机器学习_周志华

机器学习与深度学习在辣椒病虫害识别中的集成分析（实验室环境）

Abstract背景:辣椒是世界上最重要的高价值蔬菜作物之一。然而，虫害和疾病感染是辣椒种植的主要限制因素。这些疾病无法根除，但可以加以处理和监测，以减轻损害。因此，采用基于图像的自动识别系统将有助于快速识别辣椒病害。从图像中提取的特征对于开发这样一个精确的识别系统至关重要。结果:本研究将传统方法提取的辣椒病虫害特征与基于深度学习方法提取的特征进行了比较。***共采集辣椒叶片图像974张，由5种病

@@南风·2025-02-26 00:53

DeepSeek强化学习（Reinforcement Learning）基础与实践

引言强化学习（ReinforcementLearning,RL）是机器学习的一个重要分支，专注于训练智能体（Agent）在环境中通过试错来学习最优策略。

Evaporator Core·2025-02-25 23:44

从零开始玩转TensorFlow：小明的机器学习故事 3

小明的第一次机器学习实验场景：预测校园活动的参与率小明最近加入了学生会，负责策划校园活动。每次活动都需要准备场地、宣传物料和餐饮，但经常会出现场地过小或准备物资不足等问题。为了让活动准备

山海青风·2025-02-25 23:43

深度学习笔记——循环神经网络RNN

好评笔记·2025-02-25 22:10

揭秘波士顿房价密码：从经典数据集到线性回归实战

引言波士顿房价预测是一个经典的机器学习任务，类似于程序员世界的“HelloWorld”。和大家对房价的普遍认知相同，波士顿地区的房价受诸多因素影响。

珠峰日记·2025-02-25 22:39

机器学习数学通关指南——牛顿-莱布尼茨公式

前言本文隶属于专栏《机器学习数学通关指南》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！

Shockang·2025-02-25 22:39

人工智能、机器学习、深度学习、集成学习及大模型的定义与联系

在当今快速发展的科技领域，人工智能（ArtificialIntelligence,AI）、机器学习（MachineLearning,ML）、深度学习（DeepLearning,DL）、集成学习（EnsembleLearning

大模型玩家·2025-02-25 22:38

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·2025-02-25 22:37

DeepSeek基础之机器学习

文章目录一、核心概念总结（一）机器学习基本定义（二）基本术语（三）假设空间（四）归纳偏好（五）“没有免费的午餐”定理（NFL定理）二、重点理解与思考（一）泛化能力的重要性（二）归纳偏好的影响（三）NFL

珠峰日记·2025-02-25 22:07

【matlab数学建模项目】matlab实现HSV空间的森林火灾监测系统——森林火灾监测系统

空间森林火灾监测系统1、项目下载：本项目完整讲解和全套实现源码见下资源，有需要的朋友可以点击进行下载说明文档（点击下载）全套源码+学术论文基于MATLAB的HSV空间森林火灾监测系统的技术实现与应用-机器学习

阿里matlab建模师·2025-02-25 21:31

机器学习01

机器学习的基本过程如下：1.数据获取2.数据划分3.特征提取4.模型选择与训练5.模型评估6.模型调优一、特征工程（重点）0.特征工程步骤为：特征提取(如果不是像dataframe那样的数据，要进行特征提取

天行者@·2025-02-25 20:53

机器学习02

三、模型选择与调优1交叉验证(1)保留交叉验证HoldOutHoldOutCross-validation（Train-TestSplit）优点1.简单高效操作简便：这种方法的实现非常直接，只需要将原始数据集按照一定比例（常见的如70:30、80:20等）随机划分为训练集和测试集。例如，在Python的scikit-learn库中，使用train_test_split函数可以轻松完成划分，代码简洁

天行者@·2025-02-25 20:53

网关类设备技术演进思路

人工智能（AI）和机器学习：用于数据分析、用户行为预测和自动化决策。边缘计算：在设备端进行数据处理，减少对云服务的依赖，提高响应速度。区块链技术：用于确保数据安全和网络安全。

看兵马俑的程序员·2025-02-25 13:03

国产替代 | 星环科技Sophon替代SAS，助力大型国有银行智能化营销

由于SAS是集中式的，对单台服务器要求太高，算力无法支撑需求，且无法支持可视化的机器学习，对于业务人员来说使用门槛过高。在经过产品选型后，决定采用星环科技的智能分析工具Sophon替换原有SAS，用

星环科技·2025-02-25 11:16

PyTorch知识点总结之一

PyTorch是一个基于Python的科学计算库，它是用于机器学习和深度学习的框架之一。它由Facebook的人工智能研究团队开发和维护，是一个开源的软件包，可以帮助开发者构建各种深度学习模型。

Rain松·2025-02-25 10:44

使用 ML.NET 开发工业预测系统：从数据到智能决策

而机器学习技术，尤其是ML.NET，提供了一种高效、灵活的方式来挖掘这些数据背后的潜在价值。本文将带领大家通过使用ML.NET来开发一个简单的工业预测系统，帮助企业提高生产效率，降低故障风险。

威哥说编程·2025-02-25 09:35

ProgramHan·2025-02-25 09:05

机器学习实战：从理论到实践

随着人工智能技术的迅猛发展，机器学习作为其核心部分，已经广泛应用于各个领域。它不仅在科技公司中扮演着关键角色，在医疗、金融、零售等行业也展现了巨大的潜力。

静默.\\·2025-02-25 08:34

开源模型应用落地-Qwen1.5-MoE-1/3的激活参数量达到7B模型的性能

二、术语介绍2.1.混合专家(MoE)架构是一种机器学习模型的结构设计,它将一个复杂的任务分解成多个相对简单的子任务,

开源技术探险家·2025-02-25 07:55

时序大模型：技术需求、现有成果及主流模型、模型架构、数据处理方式、优势、缺点及未来展望

数据清洗：去除异常值：通过统计方法或机器学习算法检测并去除异常值，确保数据的合理性。填补缺失值：使用插值方法、均值填充、中位数填充或基于模型的预测

xl.liu·2025-02-25 07:50

机器学习数学基础：36.φ相关系数分析

@心都·2025-02-25 06:46

机器学习数学基础：37.偏相关分析

@心都·2025-02-25 06:46

机器学习数学基础：22.对称矩阵的对角化

一、核心概念详解（一）内积定义与公式：在nnn维向量空间中，对于向量x⃗=(x1,x2,⋯ ,xn)\vec{x}\=(x_1,x_2,\cdots,x_n)x=(x1,x2,⋯,xn)和y⃗=(y1,y2,⋯ ,yn)\vec{y}\=(y_1,y_2,\cdots,y_n)y=(y1,y2,⋯,yn)，内积记作(x⃗,y⃗)(\vec{x},\vec{y})(x,y)，其计算公式为(x⃗,y⃗

@心都·2025-02-25 06:45

机器学习数学基础：34.点二列

@心都·2025-02-25 05:11

免费 MLOps 课程：学习机器学习运维的完整流程

掌握MLOps：训练和跟踪实验、构建ML流水线、模型部署、生产环境监控，并从DevOps采用最佳实践。免费MLOps课程概览（DataTalks.Club提供）课程平台：DataTalks.Club适合人群：有一定Python和ML经验的开发者重点内容：模型训练、实验跟踪、流水线构建、模型部署、监控和DevOps最佳实践目录什么是MLOps？为什么需要MLOps？MLOpsZoomcamp课程介绍

真智AI·2025-02-25 05:11

机器学习的三个步骤-ChatGPT4o作答

机器学习的三个步骤分别是：设置范围、设置标准、达成目标。这三个步骤是任何机器学习项目的基础框架，它们为模型的选择、优化和评估提供了清晰的指导。让我们深入探讨这三个步骤的具体内容。

部分分式·2025-02-25 04:33

AGI框架探索

开发十年，就只剩下这套Java开发体系了>>>随着对机器学习领域的深入探索，我渐渐迷上了AGI通用人工智能。

另一只又死又活的猫·2025-02-25 04:58

PYTHON机器学习小项目教程：预测鸢尾花种类

我们将使用经典的鸢尾花数据集来构建一个分类模型，该数据集包含150个样本，每个样本有四个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。目标是根据这些特征预测鸢尾花的种类（山鸢尾、变色鸢尾或维吉尼亚鸢尾）。一、环境配置首先，确保你已经安装了必要的库。如：pandas、numpy等，命令如下所示pipinstallnumpypandasscikit-learnmatplotlib[-i镜像源网站]二、

jackispy·2025-02-25 01:36

基于KNN的鸢尾花分类预测模型

机器学习，它也是需要对自己的学习效果进行评估，因为它需要根据结果来调整参数。

溪海莘·2025-02-24 23:57

Topaz Photo AI 人工智能图像处理降噪

具备图像分辨率提升特性，利用机器学习技术，分析并重建图像的细节，从而保持图像质量同时，显著提高图像的分辨率。提供自动调整色彩分布与对比度优化功能，使照片的色彩更加饱

甜于酸·2025-02-24 23:54

探索Omniglot：一个无尽的手写字符集合

探索Omniglot：一个无尽的手写字符集合omniglotomniglot-一个包含大量不同语言手写字符图像的数据集，用于机器学习模型的训练和评估。

宋溪普Gale·2025-02-24 22:46

【DeepSeek零基础入门】从零开始：如何训练自己的AI模型

明确目标后，选择一个合适的机器学习框架至关重要。Ten

Evaporator Core·2025-02-24 18:20

【OpenCV】OpenCV 中各模块及其算子的详细分类

de之梦-御风·2025-02-24 17:43

DeepSeek 深度赋能客服岗：效率与洞察的双重飞跃

它能凭借自然语言处理技术，快速理解客户咨询，精准提供解答方案；自动生成标准化、个性化的回复话术，大幅提升客服效率；利用机器学习对客户反馈进行深度分析，挖掘潜在需求与市场趋势。

AI_DL_CODE·2025-02-24 14:55

解锁机器学习核心算法｜朴素贝叶斯：分类的智慧法则

一、引言在机器学习的庞大算法体系中，有十种算法被广泛认为是最具代表性和实用性的，它们犹如机器学习领域的“十大神器”，各自发挥着独特的作用。

紫雾凌寒·2025-02-24 08:05

解锁机器学习核心算法 | 线性回归：机器学习的基石

在机器学习的众多算法中，线性回归宛如一块基石，看似质朴无华，却稳稳支撑起诸多复杂模型的架构。它是我们初涉机器学习领域时便会邂逅的算法之一，其原理与应用广泛渗透于各个领域。

紫雾凌寒·2025-02-24 08:35

AI环境初识

以下是一些主要的技术趋势和流行技术：一、开发框架与深度学习库TensorFlow：由谷歌开发的一个开源机器学习库，广泛用于研究和生产环境。

网络飞鸥·2025-02-24 07:02

杰和推出面向人工智能应用的AI服务器

如果将大数据看作一个产业，那么数据深挖（挖掘）就是其中一项核心技术，数据深挖（挖掘）通常与计算机科学有关，如数据统计、数据检索、分析处理、机器学习等技术，而这些恰好是人工智能技术的优势。

weixin_34211761·2025-02-24 04:38

机器学习数学通关指南——微积分基本概念

前言本文隶属于专栏《机器学习数学通关指南》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！

Shockang·2025-02-24 03:03

SVM(支持向量机)原理及数学推导全过程详解

本来想着总结得简洁明了又易懂，但SVM本就有严格的数学理论支撑，不像其他机器学习算法是一个黑箱，写完发现要尽量让小白也懂少不了具体的论述

子木呀·2025-02-24 02:59

【机器学习】支持向量机（SVM）详解：原理与优化

支持向量机（SVM）详解：原理与优化支持向量机(SVM)详解1.基本概念2.数学原理2.1线性可分情况2.2最优化问题2.3拉格朗日对偶问题2.4核函数技巧（KernelTrick）2.5非线性分类与支持向量3.优缺点分析3.1优点3.2缺点4.SVM与其他算法的比较5.总结支持向量机(SVM)详解1.基本概念支持向量机（SupportVectorMachine,SVM）是一种强大的监督学习算法，

宸码·2025-02-24 02:28

智能边缘计算：开启智能新时代

而智能边缘计算，是边缘计算架构在涉及数据分析、机器学习或人工智能的工作负载中的应用。一般来说，边缘架构是一种将数据或应用程序放置在网络边缘的

livefan·2025-02-24 02:58

多档买卖盘逐笔委托逐笔成交进行大数据分析以及模型结果20250221

这对交易大师分析主力习性大有裨益，对人工智能进行机器学习也非常合适，数据量大且精确。

level2Tick·2025-02-24 02:58

深度强化学习算法在金融交易决策中的优化应用【附数据】

金融数据分析与建模专家金融科研助手|论文指导|模型构建✨专业领域：金融数据处理与分析量化交易策略研究金融风险建模投资组合优化金融预测模型开发深度学习在金融中的应用擅长工具：Python/R/MATLAB量化分析机器学习模型构建金融时间序列分析蒙特卡洛模拟风险度量模型金融论文指导内容

算法与数据·2025-02-24 01:22

物联网数据采集平台【物联网毕业论文】

物联网系统架构设计智能设备与传感器网络数据采集与处理物联网大数据分析智能家居与工业物联网边缘计算与云计算物联网安全与隐私保护擅长工具：Python/R/Matlab数据分析与建模物联网平台与设备编程数据流与实时监控系统设计机器学习与预测模型应用物联网协议