监督学习第8页

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。

草明·2024-01-14 06:53

半监督学习 - 半监督K均值（Semi-Supervised K-Means）

什么是机器学习半监督K均值（Semi-SupervisedK-Means）是K均值聚类算法的一种扩展，它结合了有标签数据和无标签数据进行聚类。在传统的K均值算法中，所有数据点都是无标签的，而在半监督K均值中，我们允许一部分数据点有标签，而另一部分数据点没有标签。以下是半监督K均值的基本思想和步骤：基本思想有标签数据：使用有标签的数据点初始化聚类中心。无标签数据：将无标签数据点分配到最近的聚类中心。

草明·2024-01-14 06:17

【论文阅读】Self-supervised Learning: Generative or Contrastive

Abstract研究了在计算机视觉、自然语言处理和图形学习中用于表示的新的自监督学习方法。全面回顾了现有的实证方法，并根据其目的将其归纳为三大类：生成性、对比性和生成性对比（对抗性）。

鱼小丸·2024-01-13 20:40

无监督学习Principal Component Analysis(PCA)精简高维数据

目录介绍一、PCA之前二、PCA之后介绍PrincipalComponentAnalysis(PCA)是一种常用的数据降维和特征提取技术。PCA通过线性变换将高维数据映射到低维空间，从而得到数据的主要特征。PCA的目标是找到一个正交基的集合，使得将数据投影到这些基上时，能够保留尽可能多的数据信息。每个正交基称为一个主成分，它的重要性通过其对应的特征值来衡量。PCA通过计算特征值和特征向量，找到数据

取名真难.·2024-01-13 18:50

四种无监督聚类算法说明

目录一、K-Means无监督学习（K-Means）的认识-CSDN博客二、Mini-BatchK-Means--Centroidmodels三、AffinityPropagation(Hierarchical

取名真难.·2024-01-13 18:50

强化学习笔记持续更新......

举出强化学习与有监督学习的异同点。有监督学习靠样本标签训练模型，强化学习靠的是什么？强化学习的损失函数（lossfunction）是什么？

搬砖成就梦想·2024-01-13 16:45

用于图节点分类的标签传播系列算法

注意：半监督与监督学习不同

时空摆渡者·2024-01-13 16:12

C3-1.3.1 无监督学习——异常检测

C3-1.3.1无监督学习——异常检测1、举例：异常值检测示例——密度评估法1.1举一个例子这里做的是查看飞机发动机异常检测：左侧：X1,X2…是可能会影响发动机状态的特征右侧：Dataset：训练数据集

帅翰GG·2024-01-13 10:23

【机器学习300问】4、机器学习到底在学习什么？

以监督学习的线性回归问题为例：房子价格预测。图中的蓝色线的方程：y=w

小oo呆·2024-01-13 05:49

【机器学习300问】5、什么是强化学习？

我将从三个方面为大家简明阐述什么是强化学习，首先从强化学习的定义大家的了解强化学习的特点，其次学习强化学习里特殊的术语加深对强化学习的理解，最后通过和监督学习与无监督学习的比较，通过对比学习来了解强化学习

小oo呆·2024-01-13 05:14

Glove词向量技术

GloVe的主要目标是通过无监督学习从大规模文本语料库中学习词汇的分布式表示，类似于Word2Vec模型。GloVe的设计理念是在Word2Vec的基础上进一步优化，以更好地捕捉词语之间的语义关系。

Algorithm_Engineer_·2024-01-12 18:51

【深度学习：Automated Data Annotation】自动数据注释完整指南

【深度学习：AutomatedDataAnnotation】自我监督学习解释什么是数据标注？如何自动化数据标注？

jcfszxc·2024-01-12 17:24

图神经网络自监督学习工具箱 - CPT-HG（一）

文章名称【CIKM-2021】【BeijingUniversityofPostsandTelecommunications/WeChatSearchApplicationDepartment,TencentInc.】ContrastivePre-TrainingofGNNsonHeterogeneousGraphs核心要点文章旨在解决现有预训练图神经网络方法仅仅适用于同质图，忽略了异质图的特点，并

processor4d·2024-01-12 15:29

线性判别分析LDA（（公式推导+举例应用））

文章目录引言模型表达式拉格朗日乘子法阈值分类器结论实验分析引言线性判别分析（LinearDiscriminantAnalysis，简称LDA）是一种经典的监督学习算法，其主要目标是通过在降维的同时最大化类别之间的差异

Nie同学·2024-01-12 14:00

Arxiv网络科学论文摘要6篇(2019-08-02)

MIMO干扰信道的最大-最小公平性设计：最小化最大化方法;从媒体事件报告中监督学习全球风险网络激活;跨域网络表示;基于友谊悖论采样的幂律度分布的最大似然估计;网络上的采样：估计不完整图的特征向量中心性;

ComplexLY·2024-01-12 14:25

word2vec中的CBOW和Skip-gram

Word2Vec由Google的研究员TomasMikolov等人于2013年提出，它通过无监督学习从大规模文本语料库中学习词汇的分布式表示。

Algorithm_Engineer_·2024-01-12 12:21

原创 | 一文读懂ChatGPT中的强化学习

创建者将监督学习和强化学习相结合来微调ChatGPT，强化学

javastart·2024-01-12 12:07

【机器学习300问】2、机器学习分为哪几类？

一、监督学习监督学习（SupervisedLearning）是机器学习和人工智能中的一种算法学习训练方式。它利用有标签的数据（通常称为训练数据）作为输入，训练一个模型来学习输入和输出之间的关系。

小oo呆·2024-01-12 06:21

【机器学习】半监督学习

二、启发式算法自训练和协同训练是两种常用的半监督学习的方法，它们的主要区别在于使用的模型的数量和类型。

十年一梦实验室·2024-01-12 06:08

图神经网络预训练 (4) - 节点属性预测 Attribute Prediction + 监督学习代码

我们继续剖析StrategiesforPre-trainingGraphNeuralNetworks一文。上一文中介绍了子结构预测的预训练方法（ContextPrediction）。对于一个多层的深度学习模型，在分子图上训练主模型，在子图上训练层数较少的子模型，限制（损失是）主模型上与子模型的嵌入向量相似，保证子结构环境相似的节点在随着模型的层数增加时仍能保持相似的嵌入向量，意味着化学环境相似的结

wufeil·2024-01-12 04:57

智能营销决策&大模型 AIGA（AI Generated Action）

飞翔的七彩蜗牛·2024-01-11 21:39

人工智能复习

机器学习中线性回归和逻辑回归：机器学习的分类：监督学习和无监督学习，半监督学习监督学习（SupervisedLearning）：监督学习是一种利用带有标签（标记）的数据进行训练的机器学习方法。

丘小羽·2024-01-11 21:04

K-均值聚类算法及其优缺点(InsCode AI 创作助手测试生成的文章)

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，用于将数据集划分为K个不同的类别。该算法的基本思想是根据数据点之间的距离，将它们划分为离其最近的K个簇之一。

Persus·2024-01-11 19:25

【Python机器学习】SVM——线性模型与非线性特征

SVM（核支持向量机）是一种监督学习模型，是可以推广到更复杂模型的扩展，这些模型无法被输入空间的超平面定义。

zhangbin_237·2024-01-11 11:31

基于传统机器学习模型算法的项目开发详细步骤

1场景分析1.1项目背景描述开发项目模型的一系列情境和因素，包括问题、需求、机会、市场环境、竞争情况等1.2.解决问题传统机器学习在解决实际问题中主要分为两类：有监督学习：已知输入、输出之间的关系而进行的学习

挑大梁·2024-01-11 10:44

强化学习—模仿学习行为克隆生成式对抗网络模型

第十五章模仿学习15.1简介虽然强化学习不需要有监督学习中的数据标签，但它十分依赖奖励函数的设置。有时在奖励函数上做一些微小的改动，训练出来的策略就会天差地别。

oceancoco·2024-01-11 08:27

Instruct GPT:training language models to follow instructions with human feedback

贡献本文提出构建人类反馈的数据集，使用监督学习去Fine-tuneGPT模型，这样能使得模型往大家希望的方向行进（模型输出与人类意图Alignment）。Fine-tune后，仅使用

WindyChanChan·2024-01-11 06:32

Training language models to follow instructions with human feedback

首先收集标注者对于理想模型行为的演示用于微调GPT-3（监督学习），然后收集对于模型输出

qq_43901463·2024-01-11 06:27

chatgpt的基本技术及其原理

模型通过对大量的互联网文本进行自监督学习来学习语言模式和语义表示。在预训练过程中，模型需要根据上下文来预测下一个词或掩码。通过这种方式，模型能够学习到词汇、语法和上下文之间的关联。预训练使用了

andeyeluguo·2024-01-11 06:20

#Paper Reading# Training language models to follow instructions with human feedback

arxiv.org/abs/2203.02155论文发表于:arXiv2022论文所属单位:OpenAI论文大体内容本文主要提出了GPT-3.5（InstructGPT）模型，通过使用人类反馈的数据集进行监督学习

John159151·2024-01-11 06:48

在Noisy Data上训练出超越监督学习的模型

点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达作者：藏云阁主|已授权转载（源：知乎）https://zhuanlan.zhihu.com/p/415238682介绍一篇Manteia算法组的NeurIPS2021Spotlight文章。文章讨论的核心问题是，在医学图像生成领域，限制模型表现进一步提升的原因是什么？用什么方法可以打破该限制？我们希望通过这篇文章，给大家带来医学图

Amusi（CVer）·2024-01-11 05:53

LLM大模型和数据标注

这些模型通过无监督或自我监督学习进行训练。简而言之，只需极少的人工干预，就能生成一个能像人类一样对话的模型。这就引出了一个问题--数据标注对大型语言模型还有意义吗？

AONDATA·2024-01-10 23:30

在阿多比设计学院，摸鱼竟然比学习还难？

emm...要知道他们口中的“负责”是被每一位授课老师实打实的监督学习。你要是敢偷懒、敢发呆、敢上课睡觉，那么任课老师和班主任就已经做好找你谈话的打算了。

阿多比UI设计·2024-01-10 19:34

【手搓深度学习算法】用线性回归预测波士顿房价

线性回归线性回归是一种监督学习方法，用于建立因变量与一个或多个自变量之间的关系。线性回归的目标是找到一条直线，使得所有数据点到这条直线的距离之和最小。

精英的英·2024-01-10 18:20

选择三个机器学习算法，代码实现，并选择一个数据集进行性能分析

1.线性回归算法线性回归是一种用于预测连续数值的监督学习算法。线性回归算法通过最小化误差的平方和来寻找最佳拟合线，误差是指实际观测值与回归线预测值之间的差异。

Aurora_木迦·2024-01-10 11:37

推荐频道

监督学习