机器学习-knn 第18页

linux命令大全

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，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

默默编码的Fxdll·2024-02-13 02:31

如何交付机器学习项目：一份机器学习工程开发流程指南

摘要：本文描述机器学习任务的“OODA环”的概念，迭代地执行四个过程：分析、选择方法、实现、测量步骤，循环此过程以提升开发效率。

城市中迷途小书童·2024-02-13 02:44

Taurus: 面向机器学习的数据面架构

日益复杂的网络和多样化的工作负载要求网络内置更多的自动化决策能力，通过可编程网络设备在用户面支持机器学习工作负载就是一个可能的选项，本文提出了一种支持用户面推理的架构设计，相对控制面机器学习的性能有数量级的提升

DeepNoMind·2024-02-12 23:01

ChatGPT的背后原理：大模型、注意力机制、强化学习

微信搜索关注《Python学研大本营》，加入读者群，分享更多精彩本文主要介绍为ChatGPT提供动力的机器学习模型，将从大型语言模型的介绍开始，深入探讨使GPT-3得到训练的革命性的自注意机制，然后深入到从人类反馈强化学习

Python学研大本营·2024-02-12 23:17

这次理解透彻了！用代码从零实现大模型的自注意力、多头注意力。。。

近日，AheadofAI杂志运营者、机器学习和AI研究者SebastianRaschka发布了一篇文章，介绍并用代码从头实现了LLM中的自注意力、多头注意力、交叉注意力和因果注意力。

Python算法实战·2024-02-12 23:47

葫芦书第一章——特征工程

葫芦书是机器学习岗位面试的必读书，第一遍读，就当作对自己这四个月以来入门机器学习的知识测验，顺便查漏补缺。

单调不减·2024-02-12 22:08

第七届核磁机器学习班（训练营：2023.9.4~9.16）

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（微信号MCKJ-zhouyi或17373158786）咨询。★课程简介★基于血氧水平依赖的功能磁共振成像(fMRI)技术,利用其数据构建的功能性脑网络后,发现脑并不是一个单纯对外界刺激进行

茗创科技·2024-02-12 21:08

[韩顺平]python笔记

python对大数据分析、人工智能中关键的机器学习、深度学习都提供有力的支持Python支持最庞大的代码库，功能超强数据分析：numpy/pandas/os机器学习：tensorflow/scikit-learn

超级用户 root·2024-02-12 20:54

《统计学简易速速上手小册》第9章：统计学在现代科技中的应用（2024 最新版）

文章目录9.1统计学与大数据9.1.1基础知识9.1.2主要案例：社交媒体情感分析9.1.3拓展案例1：电商销售预测9.1.4拓展案例2：实时交通流量分析9.2统计学在机器学习和人工智能中的应用9.2.1

江帅帅·2024-02-12 20:54

产品经理内容分享(六)：AI产品经理需必备那些能力

目录必备的AI技术知识第一章：AI产品经理是否需要懂技术及其程度第二章：AI产品经理必备的AI技术基础知识——基础算法与机器学习方法第三章：AI产品经理必须要懂的AI技术知识——场景应用第四章：AI算法与模型的关系第五章

之乎者也··2024-02-12 20:45

2020-12-22

调整一下记录的时间准备把时间放到早晨经过一晚上的沉淀也是昨天的一个回忆同时也可以对今天的任务做一个规划短暂的停歇也是可以原谅的但是不可以原谅的是一蹶不振要知道自己是干嘛的每个阶段以及每个时期的任务一点点的向目标靠近走很长的路要记得最初的目的不是为了锻炼身体就要记得自己的目标沿途的风景交往的人都是生活一个是对老梁昨天讲的关于情商的课程的一个回顾以及自己的一个看法收获不足与提升的方面还有就是机器学习接

QuietRG·2024-02-12 20:20

探索嵌入式系统的未来发展趋势

1.人工智能与机器学习的融合随着人工智能和机器学习技术的快速发展，嵌入式系统将更多地融合这些先进技术。未来的嵌入式系统将具备更强大的智能和

迷璃学妹·2024-02-12 20:40

机器学习：过拟合和欠拟合的介绍与解决方法

过拟合和欠拟合的表现和解决方法。其实除了欠拟合和过拟合，还有一种是适度拟合，适度拟合就是我们模型训练想要达到的状态，不过适度拟合这个词平时真的好少见。过拟合过拟合的表现模型在训练集上的表现非常好，但是在测试集、验证集以及新数据上的表现很差，损失曲线呈现一种高方差，低偏差状态。(高方差指的是训练集误差较低，而测试集误差比训练集大较多)过拟合的原因从两个角度去分析：模型的复杂度：模型过于复杂，把噪声数

是Dream呀·2024-02-12 19:05

图解word2vec，入门自然语言处理必看

图解word2vec精翻版，加入了自己的理解，和稍微有点出入，http://jalammar.github.io/illustrated-word2vec/image词嵌入（embedding）是机器学习中最惊人的创造

学术Fun·2024-02-12 19:42

使用Java+Springboot+Mysql开发个性化新能源汽车推荐系统在线新能源电动车辆推荐平台汽车购物商城基于机器学习、深度学习、人工智能推荐基于协同过滤推荐算法爬虫可视化数据分析

使用Java+Springboot+Mysql开发个性化新能源汽车推荐系统在线新能源电动车辆推荐平台汽车购物商城基于机器学习、深度学习、人工智能推荐基于协同过滤推荐算法爬虫可视化数据分析CarRecommendWebEx

linge511873822·2024-02-12 18:21

Java+Springboot+Mysql开发个性化求职/招聘/职位推荐系统在线招聘/就业/职业推荐平台基于机器学习、深度学习、人工智能推荐算法协同过滤推荐算法爬虫可视化数据分析

Java+Springboot+Mysql开发个性化求职/招聘/职位推荐系统在线招聘/就业/职业推荐平台基于机器学习、深度学习、人工智能推荐算法协同过滤推荐算法爬虫可视化数据分析PositionRecommendSys

linge511873822·2024-02-12 18:20

使用Java+Springboot+Mysql开发个性化租房推荐系统在线房屋租赁推荐系统基于机器学习、深度学习、人工智能推荐基于协同过滤推荐算法爬虫可视化数据分析

使用Java+Springboot+Mysql开发个性化租房推荐系统在线房屋租赁推荐系统基于机器学习、深度学习、人工智能推荐基于协同过滤推荐算法爬虫可视化数据分析HouseRecommendSys一、项目简介

linge511873822·2024-02-12 18:20

Python+Django+Mysql个性化求职推荐系统在线求职/招聘/职位/简历推荐系统基于机器学习/深度学习/人工智能基于标签/协同过滤推荐算法爬虫

Python+Django+Mysql个性化求职推荐系统在线求职/招聘/职位/简历推荐系统基于机器学习/深度学习/人工智能基于标签/协同过滤推荐算法爬虫PersonalizedPositionRecSysPy

linge511873822·2024-02-12 18:17

机器学习原理到Python代码实现之KNN【K近邻】

K-NearestNeighborK近邻算法该文章作为机器学习的第三篇文章，主要介绍的是K紧邻算法，这是机器学习中最简单的一种分类算法，也是机器学习中最基础的一种算法。

神仙盼盼·2024-02-12 18:15

机器学习原理到Python代码实现之K-Means

K-Means聚类算法该文章作为机器学习的第四篇文章，主要介绍的是K-Means聚类算法，这是我们介绍的第一个无监督算法，在这里我们将对什么是无监督，为什么要有无监督等也会有一些介绍，算法不难，大家且看且思考

神仙盼盼·2024-02-12 18:15

机器学习原理到Python代码实现之PolynomialRegression

PolynomialRegression多项式回归模型该文章作为机器学习的第五篇文章，主要介绍多项式回归模型的原理和实现方法。这个算法是建立在线性回归基础之上的，所以需要对线性回归有一定的了解。

神仙盼盼·2024-02-12 18:44

XEX数字货币交易平台：量化交易策略与市场趋势解析

未来，随着人工智能和机器学习技术的进一步发展，量化

焦点易讯·2024-02-12 18:36

Python数据分析从入门到进阶：模型评估和选择（含详细代码）

引言之前我们介绍了机器学习的一些基础性工作，介绍了如何对数据进行预处理，接下来我们可以根据这些数据以及我们的研究目标建立模型。那么如何选择合适的模型呢？首先需要对这些模型的效果进行评估。

程序员老冉·2024-02-12 16:34

明天开课 | 第六届核磁机器学习班（训练营：2023.7.24~8.5）

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（微信号MCKJ-zhouyi或17373158786）咨询。★课程简介★基于血氧水平依赖的功能磁共振成像(fMRI)技术,利用其数据构建的功能性脑网络后,发现脑并不是一个单纯对外界刺激进行

茗创科技·2024-02-12 16:34

交叉熵损失函数基本概念及公式

Cross-EntropyLoss1.二分类2.对于多类别分类问题，其公式可以表示为：3.公式深度挖掘解释——交叉熵损失函数公式中（log）的解释总结交叉熵损失函数（Cross-EntropyLoss）是在机器学习和深度学习中常用的一种损失函数

小桥流水---人工智能·2024-02-12 16:03

交叉熵损失函数（Cross-Entropy Loss）的基本概念与程序代码

交叉熵损失函数（Cross-EntropyLoss）是机器学习和深度学习中常用的损失函数之一，用于分类问题。

小桥流水---人工智能·2024-02-12 16:31

shapash，一个神奇的 Python 库！

Github地址：https://github.com/MAIF/shapash在机器学习领域，模型的可解释性对于理解模型的决策过程和进行决策支持非常重要。

漫走云雾·2024-02-12 15:18

王树森：学 DRL 走过的弯路太多，想让大家避开（文末赠送福利）

而强化学习是机器学习的一个分支，研究如何基于对环境的观测做出决策，以最大化长期回报。从20世纪80年代至今，强化学习一直是机器学习领域的热门研究方向。

人工智能与算法学习·2024-02-12 15:43

Python自学之路：从入门到精通

一、引言Python，作为最受欢迎的编程语言之一，不仅语法简洁易懂，而且应用领域广泛，从数据科学、机器学习、网络开发到自动化脚本编写等，无所不能。

白猫a~·2024-02-12 15:37

Week10

第10周十七、大规模机器学习(LargeScaleMachineLearning)17.1大型数据集的学习参考视频:17-1-LearningWithLargeDatasets(6min).mkv如果我们有一个低方差的模型

kidling_G·2024-02-12 14:29

阿里云人工智能工程师ACP认证考试：15天备考到通过经验分享

随着2023年AIGC的火热，个人的热情被带动起来，有必要系统、全面的对人工智能、机器学习、深度学习进行总结和再学习。那就设立一个可量化的学习目标吧：考个人工智能相关的认证，以证促学。

North_D·2024-02-12 13:59

【机器学习实战】大数据与MapReduce

当运算需求超出了当前资源的运算能力，一、可以考虑购买更好的机器；二、可以将计算转换成并行作业，MapReduce就提供了这种方案的一个具体实施框架。MapReduce：分布式计算的框架MapReduce是一个软件框架，可以将单个计算工作分配给多台计算机执行。工作流程包括map和reduce阶段。第一阶段，输入数据被切片分发到节点上，各个节点对本地数据进行处理对应的运算代码叫做mapper。第二阶段

吵吵人·2024-02-12 12:48

Vitis AI 集成

·2024-02-12 12:42

神经网络中的分位数回归和分位数损失

在使用机器学习构建预测模型时，我们不只是想知道“预测值(点预测)”，而是想知道“预测值落在某个范围内的可能性有多大(区间预测)”。

·2024-02-12 12:41

【机器学习】数据清洗之处理缺失点

个人主页：[甜美的江]欢迎点赞✍评论⭐收藏收录专栏：[机器学习]希望本文对您有所裨益，如有不足之处，欢迎在评论区提出指正，让我们共同学习、交流进步！

·2024-02-12 12:11

李宏毅机器学习笔记 2.回归

最近在跟着Datawhale组队学习打卡，学习李宏毅的机器学习/深度学习的课程。

Simone Zeng·2024-02-12 11:34

机器学习 | 凸/非凸目标函数 |非凸目标函数导致求解陷入局部最优

数学中最优化问题的一般表述是求取x∗∈χx^{*}\in\chix∗∈χ，使f(x∗)=min{f(x):x∈χ}f(x^{*})=min\{f(x):x\in\chi\}f(x∗)=min{f(x):x∈χ}，其中x是n维向量，χ\chiχ是x的可行域，f是χ\chiχ上的实值函数。凸优化问题是指χ\chiχ是闭合的凸集且f是χ\chiχ上的凸函数的最优化问题，这两个条件任一不满足则该问题即为非

stone_fall·2024-02-12 11:04

西瓜书-机器学习5.4 全局最小与局部极小

两种“最优”：“局部极小”(localminimum)和"全局最小"(globalminimum)对和，若存在使得多组不同参数值初始化多个神经网络使用“模拟退火”：以一定的概率接受比当前解更差的结果，有助于“跳出”局部极小使用随机梯度下降遗传算法(geneticalgorithms)[Goldberg,1989]也常用来训练神经网络以上用于跳出局部极小的技术大多是启发式，理论上商缺乏保障。Gold

lestat_black·2024-02-12 11:32

机器学习入门之基础概念及线性回归

任务目录什么是Machinelearning学习中心极限定理，学习正态分布，学习最大似然估计推导回归Lossfunction学习损失函数与凸函数之间的关系了解全局最优和局部最优学习导数，泰勒展开推导梯度下降公式写出梯度下降的代码学习L2-Norm，L1-Norm，L0-Norm推导正则化公式说明为什么用L1-Norm代替L0-Norm学习为什么只对w/Θ做限制，不对b做限制Question1：Wh

StarCoder_Yue·2024-02-12 11:01

机器学习40讲学习笔记-18 从全局到局部：核技巧

一序本文属于极客时间机器学习40讲学习笔记系列。18从全局到局部：核技巧对偶性主要应用在最优决策边界的求解中。

bohu83·2024-02-12 11:01

[机器学习]全局最小与局部最小

机器学习中很多任务最终都会转化为优化任务，基于梯度的搜索是使用最广泛的参数寻优方法。梯度法：从某些初始解出发，迭代寻找最优参数值。

3points·2024-02-12 11:01

面试题：说下局部最优和全局最优的区别

耗子来啦·2024-02-12 11:31

机器学习之监督学习和非监督学习

监督学习(SupervisedLearning)监督学习是一种学习方式，其中模型从标记的训练数据中学习。这意味着每个训练样本都是由输入向量和相应的目标输出(也称为标签)组成的。模型的任务是学习输入到输出的映射函数，以便当提供新的、未见过的数据时，模型能够预测出正确的输出。例子:邮件分类:根据邮件内容将邮件自动分类为“垃圾邮件或“非垃圾邮件”。这里，邮件内容是输入，而“垃圾邮件“或“非垃圾邮件”的非

华农DrLai·2024-02-12 11:30

机器学习之局部最优和全局最优

(1)局部最优，就是在函数值空间的一个有限区域内寻找最小值;而全局最优，是在函数值空间整个区域寻找最小值问题。(2)函数局部最小点是它的函数值小于或等于附近点的点，但是有可能大于较远距离的点。(3)全局最小点是那种它的函数值小于或等于所有的可行点。面试：你能解释一下梯度下降法及其在寻找全局最优解时的局限性吗？梯度下降法通过迭代沿着目标函数的负梯度方向更新参数，以寻找最小值。局限性：它可能会陷入局部

华农DrLai·2024-02-12 11:29

一本Python爬虫的书，凭什么能畅销10W册

对于数据科学和机器学习领域的程序员来说，Python提供了强大的API和众多的库，使其成为数据科学和机器学习的首选语言。在Python的众多应用中，爬虫一直有着超高需求。

程序员老冉·2024-02-12 11:21

[机器学习]决策树

决策树决策树学习采用的是自顶向下的递归方法，其基本思想是以信息熵为度量构造一颗熵值下降最快的树，到叶子节点处，熵值为0具有非常好的可解释性、分类速度快的优点，是一种有监督学习最早提及决策树思想的是Quinlan在1986年提出的ID3算法和1993年提出的C4.5算法，以及Breiman等人在1984年提出的CART算法工作原理一般的，一颗决策树包含一个根结点、若干个内部节点和若干个叶节点构造构造

LBENULL·2024-02-12 11:21

Spark MLlib

目录一、SparkMLlib简介（一）什么是机器学习（二）基于大数据的机器学习（三）Spark机器学习库MLlib二、机器学习流水线（一）机器学习流水线概念（二）流水线工作过程（三）构建一个机器学习流水线三

Francek Chen·2024-02-12 11:15

机器学习简介

介绍机器学习是人工智能（AI）的一个子领域。机器学习的目标通常是理解数据的结构，并将该数据拟合到可以被人理解和利用的模型中。尽管机器学习是计算机科学的一个领域，但它与传统的计算方法有所不同。

白如意i·2024-02-12 10:36

机器学习：Softmax介绍及代码实现

Softmax原理Softmax函数用于将分类结果归一化，形成一个概率分布。作用类似于二分类中的Sigmoid函数。对于一个k维向量z，我们想把这个结果转换为一个k个类别的概率分布p(z)。softmax可以用于实现上述结果，具体计算公式为：对于k维向量z来说，其中zi∈Rzi∈R，我们使用指数函数变换可以将元素的取值范围变换到(0,+∞)(0,+∞),之后我们再所有元素求和将结果缩放到[0,1]

是Dream呀·2024-02-12 10:44

机器学习 —— 多项式回归和正规方程

一、多项式回归房价预测中：有两个特征，frontage和depth，即临街长度和房子的宽度。假如我们计算一个x=frontage*depth(房子面积)，则假设函数变成了hθ(x)=θo+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，比如一个二次方模型或者三次方模型。通常我们需要先观察数据然后再决定准备尝试怎样的模型。另外，我们可以令：X2=X2^3,X3=X3^3,从而将

BioLearner·2024-02-12 10:36

推荐频道

机器学习-knn