机器阅读笔记第5页

【Gaussian Model】高斯分布模型

检测阶段：计算概率判断异常点3.示例代码4.高斯分布异常检测的优缺点优点缺点5.适用场景6.结论高斯分布模型用于异常检测（GaussianModelforAnomalyDetection）在数据分析和机器学习任务中

HP-Succinum·2025-03-07 00:36

深入浅出地理解-随机森林与XGBoost模型

2.3随机森林的参数调整三、XGBoost：高效且强大的Boosting方法3.1Boosting的基本原理3.2XGBoost的优化3.3XGBoost的优点四、随机森林与XGBoost的对比五、总结在机器学习的实战中

HP-Succinum·2025-03-07 00:06

【大模型基础_毛玉仁】0.系列文章

XiaoJ1234567·2025-03-07 00:02

芯科科技通过全新并发多协议SoC重新定义智能家居连接

MG26系列SoC现已全面供货，为开发人员提供最高性能和人工智能/机器学习功能致力于以安全、智能无线连接技术，建立更互联世界的全球领导厂商SiliconLabs（亦称“芯科科技”，NASDAQ：SLAB

电子科技圈·2025-03-06 23:56

【Python编程】Python交互式应用框架巅峰对决 —— Streamlit vs Gradio

它们各有独特的设计理念和适用场景，以下是基于功能特性、开发效率和应用场景的对比分析：一、核心定位与功能对比特性GradioStreamlit核心目标快速部署机器学习模型交互界面构建数据科学和复杂交互应用输入

木亦汐丫·2025-03-06 23:54

机器学习平台系列（一） - 初探 Jupyter Notebook 认证机制

最近准备调研下JupyterNotebook的单用户安全机制（认证）以及如何实现多租户，以便集成到公司的云平台，进而作为基于大数据平台的机器学习平台的一部分。

窝窝和牛牛·2025-03-06 22:45

《机器学习实战：从数据清洗到云端部署的可视化进阶指南（三）》

▍前言：阶段核心突破当前已完成模型开发与优化升级核心任务，成功将理论模型转化为工业级解决方案。本阶段基于前期标准化数据，实现从基础模型构建到高性能算法迭代的跨越式发展。▍章节回顾：攻坚与优化成果3.模型开发阶段算法实现：逻辑回归：搭建分类基线（LogisticRegression，准确率基准）支持向量机：对比线性核与RBF核性能差异（F1-score提升12%）K近邻：动态优化邻居数（k=5时验证

庸俗今天不摸鱼·2025-03-06 21:11

linux安装mysql别的机器连接不上_解决不能远程连接Linux服务器上MySQL的问题

今天在实验室的服务器上安装MySQL，装好后却发现远程的电脑无法连接到MySql服务器。服务器操作系统是Ubuntu14.04。于是在网上查了些资料，折腾了半天后终于搞定了，下面是具体的步骤。1)安装好MySQL后，修改如下文件sudovim/etc/mysql/my.cnf【如果说你不太会用Vi编辑器，你可以用SSH登陆后，将文件移除手动更改后，在上传到服务器覆盖该文件即可】找到bind-add

心望田·2025-03-06 21:37

Three.js windows 环境搭建

1.环境搭建步骤1:安装Node.js首先，确保你的Windows机器上安装了Node.js。你可以从Node.js官网下载并安装。

恋恋西风·2025-03-06 21:05

不能白嫖Cursor了？备胎计划：用 Cline + Gemini 2.0 解锁 AI 编程新高度

Cursor，这款备受欢迎的AI代码编辑器，虽然功能强大，但最近开始通过检测机器码等方式防止免费使用，让许多开发者感到受限。然而，不必担心！

surfirst·2025-03-06 19:21

CMake构建C++20 Module实例(使用MSVC)

上面验证通过.本文所有的源代码以及工程配置均可下载.背景在传统的C++编译过程中,代码的构建通常分为三个主要步骤:预处理:处理#include等指令,将头文件内容展开并插入到代码中.编译:将预处理后的代码转换为机器可以理解的目标文件

arong-xu·2025-03-06 19:46

[自动驾驶-传感器融合] 多激光雷达的外参标定

文章目录引言外参标定原理ICP匹配示例参考文献引言多激光雷达系统通常用于自动驾驶或机器人，每个雷达的位置和姿态不同，需要将它们的数据统一到同一个坐标系下。

simba丶小小程序猿·2025-03-06 19:15

2025全球机器学习技术大会即将召开：汇聚全球AI顶尖专家，共话未来技术趋势

由CSDN与Boolan联合主办的「2025全球机器学习技术大会」（MLSummit2025）将于4月18日至19日在上海虹桥西郊庄园丽笙大酒店隆重举行。

·2025-03-06 18:36

详解：Grok中文版 _Grok 3 国内中文版本在线使用

作为该公司核心技术之一，GrokAI专注于推动人工智能在各行各业的实际应用，尤其在数据分析、自然语言处理（NLP）、自动化决策、机器学习等领域表现出色。Grok的最大亮点在于其强大的数据处理能力。

·2025-03-06 18:35

Coze使用教程：不会编程也能快速上手构建开发出你的第一个AI应用

文章目录**一、构建你的第一个AIAgent：赞美机器人1.创建AIAgent2.编写提示词(Prompts)3.

·2025-03-06 18:32

【好书推荐7】《机器学习平台架构实战》

是Yu欸·2025-03-06 18:41

Python 机器学习基础之模型评估与改进【评估指标与评分】的简单说明

Python机器学习基础之模型评估与改进【评估指标与评分】的简单说明目录Python机器学习基础之模型评估与改进【评估指标与评分】的简单说明一、简单介绍二、评估指标与评分1、牢记最终目标2、二分类指标1

仙魁XAN·2025-03-06 18:38

大白话聊聊“深度学习”和“大模型”

1950年图灵发表论文《计算机器与智能》（ComputingMachineryandIntelligence），提出了“机器智能”（MachineIntelligent）的概念，并且提出了著名的“图灵测试

程序员鬼鬼·2025-03-06 17:06

基于hive的电信离线用户的行为分析系统

通过收集电信用户的通话记录、上网行为、短信使用等多源数据，利用Hive数据仓库工具进行数据存储和处理，采用数据挖掘和机器学习算法对用户行为进行分析。实验结果表明，该系统

赵谨言·2025-03-06 17:29

【精华推荐】AI大模型学习必逛的十大顶级网站

1.CourseraCoursera是一个在线学习平台，提供各类AI和机器学习课程，包括斯坦福大学的机器学习课程和深度学习专项课程。通过视频讲解

大模型入门学习·2025-03-06 17:58

【大模型学习】第八章深入理解机器学习技术细节

目录引言一、监督学习（SupervisedLearning）1.定义与工作原理2.常见任务3.应用场景示例：房价预测二、无监督学习（UnsupervisedLearning）1.定义与工作原理2.常见任务3.应用场景示例：客户细分三、强化学习（ReinforcementLearning）1.定义与工作原理2.常见应用场景3.应用场景示例：游戏AI四、集成学习（EnsembleLearning）1.

好多渔鱼好多·2025-03-06 16:57

Milvus 数据批量导入实战：Python代码解析

Milvus作为一款高性能的向量数据库，在人工智能、机器学习等领域有着广泛的应用。

修破立生·2025-03-06 14:09

低空经济中，多台机器空域信息管理调度策略

在低空经济中，多台机器（如无人机、eVTOL等）同时运行时，如何判断各自的空域信息并实现高效管理，是一个复杂但至关重要的问题。这需要从技术、运营和管理三个层面进行综合设计和实施。

小赖同学啊·2025-03-06 14:07

AstrBot：多平台 LLM 聊天机器人框架，让 AI 触手可及！

产品概述AstrBot是一款多平台大型语言模型（LLM）聊天机器人及开发框架，提供松耦合、异步的AI机器人解决方案。

Hello server·2025-03-06 14:06

四足机器人机架设计新突破！如何让AI机器人“站稳脚跟”？

核心价值：通过创新的机架形状设计，显著提升四足机器人结构稳定性与运动适应性，为AI机器人提供高效承载平台。

CodePatentMaster·2025-03-06 14:05

grok 3官网入口_grok 3国内使用指南

与市面上众多聊天机器人相比，Grok不只是一个简单的工具，它的推出标志着AI领域的一次重要突破。Grok被设计为一个具有独特个性和多重功能的智能助手，让它在人们的日常生活中扮演更加有趣和实用的角色。

·2025-03-06 14:54

L1与L2正则化：防止过拟合的双刃剑

标题：L1与L2正则化：防止过拟合的双刃剑文章信息摘要：L1和L2正则化是防止机器学习模型过拟合的两种关键技术。

XianxinMao·2025-03-06 14:31

手写数字识别项目：从原理到实践

一、手写数字识别原理手写数字识别主要依赖于模式识别和机器学习技术。其基本原理是将手写数字的图像转换为计算机能够处理的数字信号，然后通过特征提取和分类算法来判断该数字的具体值。常用的特征提取

北屿升：·2025-03-06 13:29

客户案例 | Ansys与Concepts NREC联合推出面向叶轮机械设计和分析的自动化工作流程

并加快产品上市进程主要亮点双方现在可以在ConceptsNREC的AxCent®3D叶轮机械组件设计中运行面向叶轮机械应用的AnsysCFX®计算流体力学软件该合作使设计人员能够以更高的预测准确性快速评估机器性能

ueotek·2025-03-06 13:23

c# .NET 的 Native AOT与java性能对比

以往，Java开发APP时，需经过多个步骤，从Java代码编译成字节码，再通过Java虚拟机在运行时将字节码转换为机器码，这一过程涉及大量的解释和转换工作，产生了额外的性能开销。

橙-极纪元JJYCheng·2025-03-06 12:18

Python从0到100（十八）：面向对象编程应用

想做这件事情很久了，这次我更新了自己所写过的所有博客，汇集成了Python从0到100，共一百节课，帮助大家一个月时间里从零基础到学习Python基础语法、Python爬虫、Web开发、计算机视觉、机器学习

是Dream呀·2025-03-06 11:12

智能云图库项目实战（4）---空间模块

‍♂️个人主页：@rain雨雨编程微信公众号：rain雨雨编程✍作者简介：持续分享机器学习，爬虫，数据分析希望大家多多支持，我们一起进步！

rain雨雨编程·2025-03-06 11:38

【西瓜书《机器学习》七八九章内容通俗理解】

第七章：贝叶斯分类器7.1贝叶斯决策论基础核心概念：贝叶斯分类器是基于概率来做分类决策的。简单来说，就是根据已知的一些条件，去计算每个类别出现的概率，然后选择概率最大的那个类别作为分类结果。就好比你在猜一个盒子里装的是红球还是蓝球，你可以根据之前从这个盒子里摸球的一些经验（比如摸出红球的次数多），来判断这次盒子里更有可能是红球还是蓝球。例子：假如你要判断一幅图片是猫还是狗。你知道在所有的图片数据里

游戏乐趣·2025-03-06 11:07

机器学习笔记

1概述1.1简介机器学习（MachineLearning）是计算机科学的子领域，也是人工智能的一个分支和实现方式。

有涯小学生·2025-03-06 10:35

机器学习—赵卫东阅读笔记（一）

第一章：机器学习基础1.1.2机器学习主要流派1.符号主义2.贝叶斯分类——基础是贝叶斯定理3.联结主义——源于神经学，主要算法是神经网络。

走在考研路上·2025-03-06 10:29

Python在机器学习与数据分析领域的深度应用：从基础到实战

Python作为一门强大而灵活的编程语言，凭借其丰富的库和工具，在机器学习和数据分析领域扮演着举足轻重的角色。

CodeJourney.·2025-03-06 09:54

Python神器 Jupyter Notebook

它适用于数据分析、可视化、机器学习等多种场景，尤其在数据科学领域中广受欢迎。二、安装与配置JupyterNotebook可以通过多种方式进行安装，其中最常见的是通过安装A

懒大王爱吃狼·2025-03-06 07:10

Ajax基础语法总结

了解服务器：提供某种服务器的机器（计算机）1.访问服务器的几种方式直接在地址栏输入网址a标签的href属性Location.href=‘url‘Ajax网页不会跳转Ajax技术：在网页不跳转的情况下，向服务器请求数据应用场景

前端小谢·2025-03-06 07:02

cmake学习笔记

我之前做机器人的开发都是按照别人写好的程序进行修改，而且是基于ROS的开发环境，对cmake的使用总是似懂非懂，只知道一些碎片化的

Yancey Lee·2025-03-06 06:32

《深入理解java虚拟机 JVM高级特性与最佳实践》读后日志

深入理解Java虚拟机JVM高级特性与最佳实践读后日志走进javaJava技术的一个重要优点是：在虚拟机层面隐藏了底层技术的复杂性以及机器与操作系统的差异性。

max90·2025-03-06 05:51

《Operating System Concepts》阅读笔记：p188-p199

《OperatingSystemConcepts》学习第21天，p188-p199总结，总计12页。一、技术总结1.thread-localstorageDataavailableonlytoagiventhread.2.transaction(1)英语中的意思c/u.trans-("across")+agere("todrive,do,peform")。theactofperformsthacr

·2025-03-06 05:08

大模型（LLM）的若干科普之问（七）：如何隔离LLM微调结果？

微调目的：使模型适应特定任务或领域，如文本分类、机器翻译、问答系统等。微调过程：数据准备：收集与任务相关的标注数据。模型调整：在预训练模型上继续训练，通常

人工干智能·2025-03-06 04:12

k8s1.30 监控并限制节点使用资源（kubelet+metrics-server）

处理思路如下1、无法登录hang死的机器先关机重启2、当前节点都配置污点，这样重启以后节点也不会接受任何调度3、重启后配置kubelet参数4、取消污点一、节点资源限制1.1、配置污点kubectltaintnodesk8s-n

sj1163739403·2025-03-06 04:39

费曼学习法11 - NumPy 的 “线性代数” 之力：矩阵运算与应用 (应用篇)

线性代数不仅是图像处理的基石，也在机器学习、物理模拟、工程计算等众多领域扮演着核心角色。它提供了一套强大的数学工具，用于描述和解决多维

修昔底德·2025-03-06 03:06

通往 AI 之路：Python 机器学习入门-线性代数

2.1线性代数（机器学习的核心）线性代数是机器学习的基础之一，许多核心算法都依赖矩阵运算。本章将介绍线性代数中的基本概念，包括标量、向量、矩阵、矩阵运算、特征值与特征向量，以及奇异值分解（SVD）。

一小路一·2025-03-06 02:27

机器学习校招面经二

快手机器学习算法一、AUC（AreaUndertheROCCurve）怎么计算？AUC接近1可能的原因是什么？

Y1nhl·2025-03-06 01:46

linux 远程文件同步(shell)

1.首先安装tcl和expect（先安装tcl,再安装expect,自行百度）,sshpass2.我想把本地文件同步到其他几台机器上,因此,需要知道机器的ip,username,password,我用一个文件来存放这些内容

黑暗的笑·2025-03-06 01:15

华为面试题及答案——机器学习(二)

21.如何评价分类模型的优劣?（1）模型性能指标准确率（Accuracy）：定义：正确分类的样本数与总样本数之比。适用：当各类样本的数量相对均衡时。精确率（Precision）：定义：预测为正类的样本中实际为正类的比例。适用：当关注假阳性错误的成本较高时（例如垃圾邮件检测）。召回率（Recall）：定义：实际为正类的样本中被正确预测为正类的比例。适用：当关注假阴性错误的成本较高时（例如疾病检测）。

麦当当MDD·2025-03-06 01:15

顺丰科技-2024 机器学习算法面经

专栏分享：计算机小伙伴秋招春招找工作的面试经验和面试的详情知识点专栏首页：软件测试开发类面经合集主要分享：测试开发类岗位在面试互联网公司时候一些真实的经验面试code学习参考请看：数据结构面试必刷100题一面：1.自我介绍2.线程和进程的区别，什么时候用多进程，什么时候用多线程（这个属于给自挖坑了）3.实习项目问题，项目目标是怎么定的，用的什么算法

程序员奇奇·2025-03-06 00:10

基于 Python + Django 的学生成绩综合评价分析预测可视化系统

该系统利用机器学习算法（如线性回归）进行成绩预测，并通过DjangoWeb框架实现数据的展示和用户交互。二、系统功能概述学生信息管理：系统管理学生的基本信息，包括年龄、性别、爱好等，基于Dj

源码空间站11·2025-03-06 00:40

推荐频道

机器阅读笔记