#请在此添加代码完成本关任务#**********Be
爱穿 背带裤·2025-05-16 12:24

机器学习——pandas库使用

DataFrame关于pandas库中DataFrame的使用，DataFrame表示的是一个有序的表格，DataFrame有自己的行索引和列索引，这与Series不同，Series只有列索引，DataFrame每一列，每一行都可以是不同的数据类型，接下来让我们来看一下DataFrame的使用创建DataFrameimportpandasaspddata=pd.DataFrame([[1,2,3]
joker_shy·2025-05-16 12:53

用Python玩转人工智能——数字识别技术 之一

目录前言一、MNIST数据集初始与导入（一）MNIST数据集（MixedNationalInstituteofStandardsandTechnologydatabase）是一个广泛应用于机器学习中训练和测试的二进制图像数据集
波涛浪子·2025-05-16 12:52

基础数学：线性代数与概率论在AI中的应用

这两门基础数学学科构成了AI算法的基础，理解它们对于深入掌握机器学习和深度学习至关重要。本文将重点探讨线性代数与概率论在AI中的应用，特别是它们如何帮助解决实际问题。
赵青临的辉·2025-05-16 12:21

PyTorch 入门与核心概念详解：从基础到实战问题解决

PyTorch是一个基于Python的开源机器学习框架，由Facebook开发，主要用于构建和训
灏瀚星空·2025-05-16 11:46

【机器学习|学习笔记】基于生成对抗网络的孪生框架（GAN-based Siamese framework，GSF）详解，附代码。

【机器学习|学习笔记】基于生成对抗网络的孪生框架（GAN-basedSiameseframework，GSF）详解，附代码。
努力毕业的小土博^_^·2025-05-16 10:10

可解释性AI 综述《Explainable AI for Industrial Fault Diagnosis: A Systematic Review》

在这一背景下，人工智能（AI）与机器学习（ML）因其强大的数据处理和预测能力，在设备故障检测（FaultDetectionandDiagnosis,FDD）中发挥着日益重要的作用。
Siyu_Zhu·2025-05-16 07:17

测试文章标题01

模型上下文协议（ModelContextProtocol,MCP）深度解析一、MCP的核心概念模型上下文协议（ModelContextProtocol,MCP）是一种用于规范机器学习模型与外部环境交互的标准化框架
杨不易呀·2025-05-16 06:07

VS2022编译OpenCV库(静态库和动态库)

OpenCV是一个基于Apache2.0许可（开源）发行的跨平台计算机视觉和机器学习软件库，可以运行在Linux、Windows、Android和MacOS操作系统上。
QQVQQ...·2025-05-16 06:31

自动化学习与边缘计算融合驱动语音识别模型优化新路径

内容概要当前，自动化机器学习与边缘计算技术的交叉融合正在重塑语音识别模型的研发范式。这一趋势的核心在于通过算法优化与算力下沉的双重路径，解决传统云端集中式训练面临的效率瓶颈与隐私风险。
智能计算研究中心·2025-05-16 05:30

python打卡day23@浙大疏锦行

知识回顾:1.转化器和估计器的概念2.管道工程3.ColumnTransformer和Pipeline类作业：整理下全部逻辑的先后顺序，看看能不能制作出适合所有机器学习的通用pipeline一、导入数据库
风逸hhh·2025-05-16 02:38

Python与MySQL网站排名数据分析及多层感知机MLP、机器学习优化策略和地理可视化应用

原文链接：https://tecdat.cn/?p=42015原文出处：拓端数据部落公众号在数字化商业竞争日益激烈的当下，搜索引擎排名已成为企业在线影响力的核心指标。作为数据科学领域的从业者，我们曾为某企业定制开发「网站排名数据分析与优化系统」，通过整合多源数据构建智能分析框架，助力企业实现搜索引擎表现的系统性提升。本专题内容源自该咨询项目的技术实践，涵盖从数据采集到模型部署的全流程技术方案，重点
·2025-05-15 22:17

计算机专业保研攻略（二）：研究方向与复习规划（必看干货）

人工智能（AI）机器学习（MachineLearning）数据挖掘（DataMining）计算机视觉（ComputerVision）自然语言处理（NaturallanguageProcessing）信息检索
乔卿·2025-05-15 20:21

人工智能|浅谈知识图谱与大语言模型的教育应用

AI的实现通常通过使用各种算法和技术，如机器学习、深度学习、自然语言处理、计算机视觉等。AI的应用领域非常广
Python程序员罗宾·2025-05-15 19:43

机器学习第四讲：无监督学习 → 给无标签积木自由组合，发现隐藏规律

机器学习第四讲：无监督学习→给无标签积木自由组合，发现隐藏规律资料取自《零基础学机器学习》。
kovlistudio·2025-05-15 17:32

数据清洗的艺术：如何为AI模型准备高质量数据集？

引言在人工智能和机器学习领域，我们常常听到"垃圾进，垃圾出"(Garbagein,garbageout)这句格言。
2501_91537435·2025-05-15 17:31

深度学习如何入门？

有人说要学深度学习，机器学习是基础；有人说，要先学数学，数学基础很重要；也有人说，不学Python寸步难行；还有人说，不看论文怎么行？又有人说，我这有两本秘籍，你拿回去好好研究，将来必成大器！
深度学习机器学习·2025-05-15 12:24

数据挖掘助力大数据领域的精准营销

数据挖掘助力大数据领域的精准营销关键词：数据挖掘、精准营销、大数据分析、机器学习、用户画像、推荐系统、客户细分摘要：本文深入探讨了数据挖掘技术如何赋能大数据领域的精准营销。
大数据洞察·2025-05-15 11:18
上一页 21 22 23 24 25 26 27 28 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他