监督学习

什么是损失函数？

在监督学习中，我们通常有一组训练数据，包括输入特征（X）和对应的真实标签（Y）。模型的目标是学习一个从输入特征到输出标签的映射函数。损失函数就是用来衡量模型在这个映射过程中产生的误差的函数。
翰霖努力成为专家·2024-08-28 03:20

深度学习学习经验——强化学习（rl）

与监督学习和无监督学习不同，强化学习并不依赖于已标注的数据集，而是通过智能体在环境中的探索和试错来学习最优策略。强化学习的主要特点：基于试错学习：强化学习中的智能体通过与环境的互动，不断尝试不同的行动
Linductor·2024-08-27 06:32

如何提升大模型的智能水平？

通过自监督学习和无监督学习，模型可以在大规模未标注数据上进行高效训练，
刷刷刷粉刷匠·2024-08-26 11:21

【机器学习】机器学习与大模型在人工智能领域的融合应用与性能优化新探索

文章目录引言机器学习与大模型的基本概念机器学习概述监督学习无监督学习强化学习大模型概述GPT-3BERTResNetTransformer机器学习与大模型的融合应用自然语言处理文本生成文本分类机器翻译图像识别自动驾驶医学影像分析语音识别智能助手语音转文字大模型性能优化的新探索模型压缩权重剪枝量化知识蒸馏分布式训练数据并行模型并行异步训练高效推理模型裁剪缓存机制专用硬件未来展望跨领域应用智能化系统人
E绵绵·2024-08-26 06:25

深度探索：决策树算法在机器学习中的原理与应用

引言与背景决策树算法作为机器学习领域的一种基础而重要的监督学习方法，以其直观易理解、解释性强以及能处理离散和连续属性等特点，在数据挖掘、数据分析和预测建模等诸多领域占有不可或缺的地位。
生瓜蛋子·2024-08-25 23:42

深度学习--自监督学习

自监督学习是一种无需大量人工标注的数据驱动方法，在生成模型中应用广泛。自监督学习通过利用数据中的固有结构或属性创建“伪标签”，使模型在没有人工标签的情况下进行学习。
Ambition_LAO·2024-08-25 21:28

小琳 AI 课堂：机器学习

从技术实现的层面来讲，主要分成监督学习、无监督学习和强化学习这三大类别监督学习：在有标记的数据集上展开学习。打个比方哈，根据已知的
小琳ai·2024-08-25 15:52

机器学习 | 距离计算

闵可夫斯基距离（有序属性）1.1曼哈顿距离1.2欧氏距离2.VDM距离（无序属性）3.MinkovDM距离（混合属性）4.加权距离（重要性不同）参考资料相关文章：机器学习|目录机器学习|聚类评估指标无监督学习
X1AO___X1A·2024-08-25 06:55

每天一个数据分析题（四百八十七）- 非监督学习

关于非监督学习，在K-means聚类分析使用的距离是（）A.欧式距离B.绝对距离C.Minkowski距离D.笛卡尔距离数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖
跟着紫枫学姐学CDA·2024-08-24 23:13

每天一个数据分析题（四百八十八）- 非监督学习

关于非监督学习，在K-means聚类分析使用的距离是（）A.欧式距离B.绝对距离C.Minkowski距离D.笛卡尔距离数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖
跟着紫枫学姐学CDA·2024-08-24 23:13

24/8/17算法笔记 模仿学习算法

通常使用监督学习的方法，将专
青椒大仙KI11·2024-08-24 00:45

四十一、【人工智能】【机器学习】- Bayesian Logistic Regression算法模型

系列文章目录第一章【机器学习】初识机器学习第二章【机器学习】【监督学习】-逻辑回归算法(LogisticRegression)第三章【机器学习】【监督学习】-支持向量机(SVM)第四章【机器学习】【监督学习
暴躁的大熊·2024-08-23 19:46

stable diffusion和GAN网络的区别，优点缺点是什么

稳定扩散是一种无监督学习方法，用于图像超分辨率重建。它基于扩散过程模型，通过在不同的时间步骤中对图像进行重建来增加分辨率。该方法能够有效地增加图像的细节，并产生更高质量的图像。
爱好很多的算法工程师·2024-08-23 09:15

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无监督学习算法，用于将数据集中的样本分为K个不同的类别。该算法的基本思想是通过不断迭代地更新类别的中心点，将每个样本分配给离其最近的中心点所代表的类别。
weixin_63207763·2024-08-23 01:25

各种聚类方法的聚类思想介绍及其优缺点

聚类是一种无监督学习方法，旨在将数据集中的样本划分为若干个组，使得同一组内的样本相似度最大，而不同组之间的样本相似度最小。
QianMo-WXJ·2024-08-23 00:22

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用的无监督学习算法，用于将样本数据划分为K个不同的簇。其基本思想是通过迭代去优化簇的中心位置，使得每个样本点到所属簇的中心点的距离最小。
刘小董·2024-03-14 20:18

深度学习如何入门？

（3）了解机器学习基础，包括监督学习和非监督学习的概念、模型评估与选择等。学习深度学习理论：（1）理解神经网络的基本组成，如神经元、激活函数
nanshaws·2024-03-13 07:29

机器学习、深度学习、神经网络之间的关系

机器学习算法可以分为监督学习、无监督学习、半监督学习和强化学习等不同
你好，工程师·2024-03-12 08:54

探索LightGBM：监督式聚类与异常检测

导言监督式聚类和异常检测是在监督学习框架下进行的一种特殊形式的数据分析技术。在Python中，LightGBM提供了一些功能来执行监督式聚类和异常检测任务。
Echo_Wish·2024-02-27 19:02

1.深度学习基础-模型评估指标

有监督学习回归任务回归任务模型的评估主要通过误差和拟合优度来进行，常用的指标包括平均绝对误差（MAE）、均方误差（MSE）、均方根误差（RMSE）和决定系数（R²）。
alstonlou·2024-02-24 20:03

【人工智能学习思维脉络导图】

持续学习与进展5.挑战与自我提升6.人脉网络知识图谱人工智能学习思维脉络导图1.基础知识计算机科学基础数学基础（线性代数、微积分、概率论和统计学）编程语言（Python、R等）2.人工智能核心概念机器学习监督学习无监督学习强化学习深度学习神经网络卷积神经网络
AK@·2024-02-22 23:44

机器学习基础（一）理解机器学习的本质

目录机器学习机器学习概念相关概念机器学习根本：模型数据的语言：特征与标签训练与测试：模型评估机器学习的分类监督学习：有指导的学习过程非监督学习：自我探索的过程强化学习：通过试错学习构建与分析鸢尾花数据模型鸢尾花数据集简介加载数据集创建和训练模型进行预测与评估模型机器学习机器学习概念机器学习是人工智
昊昊该干饭了·2024-02-20 21:38

吴恩达机器学习全课程笔记第一篇

目录前言P1-P8监督学习无监督学习P9-P14线性回归模型成本（代价）函数P15-P20梯度下降P21-P24多类特征向量化多元线性回归的梯度下降P25-P30特征缩放检查梯度下降是否收敛学习率的选择特征工程多项式回归前言从今天开始
亿维数组·2024-02-20 21:37

机器学习-近邻KNN算法学习笔记

算法原理算法通俗解释算法的公式欧氏距离曼哈顿距离三、算法实现与应用模型搭建思路KNN算法模型源码代码运行效果图四、总结一、算法定义K最近邻（K-NearestNeighbors，KNN）算法是一种用于分类和回归的监督学习算法
不会敲代码的陈序员·2024-02-20 21:36

【机器学习案例5】语言建模 - 最常见的预训练任务一览表

自监督学习(SSL)是基于Transformer的预训练语言模型的支柱，该范例涉及解决有助于建模自然语言的预训练任务(PT)。本文将所有流行的预训练任务放在一起，以便我们一目了然地评估它们。
suoge223·2024-02-20 20:05

机器学习---强化学习

1.什么是强化学习在连接主义学习中，在学习的方式有三种：非监督学习(unsupervisedlearning)、监督学习(supervisedleaning)和强化学习。
三月七꧁ ꧂·2024-02-20 16:26

深度学习——概念引入

深度学习深度学习简介深度学习分类根据网络结构划分：循环神经网络卷积神经网络根据学习方式划分：监督学习无监督学习半监督学习根据应用领域划分：计算机视觉自然语言处理语音识别生物信息学深度学习简介深度学习（DeepLearning
韶光流年都束之高阁·2024-02-20 10:31

Sora背后的论文(1)：使用 lstms 对视频展现进行无监督学习

之前那篇《Sora背后的32篇论文》发出后，大家都觉得不错，有很多小伙伴都开始啃论文了。那么我就趁热打铁，把这32篇论文的通俗解读版贴一下。从去年开始，我基本上形成了一个思维方式，任何事情做之前先看看有没有好的AI工具帮助自己提高效率。我本身不是算法出身，也是散装英语的水平，所以这个过程是借助了一些AI工具完成，后面会专门写一篇介绍详细的说明。Sora官网技术文章出处：Videogeneratio
一支烟一朵花·2024-02-20 08:17

数据挖掘十大经典算法之KNN

一、knn介绍1.K最近邻(k-NearestNeighbor，KNN)分类算法，属于有监督学习中的分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。
我姓许啊·2024-02-20 01:41

GAN生成对抗性网络

一、GAN原理出发点：机器学习中生成模型的问题无监督学习是机器学习和未来人工智能的突破点，生成模型是无监督学习的关键部分特点：不需要MCMC或者变分贝叶斯等复杂的手段，只需要在G和D中对应的多层感知机中运行反向传播或者梯度下降算法模型通常使用神经网络
Dirschs·2024-02-19 23:19

支持向量机SVM

支持向量机（SVM，SupportVectorMachines）是一种广泛使用的监督学习方法，适用于分类、回归和其他任务。
ALGORITHM LOL·2024-02-19 23:19

【论文精读】ESViT

尽管其简单有效，但现有的基于transformer的SSL（自监督学习）方法需要大量的计算资源才能达到SoTA性能。故认为SSL系统的效率与两个因素高度相关：网络架构和预训练任务。
None-D·2024-02-19 22:40

【论文精读】SimCLR2

摘要本文提出了一个半监督学习框架，包括三个步骤：无监督或自监督的预训练；有监督微调；使用未标记数据进行蒸馏。
None-D·2024-02-19 22:40

【机器学习笔记】11 支持向量机

支持向量机（SupportVectorMachine,SVM）支持向量机是一类按监督学习（supervisedlearning）方式对数据进行二元分类的广义线性分类器（generalizedlinearclassifier
RIKI_1·2024-02-19 19:38

【机器学习笔记】12 聚类

无监督学习概述监督学习在一个典型的监督学习中，训练集有标签，我们的目标是找到能够区分正样本和负样本的决策边界，需要据此拟合一个假设函数。
RIKI_1·2024-02-19 19:38

【机器学习笔记】3 逻辑回归

分类问题分类问题监督学习最主要的类型，主要特征是标签离散，逻辑回归是解决分类问题的常见算法，输入变量可以是离散的也可以是连续的二分类先从用蓝色圆形数据定义为类型1，其余数据为类型2；只需要分类1次，步骤
RIKI_1·2024-02-19 19:02

支持向量机 | 核技巧于SMO算法的实现

核技巧关于支持向量机，我们有这样的共识：支持向量机是一种分类器，之所以叫“机”是因为它会产生一个二值决策结果，是一种决策机；支持向量机的泛化误差较低，即，有良好的学习能力，且学到的模型具有很好的推广性，因此被认为是监督学习中最好的定式算法
Sudden·2024-02-19 18:44

AI算法初识之分类汇总

以下是一些主要的分类方式及相应的代表性算法：1.按照学习类型-**监督学习**：-线性回归（LinearRegression）-逻辑回归（LogisticRegression）-决策树（DecisionTree
初心不忘产学研·2024-02-19 14:32

Python环境下基于深度判别迁移学习网络的轴承故障诊断

另一方面，如果直接在新的目标领域中进行模型的训练，其数据的稀缺和标注的不完整可能会导致监督学习出现严重的过拟合问题，难以达到令人满意的学习效果
哥廷根数学学派·2024-02-19 12:36

（2024，L-DAE，去噪 DM，去噪 AE，影响 SSRL 性能的关键成分，PCA 潜在空间）解构自监督学习的去噪扩散模型

DeconstructingDenoisingDiffusionModelsforSelf-SupervisedLearning公和众和号：EDPJ（进Q交流群：922230617或加VX：CV_EDPJ进V交流群）目录0.摘要4.解构去噪扩散模型4.1.用于自监督学习的重新导向
EDPJ·2024-02-19 12:04

为自监督学习重构去噪扩散模型

在这项研究中，作者检验了最初用于图像生成的去噪扩散模型（DDM）的表示学习能力。其理念是解构DDM，逐渐将其转化为经典的去噪自动编码器（DAE）。这一解构过程让大家能够探索现代DDM的各个组成部分如何影响自监督的表征。观察到，只有极少数现代组件对学习好的表征至关重要，而其他许多组件则不重要。研究最终得出了一种高度简化的方法，在很大程度上类似于经典的DAE。来自：DeconstructingDeno
tzc_fly·2024-02-19 12:48

open3d k-means 聚类

算法步骤二、代码1、机器学习生成`kmeans`聚类2、点云学习生成聚类三、结果1、原点云2、机器学习生成`kmeans`聚类3、点云学习生成聚类四、相关链接一、算法原理1、介绍K-means聚类算法是一种无监督学习算法
云杂项·2024-02-19 11:04

ChatGPT原理以及发展

属于大规模预训练模型，有两个关键字，大规模和预训练，大规模：参数够多、模型够大预训练：数据集够多，训练时间够多所以单个人没有足够的算力，那就直接有现成的吧语言处理和图像处理在深度学习里都差不多原理基本相似，在监督学习中都是需要大量的标注数据和人工干预
菜鸟Cardll·2024-02-19 10:49

机器学习中的10种非线性降维技术对比总结

降维意味着我们在不丢失太多信息的情况下减少数据集中的特征数量，降维算法属于无监督学习的范畴，用未标记的数据训练算法。尽管降维方法种类繁多，但它们都可以归为两大类:线性和非线性。
·2024-02-19 10:49

NLP_ChatGPT的RLHF实战

原文：译文：第1步，先使用大量数据(从Prompt数据库中抽样)通过监督学习在预训练的GPT-3.5基础
you_are_my_sunshine*·2024-02-15 09:41

探索机器学习：定义、算法及应用领域

目录前言1机器学习的定义2机器学习算法2.1监督学习2.2无监督学习2.3强化学习3机器学习的应用3.1智能搜索3.2医疗诊断3.3无人驾驶结语前言机器学习，源自ArthurSamuel的定义，赋予计算机通过领域学习的能力
cooldream2009·2024-02-14 05:29

DS Wannabe之5-AM Project: DS 30day int prep day14

自编码器是一种特殊类型的神经网络，它通过无监督学习尝试复现其输入数据。它通常包含两部分：编码器和解码器。
wendyponcho·2024-02-13 20:29

机器学习入门--BP神经网络原理与实践

BP神经网络引言BP神经网络，即反向传播神经网络，是一种监督学习算法，用于多层前馈神经网络的训练。
Dr.Cup·2024-02-13 13:37

机器学习入门--支持向量机原理与实践

支持向量机模型支持向量机（SupportVectorMachine，SVM）是一种常用的监督学习算法，主要用于分类和回归问题。它的原理简单而强大，在许多实际应用中取得了很好的效果。
Dr.Cup·2024-02-13 13:36

3. ⼤语⾔模型深度学习背景知识

需要注意的是，预训练本质上是⼀个⽆监督学习过程；得到预训练模型（PretrainedModel），也被称为基座模型（BaseModel），模型具
Andy_shenzl·2024-02-12 18:22
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他