监督学习

【机器学习中的基本术语：特征、样本、训练集、测试集、监督/无监督学习】

机器学习基本术语详解1.特征（Feature）定义：数据的属性或变量，用于描述样本的某个方面。作用：模型通过学习特征与目标之间的关系进行预测。示例：预测房价时，特征可以是面积、地段、房龄。图像识别中，特征可以是像素值、颜色直方图。关键点：特征工程（FeatureEngineering）：通过变换、组合特征提升模型性能（如将“年龄”分桶为“青年/中年/老年”）。特征选择（FeatureSelecti
Blue桃之夭夭·2025-04-09 18:05

科普：原始数据是特征向量么?

例如在监督学习中，算法通过学习特征向量x\mathbf{x}x与目标变量yyy之间的关系来
人工干智能·2025-04-09 17:23

机器学习（概述）

1.说明有监督学习和无监督学习的各自的特点及区别-监督学习-有标签-分类：标签值离散-回归：标签值连续-无监督学习-无标签，按照样本的相似性进行聚合-半监督学习-部分有标签，部分无标签-强化学习2.说明下机器学习的建模流程
羡江007·2025-04-09 10:42

AP聚类算法的Python实现

AP聚类算法的Python实现AP（AffinityPropagation）聚类算法是一种无监督学习算法，用于将数据集划分为不同的聚类簇。
BitSlinger·2025-04-09 06:47

机器学习算法--层次聚类算法

一、层次聚类算法简介层次聚类算法（HierarchicalClusteringAlgorithm）是一种常用的无监督学习算法，用于将数据集划分成多个不同层次的簇。
2301_79295435·2025-04-09 06:46

DefogNet 与 TSID-Net：两种单图像去雾方法的对比分析

1.DefogNet：基于无监督学习的单图像去雾算法方法概述DefogNet是一种基于无监督学习的单图像去雾算法，其核心思想是将图像去雾视为风格转换问题，即从雾天图像转换到晴天图像。
梦姐的编程日志·2025-04-06 03:08

深度探索：机器学习中的WGAN-GP算法原理及其应用

WGAN-GP优缺点分析优点：缺点：6.案例应用7.对比与其他算法8.结论与展望1.引言与背景在机器学习领域，生成对抗网络（GenerativeAdversarialNetworks,GANs）作为一种强大的无监督学习模型
生瓜蛋子·2025-04-05 06:22

AI：机器学习模型 - 分类

机器学习分类：从理论到实战详解简介机器学习分类是监督学习的核心任务之一，旨在根据输入数据的特征将其划分到预定义的类别中。
Thomas Kant·2025-04-04 10:41

【GIS人必学】GIS+K-Means聚类分析算法实现对数据集的最优分类

聚类是将数据分类到不同的类或者簇这样的一个过程，是一种对搜索簇的无监督学习过程。聚类所要求划分的类是未知的，是一种探索性的分析。分类则依赖预先定义的类或带类标记的训练实例，是一种示例式的监督学习过程。
GIS小天·2025-04-04 10:38

走向多模态AI之路（三）：多模态 AI 的挑战与未来

2.1计算资源消耗：模型复杂度带来的成本问题2.2数据标注困难：跨模态数据集的挑战2.3对齐和融合的难点2.4泛化能力与鲁棒性2.5伦理与隐私问题三、研究方向与未来发展3.1轻量化模型与高效计算3.2自监督学习与弱监督学习
BigNorthBear·2025-04-03 21:47

机器学习之实战篇——图像压缩(K-means聚类算法)

机器学习之实战篇——图像压缩(K-means聚类算法）0.文章传送1.实验任务2.实验思想3.实验过程0.文章传送机器学习之监督学习（一）线性回归、多项式回归、算法优化[巨详细笔记]机器学习之监督学习（
潮汐退涨月冷风霜·2025-04-03 10:36

K-均值聚类算法的深入分析与实践

本文还有配套的精品资源，点击获取简介：K-均值聚类算法是一种用于数据聚类分析的无监督学习方法，通过迭代过程将数据点分组到最近的聚类中心。
Unreal丶·2025-04-02 16:37

[2025年最新]关于使用python和Java调用AI大模型

监督学习作为机器学习的关键分支，依靠已标记数据进行模型训练。例如在图像分类任务中，为算法提供大量已标注好类别（如“猫”“狗”
尤物程序猿·2025-04-01 21:19

小白入门机器学习概述

文章目录一、引言二、机器学习的基础概念1.机器学习的定义2.机器学习的类型（1）监督学习（SupervisedLearning）（2）无监督学习（UnsupervisedLearning）（3）半监督学习
码事漫谈·2025-04-01 21:46

图像识别技术第二课

机器学习可分为监督学习、无监督学习和强化学习。到目前为止，不管是监督学习还是无监督学习，我们都会预先获取大量数据，然后启动模型，不再与环境交互。
哈哈~156·2025-04-01 09:51

图像识别技术与应用近期总结

2、机器学习可分为监督学习、无监督学习和强化学习。三、深度学习1、深度学习发展：介绍了发
哈哈~156·2025-04-01 09:51

从零开始：用Python搭建你的第一个机器学习模型

它主要分为三类：监督学习、无监督学习和强化学习。
Blossom.118·2025-03-31 16:19

2025最新版：用Python快速上手人工智能与机器学习

一、前言1.1AI与机器学习的崛起1.2Python的独特优势二、迈入机器学习世界2.1机器学习概述2.1.1机器学习的分类与应用领域2.2监督学习2.2.1线性回归与决策树2.2.2支持向量机与随机森林
请为小H留灯·2025-03-30 10:51

如何直观理解交叉熵及其优势？

而在有监督学习模型里，损失函数则是衡量模型对样本预测值与样本真实标签之间差异程度的方法。最近用到了交叉熵，觉得有必要弄明白交叉熵到底是什么原理及优势，因此查了查资料，并结合个人理解在这里做一下讲解，如
Zebul博·2025-03-30 01:25

机器学习都有哪些算法？

机器学习有很多种算法，通常可以根据任务类型（监督学习、无监督学习、强化学习）以及算法的特性进行分类。
不加冰的红茶要热的·2025-03-29 06:12

机器学习经典算法——决策树算法详解与实现

机器学习经典算法——决策树算法详解与实现决策树（DecisionTree）是一种常用的机器学习算法，它是基于树形结构的有监督学习方法之一。
SVIPCODE·2025-03-27 20:11

IJCV2024 |陀螺仪引导的无监督深度单应性和光流学习：GyroFlow+

为了解决这个问题，我们提出了一种无监督学习方法
小白学视觉·2025-03-27 02:52

《Python机器学习基础教程》第2讲：监督学习与分类算法

今天，我们来深入了解一下监督学习，特别是分类算法。监督学习就像是给计算机一个“答案册”，让它学会怎么根据输入预测输出。分类算法就是其中的一种，它能帮我们把东西分门别类。
earthzhang2021·2025-03-26 23:35

嵌入式领域机器学习入门指南

以下是一些核心概念：监督学习:训练数据包含输入和预期输出，模型的目的是学习这两者之间的映射关系。无监督学习:训练数据只包含输入，没有标签的情况下，模型需要自己找出数据的结构或模式。
AI嵌入式·2025-03-26 05:47

R.E.D.算法：革新文本分类的半监督学习新范式

分类难题文本分类是监督学习中最古老且最易理解的示例之一。鉴于这一前提，构建能够处
真智AI·2025-03-24 13:43

跨域自监督学习：打破数据壁垒的创新突破

尽管不同领域和模态之间的数据分布差异和标注数据稀缺常常带来挑战，但越来越多的研究集中在如何通过自监督学习和无监督领域适应技术来解决这些问题。
mslion·2025-03-24 12:06

【机器学习】算法分类

1、有监督学习1.1定义使用带标签的数据训练模型。有监督学习是机器学习中最常见的一种类型，它利用已知的输入特征和对应的输出标签来训练模型，使模型能够学习到特征与标签之间的映射关系。
CH3_CH2_CHO·2025-03-24 05:08

机器学习中的 K-均值聚类算法及其优缺点

K-均值聚类是一种常用的无监督学习算法，用于将数据集中的样本分成K个簇。其基本原理是将所有样本点划分到K个簇使得簇内样本点之间的距离尽可能接近，而不同簇之间的距离尽可能远。
平凡而伟大.·2025-03-23 21:18

【机器学习】机器学习四大分类

机器学习的方法主要可以分为四大类，根据学习方式和数据标注情况进行分类：1.监督学习（SupervisedLearning）特点：有标注数据（即训练数据有明确的输入(X)和输出(Y)）。
藓类少女·2025-03-23 17:16

小白零基础学数学建模系列-引言与课程目录

第一周：数学建模基础与工具第二周：高级数学建模技巧与应用第三周：机器学习基础与数据处理第四周：监督学习与无监督学习算法第五周：神经网络二、学完本专辑能收获到什么？三、适合什么样的人群学习？
川川菜鸟·2025-03-22 23:47

【人工智能机器学习基础篇】——深入详解无监督学习之降维：PCA与t-SNE的关键概念与核心原理

深入详解无监督学习之降维：PCA与t-SNE的关键概念与核心原理在当今数据驱动的世界中，数据维度的增多带来了计算复杂性和存储挑战，同时也可能导致模型性能下降，这一现象被称为“维度诅咒”（CurseofDimensionality
猿享天开·2025-03-21 13:25

CVPR 2024 | 低分辨率引领方向：通过自监督学习提升超分辨率的泛化能力

论文信息题目：Low-ResLeadstheWay:ImprovingGeneralizationforSuper-ResolutionbySelf-SupervisedLearning低分辨率引领方向：通过自监督学习提升超分辨率的泛化能力作者
小白学视觉·2025-03-21 10:57

知识库在意图识别中扮演着**数据支撑**和**语义理解辅助**的双重角色

标注样本：知识库包含大量用户对话历史及其对应的意图标签，是训练监督学习模型的核心数据源。2
PersistDZ·2025-03-20 18:47

机器学习之KMeans算法

算法的优缺点4.1优点4.2缺点5.KMeans算法的应用场景5.1图像分割5.2市场细分5.3文档聚类5.4异常检测6.Python实现KMeans算法7.总结引言KMeans算法是机器学习中最经典的无监督学习算法之一
知舟不叙·2025-03-19 21:24

AI学习第二天--监督学习 半监督学习 无监督学习

目录1.监督学习（SupervisedLearning）比喻：技术细节：形象例子：2.无监督学习（UnsupervisedLearning）比喻：技术细节：形象例子：3.半监督学习（Semi-SupervisedLearning
iisugar·2025-03-19 01:59

PlanLLM: 首个支持开放词汇与封闭集任务的跨模态视频程序规划框架

该方法在COIN、CrossTask、NIV三个基准数据集上取得显著性能提升，展现了其在弱监督学习中的有效性
·2025-03-17 15:11

【sklearn 02】监督学习、非监督下学习、强化学习

监督学习、非监督学习、强化学习**机器学习通常分为无监督学习、监督学习和强化学习三类。
@金色海岸·2025-03-17 09:54

Python第二十三课：自监督学习 | 无标注数据的觉醒

本节目标理解自监督学习的核心范式与优势掌握对比学习（ContrastiveLearning）框架实现图像掩码自编码器（MaskedAutoencoder）开发实战项目：亿级参数模型轻量化探索数据增强的创造性艺术一
程之编·2025-03-17 06:54

新手村：数据预处理-异常值检测方法

机器学习基础熟悉监督/无监督学习、分类、聚类、回归等基本概念。数据预处理数据清洗、特征缩放（标准化/归一化）、数据可视化（Matplotlib/Seaborn）。二、渐进式学习
嘉羽很烦·2025-03-17 05:20

支持向量机 (SVM) 算法详解

支持向量机(SVM)算法详解支持向量机（SupportVectorMachine,SVM）是一种监督学习模型，广泛应用于分类和回归分析。SVM特别适合高维数据，并且在处理复杂非线性数据时表现出色。
sssugarr·2025-03-17 05:17

【人工智能基础2】机器学习、深度学习总结

文章目录一、人工智能关键技术二、机器学习基础1.监督、无监督、半监督学习2.损失函数：四种损失函数3.泛化与交叉验证4.过拟合与欠拟合5.正则化6.支持向量机三、深度学习基础1、概念与原理2、学习方式3
roman_日积跬步-终至千里·2025-03-16 23:02

Python精进系列： K-Means 聚类算法调用库函数和手动实现对比分析

一、引言在机器学习领域，聚类分析是一种重要的无监督学习方法，用于将数据集中的样本划分为不同的组或簇，使得同一簇内的样本具有较高的相似性，而不同簇之间的样本具有较大的差异性。
进一步有进一步的欢喜·2025-03-16 21:15

【模拟面试】计算机考研复试集训（第二天）

4、监督学习与无监督学习的核心区别是什么？请举例说明典型算法5、你在项目中遇到过哪些技术挑战？是如何解决的？
Albert Edison·2025-03-15 20:20

机器学习-----决策树

树的生成2.3树的剪枝3.决策树的优缺点4.决策树的应用4.1分类任务4.2回归任务4.3集成学习代码示例总结1、概念1.1决策树是什么决策树是通过对样本的训练，建立出分类规则，并对新样本进行预测，属于有监督学习
多巴胺与内啡肽.·2025-03-15 15:37

数据标注质量对AI模型质量的影响分析

1、数据标注是AI最基础的工作：数据标注是构建高质量AI模型的基石：数据标注尤其是在监督学习范式下，是AI领域最基础、最关键的工作之一。
自由鬼·2025-03-15 10:30

吴恩达机器学习笔记复盘（二）监督学习和无监督学习

监督学习经济价值以及定义监督学习是机器学习中创造了99%经济价值的类型，它是学习输入到输出映射的算法，关键在于给学习算法提供包含正确答案（即给定输入X的正确标签Y）的学习例子。
wgc2k·2025-03-15 09:21

数据挖掘技术介绍

分类定义：是一种监督学习方法，用于将数据分为不同的类别。功能：根据已标记的训练数据，学习一个模型，用于预测新数据的类别。方法：决策树、支持向量机、神经网络、逻辑回归、
柒柒钏·2025-03-14 23:25

手写机器学习算法系列——K-Means聚类算法(一)

1.聚类算法简介在数据科学和机器学习领域，聚类(Clustering)算法是一种无监督学习方法，它将相似的对象分到同一个组，而不同的对象则被分到不同的组。
木有鱼丸223·2025-03-14 16:52

深入浅出 K 近邻算法：原理、实践与应用

KNN算法的基本原理KNN算法属于监督学习范畴，其核心思想质朴而直
烂蜻蜓·2025-03-14 12:50

LLM 为什么需要 tokenizer？

通常采用了基于自监督学习的方式进行预训练，其中最常见的方法之一是使用自
SmallerFL·2025-03-14 03:45
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他