机器学习--数据处理

基于机器学习的无损缺陷检测技术研究进展

基于机器学习的无损缺陷检测技术是当前研究的热点之一，其应用广泛，可以有效检测各种材料表面的缺陷。近年来，随着机器学习技术的不断发展，越来越多的研究人员开始探索如何利用机器学习算法来进行无损缺陷检测。
matlabgoodboy·2024-02-03 07:51

模式识别 | PRML概览

PRML全书概览PRML全称PatternRecognitionandMachineLearning，个人认为这是机器学习领域中最好的书籍之一，全书的风格非常Bayesian，作者试图在贝叶斯框架下解释每一种机器学习模型
ZIYUE WU·2024-02-03 07:48

机器学习：线性判别分析LDA（Python）

一、线性判别分析的定义二、线性判别分析——二分类模型lda2classify.pyimportnumpyasnpclassLDABinaryClassifier:"""线性判别分析二分类模型"""def__init__(self):self.mu=None#各类别均值向量self.Sw_i=None#各类内散度矩阵self.Sw=None#类内散度矩阵(within-classscattermat
捕捉一只Diu·2024-02-03 07:16

机器学习 | 如何构建自己的决策树算法？

决策树思想的来源非常朴素，程序设计中的条件分支结构就是if-else结构，最早的决策树就是利用这类结构分割数据的一种分类学习方法目录初识决策树决策树原理cart剪枝特征提取泰坦尼克号乘客生存预测(实操)回归决策树初识决策树决策树是一种树形结构，其中每个内部节点表示一个属性上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类结果，本质是一颗由多个判断节点组成的树。如何理解这段话呢？举
亦世凡华、·2024-02-03 07:45

机器学习-*-MeanShift聚类算法及代码实现

MeanShift该算法也叫做均值漂移，在目标追踪中应用广泛。本身其实是一种基于密度的聚类算法。主要思路是：计算某一点A与其周围半径R内的向量距离的平均值M，计算出该点下一步漂移（移动）的方向（A=M+A）。当该点不再移动时，其与周围点形成一个类簇，计算这个类簇与历史类簇的距离，满足小于阈值D即合并为同一个类簇，不满足则自身形成一个类簇。直到所有的数据点选取完毕。一般形式对于给定的n维空间RnR^
Leo蓝色·2024-02-03 07:14

机器学习系列 - Mean Shift聚类

文章目录前言一、原理前置知识点MeanShift计算步骤二、应用举例-图像分割三、聚类实战-简单实例bandwidth=1bandwidth=2总结前言MeanShift（均值漂移）是基于密度的非参数聚类算法，其算法思想是假设不同簇类的数据集符合不同的概率密度分布，找到任一样本点密度增大的最快方向（最快方向的含义就是MeanShift），样本密度高的区域对应于该分布的最大值，这些样本点最终会在局部
学海一叶·2024-02-03 07:08

1、模型可解释性的应用场景

1、如何理解机器学习背后的逻辑许多人说机器学习模型是“黑箱”，因为它们可以做出良好的预测，但你无法理解这些预测背后的逻辑。
AI算法蒋同学·2024-02-03 07:28

6、基于机器学习的预测

应用机器学习的任何预测任务与这四个策略。
AI算法蒋同学·2024-02-03 07:52

Oracle显式游标和隐式游标

这样数据处理的速度才会提高，
houzi86·2024-02-03 07:13

互联网摸鱼日报(2024-02-02)

「学件」系统解决机器学习复用难题，「模型融合」涌现科研新范式纯文本模型训出「视觉」表
每日摸鱼大王·2024-02-03 06:29

06.一个大佬的面试经历

两个简历名字，分别在各个招聘网站投了双份简历，一个是数据分析的简历、一个是web全栈开发的简历，我真正接触python快2年，不管是学习还是工作学到的东西，这两年大概掌握了（前端+django+爬虫+数据分析+机器学习
朗如行玉山·2024-02-03 06:59

Coursera吴恩达机器学习课程笔记——神经网络: 学习（Neural Networks: Learning）

9神经网络:学习（NeuralNetworks:Learning）9.1代价函数（CostFunction）神经网络的分类问题有两种：二元分类问题（0/1分类）只有一个输出单元（K=1K=1K=1）多元（KKK）分类问题输出单元不止一个（K>1K\gt1K>1）神经网络的代价函数公式：hΘ(x)=a(L)=g(Θ(L−1)a(L−1))=g(z(L))h_\Theta(x)=a^{(L)}=g(\
yanglamei1962·2024-02-03 06:04

吴恩达coursera机器学习个人向笔记——9章神经网络学习

文章目录课时62非线性假设09:36课时63神经元与大脑07:47课时64模型展示Ⅰ12:01课时65模型展示Ⅱ11:46课时68例子与直觉理解Ⅰ07:15课时70例子与直觉理解Ⅱ10:20课时71多元分类03:51课时62非线性假设09:36对图1那样的作分类，逻辑斯蒂回归中，只要g(θ转X)中的(高次)项足够多，就一定能找出边界但这是2个特征的情况如果有100个特征，二次交叉项会将近5000个
选西瓜专业户·2024-02-03 06:31

网络流数据集处理（深度学习数据处理基础）

一、数据集处理处理数据集是一个文件夹一个文件夹处理的，将原网络流数据集放入一个文件夹处理转换成Json文件。（数据预处理）然后将这些文件处理成目标文件格式再分割成训练集和测试集。每次运行只会处理一个文件夹。运行train.py导入训练集训练模型，训练完之后进行保存模型参数。运行test.py导入测试集测试模型，因此我们需要使用模型参数保存代码。如果我们需要将数据集4倍交叉验证分为4个部分，3个训练
Yorelee.·2024-02-03 06:58

机器学习_13_SVM支持向量机、感知器模型

文章目录1感知器模型1.1感知器的思想1.2感知器模型构建1.3损失函数构建、求解2SVM3线性可分SVM3.1线性可分SVM—概念3.2线性可分SVM—SVM模型公式表示3.3线性可分SVM—SVM损失函数3.4优化函数求解3.5线性可分SVM—算法流程3.6线性可分SVM—案例3.7线性可分SVM—总结4SVM的软间隔模型4.1SVM的软间隔模型—概念4.2SVM的软间隔模型—目标函数4.3优
少云清·2024-02-03 06:27

机器学习概述

如果把一个表示学习系统看作一个有向图结构，深度也可以看作从输入节点到输出节点所经过的最长路径的长度．这样我们就需要一种学习方法可以从数据中学习一个“深度模型”，这就是深度学习（DeepLearning，DL）．深度学习是机器学习的一个子问题
Yorelee.·2024-02-03 06:24

[AIGC] 讲解机器学习中的 K-均值聚类算法及其优缺点。

K-均值聚类（K-meansclustering）是一种常用的无监督学习算法，用于将数据集划分成K个不重叠的簇(cluster)。该算法通过迭代的方式将样本点划分到K个簇中，使得同一簇内的样本点相似度较高，而不同簇之间的样本点相似度较低。算法步骤：随机选择K个样本点作为初始的质心（簇的中心）。对于每个样本点，计算其到K个质心之间的距离，并将其划分到距离最近的簇中。对于每个簇，计算其中样本点的均值，
程序员三木·2024-02-03 06:54

机器学习_12_梯度下降法、拉格朗日、KKT

文章目录1梯度下降法1.1导数、梯度1.2梯度下降法1.3梯度下降法的优化思想1.4梯度下降法的调优策略1.5BGD、SGD、MBGD1.5.1BGD、SGD、MBGD的区别2有约束的最优化问题3拉格朗日乘子法3.1拉格朗日乘子法理解3.2对偶问题4KKT条件4.1KKT条件理解4.2KKT公式理解4.3KKT条件总结5高中距离知识回顾1梯度下降法1.1导数、梯度导数：一个函数在某一点的导数描述了
少云清·2024-02-03 06:23

和鲸科技与智谱AI达成合作，共建大模型生态基座

发展大模型不仅拓展了机器学习的边界，也为各个领域解决实
ModelWhale·2024-02-03 05:02

一对一包教会脑电教学服务

茗创科技专注于脑科学数据处理，涵盖（EEG/ERP,fMRI,结构像,DTI,ASL,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师
茗创科技·2024-02-03 05:38

学习小组Day7——宣Xuanan

因为课题就是做转录组测序的，所以基础知识有一些了解，接下来从数据处理部分开始进行笔记。数据初步分析：使用fastqc进行质量分析，这是一款Java软件，支持多线程。
宣Xuanan·2024-02-03 05:04

R语言分析任务：

有需要实验报告的可CSDN主页个人私信《大数据统计分析软件（R语言）》实验报告指导教师：专业：班级：姓名：学号：完成时间：实验目的掌握数据读入的各类函数；简单的数据处理：新变量的生成，数据集筛选排序，数据集合并
八块腹肌的小胖·2024-02-03 04:34

数据结构—静态查找

简介1.数据的组织和查找是大多数应用程序的核心2.线性表、树、图是数据的组织结构3.查找是所有数据处理中最基本、最常用的操作4.当在一个庞大数量的数据集合中查找时，查找方法和效率就显得格外重要查找介绍1
Xiao 柠·2024-02-03 04:30

【大厂AI课学习笔记】1.4 算法的进步（1）

2006年以来，以深度学习为代表的机器学习算法的发展，启发了人工智能的发展。MORE：自2006年以来，深度学习成为了机器学习领域的一个重要分支，引领了人工智能的飞速发展。
giszz·2024-02-03 03:34

VUE项目导出excel

主要可分为以下两种：1.后端主导实现流程：前端调用到导出excel接口->后端返回excel文件流->浏览器会识别并自动下载场景：大部分场景都有后端来做2.前端主导实现流程：前端获取要导出的数据->把常规数据处理成一个
煸橙干儿~~·2024-02-03 03:33

神经网络是模型还是算法,神经网络模型数据处理

神经网络算法原理4.2.1概述人工神经网络的研究与计算机的研究几乎是同步发展的。1943年心理学家McCulloch和数学家Pitts合作提出了形式神经元的数学模型，20世纪50年代末，Rosenblatt提出了感知器模型，1982年，Hopfiled引入了能量函数的概念提出了神经网络的一种数学模型，1986年，Rumelhart及LeCun等学者提出了多层感知器的反向传播算法等。神经网络技术在众
阳阳2013哈哈·2024-02-03 02:43

0基础如何学习Python数据分析

语言基础、数据工具、商业分析、机器学习第一阶段：python语言基础数据分析的第一步就是先玩明
程序汪小陈·2024-02-03 01:20

嵌入式人工智能实验方向

2采用BESSOC部署深度学习语音信号处理算法，降噪算法3根据公式用C语言实现卷积CNN，或者采用开源的嵌入式机器学习，嵌入式深度学习，嵌入式神经网络开源sdk，移植，部署到MCU或者SOC，
周南音频科技教育学院(AI湖湘学派)·2024-02-03 01:05

Hadoop生态圈-组件介绍

Hadoop是目前应用最为广泛的分布式大数据处理框架，其具备可靠、高效、可伸缩等特点。Hadoop的核心组件是HDFS、MapReduce。
苏尔伯特·2024-02-03 00:19

实战美年健康AI大赛之四_复赛使用数加平台

得到复赛资格之后，天池赛题网页左侧的列表中就会多出一项“数加”，点击进入后，按提示得到RAM帐号，即可以登录“数据开发平台”和“机器学习平台”，注意登录帐号是用户名和企业别名的组合。 
xieyan0811·2024-02-02 23:17

第二章---python入门的基础知识

欢迎来到机器学习的世界博客主页：卿云阁欢迎关注点赞收藏⭐️留言本文由卿云阁原创！本阶段属于练气阶段，希望各位仙友顺利完成突破首发时间：2021年8月4日✉️希望可以和大家一起完成进阶之路！
卿云阁·2024-02-02 22:03

K-means 算法的原理简介

1.K-means是一种流行的用于聚类的无监督机器学习算法。它是用于客户细分、库存分类、市场细分甚至异常检测的核心算法。2.无监督：K-means是一种无监督算法，用于没有标签或预定义结果的数据。
GIS工具-gistools2021·2024-02-02 22:26

神经网络之深度学习DBN

前言人工神经网络(ArtificialNeuralNetwork，ANN)，通常简称为神经网络，是一种在生物神经网络的启示下建立的数据处理模型。
懒猫gg·2024-02-02 22:19

计算存储设备（Computational Storage Drive, CSD）

随着云计算、企业级应用以及物联网领域的飞速发展，当前的数据处理需求正以前所未有的规模增长，以满足存储行业不断变化的需求。
YoungerChina·2024-02-02 22:17

【机器学习】科学库使用手册第2篇：机器学习任务和工作流程（已分享，附代码）

主要内容包括，了解机器学习定义以及应用场景，掌握机器学习基础环境的安装和使用，掌握利用常用的科学计算库对数据进行展示、分析，学会使用jupyternotebook平台完成代码编写运行，应用Matplotlib
程序员一诺·2024-02-02 22:40

【深度学习】从0完整讲透深度学习第2篇：TensorFlow介绍和基本操作（代码文档已分享）

可以让大家熟练掌握机器学习基础,如分类、回归（含代码），熟练掌握numpy,pandas,sklearn等框架使用。
程序员一诺·2024-02-02 22:09

图像分类的发展史

图像分类的发展史图像分类技术的发展史与计算机视觉、机器学习、神经网络等诸多领域紧密相连。它是一场从理论探索到实际应用的演变历程，同时也是一次由人类视觉启发来模拟视觉感知的冒险之旅。
kadog·2024-02-02 21:41

Python在无人飞船

大量的开源库和工具：Python拥有丰富的开源库和工具，涵盖了许多需要在无人飞船研发中使用的功能，例如数据处理、机器学习和计算机视觉。这些工具可以帮助研发人员更快地实现功能，并提高代
python无人驾驶 医学芯片·2024-02-02 21:13

Flink知识点概述

是什么是一个框架和分布式处理引擎，在无边界和有边界数据流上纪念性有状态的计算主要特性1.批流统一批处理：数据全部访问完成后进行操作有界、持久、大量，适合访问全套记录才能完成的工作，一般用于离线统计流处理：来一条数据处理一条数据无界
内向仓鼠·2024-02-02 21:39

Python 深度学习实战：聊天机器人

1.背景介绍深度学习是人工智能领域的一个重要分支，它涉及到神经网络、机器学习、数据挖掘等多个领域知识。深度学习的核心思想是通过多层次的神经网络来进行数据的处理和分析，从而实现对复杂问题的解决。
Python人工智能大数据·2024-02-02 20:47

ApacheCN 2019.4~7 总结

这些已有的项目即将完结，为所有贡献者点个赞：PyTorch1.0中文文档Seaborn0.9中文文档ImpatientJavaScript中文版OpenCV4.0中文文档UCBCS61b课本：Java中的数据结构百页机器学习小书我们又新开设了一些翻译项目
布客飞龙·2024-02-02 20:57

Flink 的架构与组件

1.背景介绍Flink是一个流处理框架，用于实时数据处理和分析。它是一个开源项目，由阿帕奇基金会支持和维护。Flink的设计目标是提供一个高性能、可扩展、可靠的流处理平台，用于处理大规模、实时数据。
禅与计算机程序设计艺术·2024-02-02 20:06

【根据loss曲线看模型微调效果】如何使用loss曲线诊断机器学习模型性能

一、Loss曲线在模型的预训练或者微调过程中，我们一般通过观察loss曲线来得出模型对于数据集的学习效果等信息。那么我们如何根据loss曲线得到一些信息呢？通常数据集会被划分成三部分，训练集（trainingdataset）、验证集（validationdataset）、测试集（testdataset）。我们在训练模型时也经常会根据训练集的loss和验证集loss来诊断模型，从而期望能够优化参数训
子非Yu@Itfuture·2024-02-02 19:11

Elasticsearch向量数据存储与搜索

这种类型的字段可以用于机器学习模型的特征向量存储。
小湘西·2024-02-02 19:28

Windows Server 2019 Web服务器搭建

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录
可惜已不在·2024-02-02 19:49

迁移学习Transfer Learning的优缺点，以及在使用迁移学习的注意事项！

迁移学习TransferLearning1.迁移学习的优点和缺点：2.使用迁移学习时，需要解决以下问题：1.迁移学习的优点和缺点：迁移学习是一种机器学习方法，它可以使机器学习模型利用已有任务的学习结果，
小桥流水---人工智能·2024-02-02 19:08

机器学习领域五大发展趋势，谷歌 AI 掌门人万字回顾 2021

来源：新智元导读新年伊始，谷歌AI掌门人JeffDean的年度总结「虽迟但到」，这篇万字长文系统回顾了过去一年来机器学习领域的五大趋势。除了超大AI模型，谷歌去年还做了啥？
Imagination官方博客·2024-02-02 18:03

技术革新与市场需求：探索亚信安慧AntDB的发展之路

在这个信息爆炸的时代，企业对数据处理的需求日益增长，而传统的数据库系统往往难以应对海量数据的存储和处理。亚信安慧AntDB的出现，为解决这一难题提供了有力的工具。
亚信安慧AntDB数据库·2024-02-02 18:03

Python日期数据处理方法

python分析之日期数据处理方法，如下是数据类型及其描述，帮助我们学习。
默直·2024-02-02 18:13

构建知识图谱：从技术到实战的完整指南

它不仅仅是一种数据结构，更是一种知识的表达和存储方式，能够为机器学习提供丰富、结构化的背景知识，从而提升算法的理解和推理能力。在人工智能领域，知识图谱的重要性不言而喻。
快乐非自愿·2024-02-02 18:42
上一页 42 43 44 45 46 47 48 49 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他