监督学习第7页

监督学习 - 梯度提升机（Gradient Boosting Machines，GBM）

什么是机器学习梯度提升机（GradientBoostingMachines，GBM）是一种集成学习方法，通过将多个弱学习器（通常是决策树）组合成一个强学习器来提高模型的性能。GBM的训练过程是通过迭代，每一步都根据前一步的模型误差来训练一个新的弱学习器，然后将其加到整体模型中。以下是梯度提升机的基本原理和使用方法：基本原理弱学习器：GBM通常使用决策树作为基本的弱学习器，每个决策树负责对前一步模型

草明·2024-01-17 18:12

论文-Multi-Domain Joint Semantic Frame Parsing using Bi-directional RNN-LSTM(Joint Seq)

2.摘要序列到序列深度学习是近年来在口语理解的监督学习中出现的一种新范式。然而，以前的大多数研究都是探索这一框架来为每个任务

魏鹏飞·2024-01-17 18:06

ChatGPT4.0 ＞ChatGPT 3.5 ＞文心一言

它是使用了大规模的语料库进行无监督学习的结果，并且在生成自然流畅的文本方面表现出色。ChatGPT可以用于各种对话任务，例如回答问题、提供建议、进行闲聊等。它可以理解和生成人类语言，对大部分输

测试部的故事·2024-01-17 15:45

吴恩达机器学习笔记（1）

一.初识机器学习1.监督学习在监督学习中，训练数据既有特征又有标签，通过训练，让机器可以自己找到特征和标签之间的联系，在面对只有特征没有标签的数据时，可以判断出标签。

python小白22·2024-01-17 14:59

【机器学习入门】机器学习基础概念与原理

2、常见机器学习算法和模型3、使用Python编程语言进行机器学习实践4、机器学习的应用领域二、机器学习算法1、有监督学习算法（1）线性回归a.基本概念b.应用案例c.代码示例（2）逻辑回归a.基本概念

代码骑士·2024-01-17 12:10

机器学习：李航统计学习方法笔记

詹令[email protected]待整理统计学习方法监督学习非监督学习半监督学习强化学习监督学习方法生成方法GenerativeApproach：P(Y∣X)=P(X,Y)P(X)

lealzhan·2024-01-17 08:54

机器学习：简要介绍及应用案例

这种学习的方式通常分为监督学习、无监督学习和强化学习。监督学习（SupervisedLearning）：在监督学习中，算法从带有标签的训练

rubyw·2024-01-17 07:06

ChatGPT 自动化办公系列教程 - 提问篇：什么是 Prompt

自监督学习为什么Prompt是使用ChatGPT的关键技能

传说三哥·2024-01-17 05:16

什么是ChatGPT，什么是大模型prompt

什么是ChatGptChatGPT是一个由美国的OpenAI公司开发的聊天机器人，它使用了大型语言模型，现在有GPT-3、GPT-3.5、GPT-4.0多个版本，目前还在快速发展，通过监督学习和强化学习进行了微调

张飞的猪大数据·2024-01-17 05:15

支持向量机（公式推导+举例应用）

拉格朗日乘子法）SMO算法核函数软间隔与正则化软间隔正则化（罚函数法）模型的稀疏性结论实验分析引言在机器学习领域，支持向量机（SupportVectorMachine，简称SVM）是一种强大而广泛应用的监督学习算法

Nie同学·2024-01-17 03:12

分类模型—监督学习

监督学习KNN基本原理寻找目标数据点附近最近的K个点，采用投票的方式判断测试数据点所属类别算法步骤1.计算测试数据与训练数据之间的距离2.按照距离的递增关系进行排序3.选取距离最小的K个点4.确定K个点所在类别出现的频率

Carolina_Wang·2024-01-17 00:13

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

【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

【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

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

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

[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

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

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

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

【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

【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

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。