监督学习-降维第11页

常见机器学习算法总结

基本算法总结正面.jpeg图的左半部分列出了常用的机器学习算法与它们之间的演化关系，分为有监督学习，无监督学习，强化学习3大类。

婉妃·2024-01-16 20:39

机器学习中的SVD总结

1.矩阵分解1.1矩阵分解的作用矩阵填充(通过矩阵分解来填充原有矩阵，例如协同过滤的ALS算法就是填充原有矩阵)清理异常值与离群点降维、压缩个性化推荐间接的特征组合(计算特征间相似度)1.2矩阵分解的方法

一只胖猪猪·2024-01-16 19:14

【MATLAB随笔】遗传算法优化的BP神经网络（随笔，不是很详细）

遗传算法优化的BP神经网络二、代码解读2.1数据预处理2.2GABP2.3部分函数说明一、算法思想1.1BP神经网络BP神经网络（BackpropagationNeuralNetwork，反向传播神经网络）是一种监督学习的人工神经网络

感谢地心引力·2024-01-16 15:49

监督学习 - 梯度提升回归（Gradient Boosting Regression）

什么是机器学习梯度提升回归（GradientBoostingRegression）是一种集成学习方法，用于解决回归问题。它通过迭代地训练一系列弱学习器（通常是决策树）来逐步提升模型的性能。梯度提升回归的基本思想是通过拟合前一轮模型的残差（实际值与预测值之差）来构建下一轮模型，从而逐步减小模型对训练数据的预测误差。以下是梯度提升回归的主要步骤：初始化：初始模型可以是一个简单的模型，比如均值模型。这个

草明·2024-01-16 11:02

机器学习学习笔记（吴恩达）（第三课第一周）（无监督算法，K-means、异常检测）

欢迎聚类算法：无监督学习：聚类、异常检测推荐算法：强化学习：聚类（Clustering）聚类算法：查看大量数据点并自动找到彼此相关或相似的数据点。

kgbkqLjm·2024-01-16 10:30

机器学习——主成成分分析PCA

上述例子体现了降维。维数少了，数据就少了。在上述的例子中，我们可以用肉眼看出来存在相关性；在实际

你若盛开，清风自来！·2024-01-16 10:29

【白话机器学习的数学】读书笔记(1)简介机器学习

聚类不带标签，所以分成几组后我们可以通过分组结果得到不同组别的特征分类带标签，所以一开始就是奔着将数据根据一定的规则分配到对应的标签上3.有监督学习和无监督学习使用有标签的数据进行学习称之为有监督学习。

JunLal·2024-01-16 10:27

无监督深度学习

无监督学习是指用于训练的数据中没有目标标签的问题空间。本节讨论三种无监督深度学习架构：自组织映射、自动编码器和受限玻尔兹曼机。我们还讨论了如何基于底层无监督架构构建深度置信网络和深度堆叠网络。

AI-智能·2024-01-16 10:13

机器学习入门

学习目标完成此学习路径后，你将能够：了解什么是机器学习了解监督学习与无监督学习执行数据探索和预处理准备和训练分类模型了解线性回归了解解决基于分类的机器学习问题的基础知识通过P

AI-智能·2024-01-16 10:42

半监督学习 - 自监督学习（Self-Supervised Learning）

什么是机器学习自监督学习既不是纯粹的半监督学习，也不是纯粹的无监督学习，而是介于两者之间的一种学习范式。在自监督学习中，模型从数据本身中生成标签，而不是依赖外部的人工标签。

草明·2024-01-16 09:21

半监督学习 - 三元组学习（Triplet Learning）

什么是机器学习三元组学习（TripletLearning）是半监督学习中一种用于学习有用表示的方法。它通常用于学习数据中的相似性关系，尤其在人脸识别、图像检索等领域中得到广泛应用。

草明·2024-01-16 09:44

MATLAB Deep learning

MachineLearning存在的问题过拟合Overfitting解决过拟合regularizationandvalidationregularization正则化validation验证机器学习的类型有监督学习分类

JNU freshman·2024-01-16 09:37

群体结构分析

进化树和PCA本质上都是计算样本序列间的差异程度，然后利用两两差异度聚类（进化树）或降维（PCA）

滴滴_54f1·2024-01-16 07:10

探索sklearn中SVM模型的原理及使用案例

一、SVM的原理SVM是一种监督学习算法，其核心思想是找到一个最优的超平面（或曲面

python慕遥·2024-01-16 07:12

人工智能对我们的生活影响有多大

包括监督学习、无监督

胡图不迷糊·2024-01-16 07:07

XGBoost eXtreme Gradient Boosting

XGBoost模型的注意事项五、XGBoost模型的实现类库六、XGBoost模型的评价指标七、类库xgboost实现XGBoost的例子八、XGBoost的模型参数总结前言XGBoost是机器学习中有监督学习的一种集成学习算法

JasonH2021·2024-01-16 07:17

敏捷Scrum中蕴含第一性原理来降维打击

最近敏捷小伙伴们在讨论Scrum与Kanban的区别，还有一些伙伴趁着清明节使劲地挖坟考古。我也来谈谈看法。本文无意考古和展开某种方法论，而是试图以“第一性原理”来探讨事情的本质。第一性原理Afirstprincipleisabasic,foundationalpropositionorassumptionthatcannotbededucedfromanyotherpropositionoras

申导Jacky·2024-01-16 04:45

K - 近邻算法

KNN算法属于监督学习方式的分类算法，我的理解就是计算某给点到每个点的距离作为相似度的反馈。简单来讲，KNN就是“近朱者赤，近墨者黑”的一种分类算法。

想做后端的前端·2024-01-16 03:58

动态规划 -- 01背包问题和完全背包问题

时隔半年，再次回过头来看背包问题，突然感觉十分明朗了，不觉得空间降维很难理解了，以前死活理解不了这里为什么可以空间降维。

Lucky小黄人·2024-01-15 22:32

三体：最残忍的一句话

宇宙是一片海，一片一直在更迭的海，各个文明之间不断互相倾轧绞杀，不断降维，不断打击。从十维竟是已

终南山老狐狸·2024-01-15 19:13

[论文阅读]Self-Supervised Learning for Videos: A Survey

Self-SupervisedLearningforVideos:ASurvey.ACMComput.Surv.,55(13s),1–37.https://doi.org/10.1145/3577925论文中文名称：视频的自监督学习综述摘要

王知为·2024-01-15 16:11

知识：PCA降维

参考了两篇关于PCA的帖子：CodingLabs-PCA的数学原理【机器学习】降维——PCA（非常详细）-知乎里面讲的比较详细，我只做个小简化PCA（PrincipalComponentAnalysis

LittleLittleWhite·2024-01-15 16:10

python Kmeans算法解析

一.概述首先需要先介绍一下无监督学习，所谓无监督学习，就是训练样本中的标记信息是位置的，目标是通过对无标记训练样本的学习来揭示数据的内在性质以及规律。

大数据_zzzzMing·2024-01-15 15:35

粮食、马匹和病菌：造成不同文明发展水平差异的根本原因在哪里？

在之前的文章《卡哈马卡之战：历史上真实文明的降维打击》中我们简单介绍了西班牙与对印加帝国的一场战役以及这场战役结果背后的原因。

柏拉图和食铁兽·2024-01-15 11:51

K邻近和KNN

别KNN：•KNN算法主要是用于解决监督学习中的分类问题•其数据集是由特征值和目标值组成，使用的数据是已经标记过的数据•KNN算法是一种懒惰算法，没有明显的前期训练过程•里面的K值表示把这个样本点分到哪个类别的参考数据点

hema12138·2024-01-15 10:37

聚类算法之Kmeans聚类详解

聚类算法是无监督学习算法，它根据样本之间的相似性，将样本划分到不同的类别中；不同的相似度计算方法，会得到不同的聚类结果，常用的相似度计算方法有欧氏距离法。

进击的卡特琳娜·2024-01-15 09:50

半监督学习 - 半监督支持向量机（Semi-Supervised Support Vector Machines）

什么是机器学习半监督支持向量机（Semi-SupervisedSupportVectorMachines，S3VM）是支持向量机（SVM）的一种扩展，旨在处理训练数据中只有少量样本被标记的情况。与传统的监督SVM不同，S3VM通过结合有标签数据和无标签数据来提高分类器的性能。以下是半监督支持向量机的基本思想和步骤：基本思想利用未标记数据：利用未标记的数据来增加模型的泛化性能。最大化边界：通过考虑未

草明·2024-01-15 06:47

半监督学习 - 半监督聚类（Semi-Supervised Clustering）

什么是机器学习半监督聚类是一种集成了有标签数据和无标签数据的聚类方法，其目标是在聚类的过程中利用有标签数据的信息来提高聚类性能。在半监督聚类中，一部分数据集有已知的标签，而另一部分没有标签。以下是半监督聚类的基本思想和一些常见方法：基本思想：有标签数据：利用有标签的数据对聚类过程进行监督或指导，以提高聚类的准确性。无标签数据：利用无标签的数据进行聚类，从中发现潜在的簇结构。常见的半监督聚类方法：C

草明·2024-01-15 06:47

影像组学学习笔记(23)-主成分析PCA、降维和特征筛选的区别

本笔记来源于B站Up主:有Li的影像组学系列教学视频本节(23)主要讲解:主成分析PCA，影像组学降维和特征筛选的区别0.PCA(Principalcomponentanalysis)的数学原理PCA.JPG

北欧森林·2024-01-15 05:40

T002 降维打击

多次看到涉及多个领域，有关降维打击分析的文章，一直在思考这个概念对于我们普通人有什么启示呢？一、降维打击5.1出去玩，在这个万物求偶的季节，见到了孔雀开屏与火鸡开屏。

筱轩私塾·2024-01-15 04:29

深度学习day02 线性模型

深度学习day02线性模型线性模型的三个步骤监督学习过拟合泛化能力平均平方误差MSE模型代码：枚举法Visdom实时可视化工具包要会定期存盘（将模型运行崩盘前几天的数据存下来）range函数语法axis

qq_2480543330·2024-01-15 04:51

Week7

在监督学习中，许多学习算法的性能都非常类似，因此，重要的不是你该选择使用学习算法A还是学习算法B，而更重要的是，应用这些算法时，所创建的大量数据在应用这些算法时，表现情况通常依赖于你的水平

kidling_G·2024-01-15 04:02

分类和聚类的定义与区别

分类是有监督学习，通过已知标签的训练数据构建模型，预测新数据的类别。聚类是无监督学习，通过相似性度量将数据分组成类别，发现数据的内在结构和模式。

爱打网球的小哥哥一枚吖·2024-01-14 19:32

KNN算法与Kmeans的算法的思想与异同

KNN算法：思想：KNN是一种监督学习算法，通过找到与新样本最相似的K个训练样本，进行分类或回归。基于特征空间中的邻近性，相似的样本在空间中也是相邻的。异同：监督学习：KNN需要有标签的训练数据。

爱打网球的小哥哥一枚吖·2024-01-14 19:32

讲解机器学习中的 K-均值聚类算法及其优缺点

K-均值聚类算法是一种常见且简单的无监督学习算法，用于将数据集分为K个不同的类别。

酷爱码·2024-01-14 18:09

机器学习之线性回归-多因子房价预测

根据建立的关系去解决问题机器学习的应用场景数据挖掘、计算机视觉、自然语言处理、证券分析、医学诊断、机器人…实现机器学习的基本框架将训练数据喂给计算机，计算机自动求解数据关系，在新的数据上做出预测或给出建议机器学习的类别监督学习

小旺不正经·2024-01-14 15:46

分类预测 | Matlab实现QPSO-SVM、PSO-SVM、SVM多特征分类预测对比

机器学习之芯·2024-01-14 14:21

西瓜书读书笔记整理（十） —— 第十章降维与度量学习

10.1k近邻学习10.1.1什么是kNN学习kNN算法（k-NearestNeighbors）是一种常用的分类和回归算法。它的基本思想是根据最近邻的样本来预测未知样本的标签或值。10.1.2kNN算法步骤kNN算法的步骤如下：计算未知样本与训练集中所有样本的距离（通常使用欧氏距离或其他距离度量方法）。选取与未知样本距离最近的k个样本。对于分类问题，根据这k个样本的标签进行投票或权重计算，确定未知

smile-yan·2024-01-14 11:37

【深度学习：Foundation Models】基础模型完整指南

基础模型背后的5项人工智能原理根据大量数据进行预训练自我监督学习过度拟合微调和快速工程（适应性强）广义的基础模型的用例基础模型的类型计算机视觉基础模型计算机视觉基础模型的示例多模式基础模型多模式基础模型示例生成对抗网络

jcfszxc·2024-01-14 10:14

工智能基础知识总结--聚类算法

聚类是一种无监督学习的方法，是许多领域中常用的统计数据分析技术。高斯混合聚类（GMM）GMM在EM算法一节介绍。下面K-Means的推导也会用到GMM。K均值聚类（K

北航程序员小C·2024-01-14 09:53

读史以开慧

过去的二十多年里，我一直对历史嗤之以鼻，不爱看，觉得看了没用，不如多读点工具书，起码对工作有帮助，但是在社会上经历了几年的人情世故，被降维毒打付出了惨痛的代价以后，我开始慢慢觉得，我需要一些历史的案例来指引我洞察人心

大雅2019早睡早起·2024-01-14 08:46

【非监督学习 02】高斯混合模型

高斯混合模型（GuassianMixedModel,GMM）也是一种常见的聚类算法，与K均值算法类似，同样使用了EM算法进行迭代计算。高斯混合模型假设每个簇的数据都是符合高斯分布的，当前数据呈现的分布就是各个簇的高斯分布叠加在一起的结果。图5.6是一个数据分布的样例，如果只用一个高斯分布来拟合图中的数据，图中所有的椭圆即为高斯分布的二倍标准差所对应的椭圆。直观来说，图中的数据明显分为两簇，因此只用

一碗姜汤·2024-01-14 07:45

李沐—动手学深度学习笔记

目录引言1.2机器学习中的关键组件1.3.1监督学习2.预备知识2.1数据操作2.1.3.广播机制2.1.4.索引和切片2.1.5.节省内存2.1.6.转换为其他Python对象2.2.数据预处理2.2.1

比三毛多一根头发·2024-01-14 07:30

Grounding DINO：开放集目标检测，将基于Transformer的检测器DINO与真值预训练相结合

ContrastiveLanguage-ImagePre-training)：打破文字和图像之间的壁垒DINO(Data-INterpolatingNeuralNetwork)：视觉Transformer的自监督学习

丁希希哇·2024-01-14 07:59

李沐《动手学深度学习》预备知识线性代数与微积分

系列文章目录李沐《动手学深度学习》预备知识张量操作与数据处理文章目录系列文章目录一、线性代数（一）标量、向量、矩阵、张量（二）张量运算的基本性质（三）降维（四）点积（五）矩阵向量积、矩阵乘法（六）范数二

丁希希哇·2024-01-14 07:52

监督学习 - 多层感知机回归（Multilayer Perceptron Regression，MLP Regression）

什么是机器学习多层感知机回归（MultilayerPerceptronRegression，MLPRegression）是一种人工神经网络（ArtificialNeuralNetwork，ANN）的形式，用于解决回归问题。多层感知机是一种包含多个层次的神经网络结构，其中包括输入层、至少一个或多个隐藏层，以及输出层。以下是多层感知机回归的主要特点和步骤：输入层：输入层包含与特征数量相等的节点，每个节

草明·2024-01-14 06:53

半监督学习 - 联合训练（Co-Training）

什么是机器学习联合训练（Co-Training）是一种半监督学习方法，它通过同时训练多个模型，每个模型都基于不同的特征集进行学习。