菜菜机器学习笔记第8页

49桔子童言童语

他说：妈妈，不要买菜菜。我说：宝宝的鱼没有了呀，妈妈去买鱼。他说：鱼好吃哒，宝宝要吃鱼，去买鱼我笑：鱼好吃去买鱼，菜菜不好吃不买。他点头：对啦。

桔子plus·2023-10-30 01:46

Python 面向对象--人狗大战（教程）

可参考代码来方便学习Python面向对象--人狗大战（代码）_菜菜啾咪的博客-CSDN博客https://blog.csdn.net/hexiaan/article/details/125722540?

syst1m'·2023-10-30 01:13

2020/2/17复盘

还记得最初与你相识在【菜菜的好朋友联盟】社群那个时候大家都叫你火箭瑶。好奇探究才知道原来你在，关键明先生的训练营里，可以做到最快速度准确的整理文档得名。

柿子妈妈讲故事·2023-10-29 05:33

机器学习笔记第5课：线性回归算法

线性回归可能是统计学和机器学习中最知名且易于理解的算法之一。它不就是一项起源于统计学的技术吗？预测建模主要关注的是让模型的误差最小化，或者说，在可以解释的前提下，尽可能作出最准确的预测。我们会借用，重用，甚至是窃取许多不同领域（包括统计学）的算法，并将其用于上述的目标。线性回归通常表示为这样一个等式：通过查找特定的称为系数（B）的输入变量的权重，来描述最符合输入变量（x）和输出变量（y）之间关系的

首席IT民工·2023-10-29 04:51

机器学习笔记03_机器学习基本概念(下)

学习视频：[中英字幕]吴恩达机器学习系列课程学习资料：https://github.com/fengdu78/Coursera-ML-AndrewNg-NotesGitHub不好用的话，我在CSDN资源区也上传了开源资料，0积分下载，期待和大家一起进步！文章目录12聚类Clustering12.1无监督学习UnsupervisedLearning12.2K-均值算法K-MeansAlgorithm

三木今天学习了嘛·2023-10-28 17:25

机器学习笔记3——模型评估与选择（二）

凡事都要有个标准，仅仅看实验测试的表现还不够，衡量泛化能力还需要有一套评价标准，也叫做性能度量（performancemeasure）。当然标准也可以有好几套，从不同维度和侧重来评价。这同时也反映了模型的好坏是相对的，换一个标准评价的结果是不一样的。没有最好的，只有最合适的。一、性能度量1、错误率与精度这是分类任务最常用的两种性能度量。错误率=分类错误的数量/样本总数精度=分类正确的数量/样本总数

libodls·2023-10-28 14:27

对世界葆有好奇

虽然菜菜呀其他小伙伴给了我各种各种的建议，比如“好好想想你的墓志铭/认真看一看XXX书，就能有思路去发现你的热爱了”，但是我很认真的想了很久也还是没有头绪，可能真的是因为生活太无趣也没有太大的追求了吧，

叶_bf01·2023-10-28 09:06

吴恩达机器学习笔记

WhatisMachineLearning?TwodefinitionsofMachineLearningareoffered.ArthurSamueldescribeditas:"thefieldofstudythatgivescomputerstheabilitytolearnwithoutbeingexplicitlyprogrammed."Thisisanolder,informaldef

孙虾米·2023-10-28 03:33

【机器学习算法-K近邻（KNN）】

机器学习笔记（1）-K近邻K近邻算法scikit-learnK近邻算法API案例机器学习算法步骤k值的选择鸢尾花数据集种类预测鸢尾花数据集案例实现交叉验证K近邻算法什么是k近邻算法（k近邻算法又叫做knn

闲看庭前梦落花·2023-10-28 02:56

机器学习笔记（三）

神经网络训练中的问题（二）BatchandMomentumBatch之前有说过，实际上在算微分的时候,并不是真的对所有Data算出来的L作微分,你是把所有的Data分成一个一个的Batch，每次在更新参数时实际上是对每一个batch进行操作，所有的batch看过一遍叫做一个Epoch。那么就存在这样一个问题，batch的大小如何选择？取两个极端的情况，同样是一个20个数据大小数据集，第一次我们将b

鼠尾草的第24个朋友·2023-10-28 01:47

机器学习笔记：逆置换

1介绍给定一个排列p，它的逆置换（inversepermutation）是一个排列invp，满足invp[p[i]]=i和p[invp[i]]=i对所有i成立。2python实现'''计算一个排列的逆排列给定一个排列p，它的逆排列是一个排列invp，满足invp[p[i]]=i和p[invp[i]]=i对所有i成立'''definvpermute(p):"""inversepermutation"

UQI-LIUWJ·2023-10-27 17:06

感恩日记20210215

感恩在山田菜菜收银的邻居姐妹，给孩子们一人一个棒棒糖还把别人送给她的菜薹分我

锦华cara·2023-10-27 04:13

写作之押韵（舒明月写作训练营6.0第五课作业）

菜菜土土，吐出个兔兔，兔兔跳跳，跳出个蘑菇，蘑菇打伞，闪出个花花，花花有个妈妈，叫嗒嗒，嗒嗒煮了豆腐，煮粑粑，花花最爱嗒嗒的粑粑。2、3月初春，北方的天很蓝，阳光很好；天气渐渐变暖。

塔咪·2023-10-24 21:18

经典案例实操巩固

D6/D7/D8大作业作业模板——经典案例实操巩固----｜8组-菜菜拆解案例：三节课训练营转化正价课带【课程名称】第一部分／营销模型一、【模型框架】：9.9七天训练营课程转化3999/4999/5999

青菜包·2023-10-24 21:59

吴恩达机器学习笔记（五）正则化Regularization

正则化（regularization）过拟合问题（overfitting)Underfitting（欠拟合）–>highbias(高偏差)Overfitting（过拟合）–>highvariance(高方差)Overfitting:Ifwehavetoomanyfeatures,thelearnedhypothesismayfitthetrainingsetverywell,butfailtoge

哇哈哈哈哈呀哇哈哈哈·2023-10-24 20:09

吴恩达机器学习笔记---正则化

前言使用正则化技术缓解过拟合现象，使模型更具泛化性1.过拟合问题(Overfit)2.代价函数(CostFunction)3.线性回归的正则化(RegularizedLinearRegression)4.逻辑回归的正则化(RegularizedLogisticRegression)正则化(Regularization)(一)过拟合问题(Overfit) 先看两张图：两张图分别代表回归问题和分

ML0209·2023-10-24 20:38

机器学习笔记（四）模型泛化、过拟合与欠拟合、L1正则化、L2正则化

目录1、过拟合与欠拟合2、学习曲线3、数据划分4、交叉验证5、偏差方差权衡BiasVarianceTradeoff6、模型正则化Regularization6.1、正则化6.2、岭回归RidgeRegression6.3、LASSORegression6.4、L1正则化，L2正则化和弹性网ElasticNet1、过拟合与欠拟合欠拟合underfitting算法所训练的模型不能完整表述数据关系过拟合

小广向前进·2023-10-24 20:38

机器学习笔记 - 特斯拉的占用网络简述

一、简述2022年，特斯拉宣布即将在其车辆中发布全新算法。该算法被称为occupancynetworks，它应该是对Tesla的HydraNet的改进。自动驾驶汽车行业在技术上分为两类：基于视觉的系统和基于激光雷达的系统。后者使用激光传感器来确定物体的存在和距离，而视觉系统则纯粹基于相机。特斯拉的TeslaVision就是单纯的基于视觉实现。但基于视觉的系统存在很多缺陷，并且仍然面临着许多由物体检

坐望云起·2023-10-23 22:07

鬼来电

前半部在诱导观众以为害人的女鬼是美美子和菜菜子的妈妈，她虐待自己的女儿

牛奶可乐配不配·2023-10-23 21:23

机器学习笔记19: 线性二次型高斯

线性二次型高斯(LinearQuadraticGaussian(LQG))在现实世界中，我们通常不能获取到所有的状态st。比如一个自动驾驶汽车可以通过摄像头获取图像，但这仅仅是一个观察(observation)，并不能反映真实世界的所有状态。我们之前的讨论都是基于状态是可以完全获得的。考虑到真实世界并不是这样，我们需要一个新工具来对真实世界建模，这个工具就是部分可观测的MDP(PartiallyO

secondplayer·2023-10-23 12:37

决策树的原理、方法以及python实现——机器学习笔记

******TheMachineLearningNotingSeries******决策树（DecisionTree）是机器学习的核心算法之一，在较小训练样本或有限计算资源下仍有较好表现，它包括分类树和回归树，是目前应用最广泛的分类预测和回归预测方法。导航0引言1决策树的概念分类树回归树2决策树的生长分类算法分类过程3决策树的剪枝剪枝算法剪枝过程4python代码实现——实例应用---------

搏努力概形·2023-10-22 19:05

2019-07-31 7月总结日记第23篇 23/90

《七月流火豪情满怀》这是来自蔡佩辰（菜菜）的第23篇总结日记前22天都发表晨间日记，今天是7月的最后一天，放在7月结束的时刻，为自己的这一个月做一个总结吧。

lucky佩辰·2023-10-22 15:54

JavaSE基础-（1）面向对象特征

HelloWorldJavaSE基础-（3）类和对象JavaSE基础-（4）数据类型JavaSE基础-（5）流程控制JavaSE基础-（6）异常处理JavaSE基础-（7）修饰符ps：以上文章属于博主菜菜

菜菜bu菜·2023-10-22 14:02

D03+5组菜菜+<<如何有效阅读一本书>>读书笔记

P73-P120说起做笔记脑海里出现的就是笔记本上密密麻麻的摘抄文，以前写书评时总不爱就是写读书笔记，从内心深处是感到拒绝的，“太费时间，没有意义，坚持不下来，写了也不会看”导致看一本书真的是眼睛看过而已，而没有过脑子。而在《如何有效阅读一本书》中作者介绍几种不同的记笔记方法，让读书笔记变得轻松，易坚持。作者主张读书笔记是完成而不是完美，要求笔记尽量从简从速，缩短笔记篇幅，但又能全面反映文章精髓。

爱分享的Amy菜菜·2023-10-22 11:55

【实习日记】战投篇---腾讯

lala实习日记本·2023-10-22 02:34

机器学习笔记：随机森林

随机森林随机森林是一种集成算法，是对决策树模型的集成学习。目的是通过考虑多个评估器建模结果，汇总得到一个综合结果。集成算法包括bagging（装袋法），boosting（提升法），stacking（堆栈法）三种。装袋法的核心思想是构建多个相互独立的评估器，然后对其预测进行平均或多数表决原则来决定集成评估器的结果。装袋法的代表模型就是随机森林。提升法中，基评估器是相关的，是按顺序一一构建的。其核心思

0/404·2023-10-21 21:03

机器学习笔记AN01--提高机器学习模型准确率的八大方法简单总结

annotation英[ˌænə'teɪʃn]n.注释【非原创】，作者不明1.增加更多数据2.处理缺失值和异常值对于连续变量，可以把缺失值替换成平均值、中位数、众数。对于分类变量，可以把变量作为一个特殊类别看待。你也可以建立模型预测缺失值。KNN为处理缺失值提供了很好的方法。异常值：你可以删除这些条目，进行转换，分箱。如同缺失值，你也可以对异常值进行区别对待。3.特征工程学这一步骤有助于从现有数据

EL33·2023-10-21 12:42

我家的猫

图片发自App菜菜依然蜷缩在角落，我一起身，它便又警戒性地遛走了。菜菜是我家的一只猫，不对，是我家的第三只猫。当然，这里的算数是从我开始的。

半截的诗vina·2023-10-21 10:48

机器学习笔记 - 深度学习中跳跃连接的直观解释

一、概述如今人们利用深度学习做无数的应用。然而，为了理解在许多作品中看到的大量设计选择（例如跳过连接），了解一点反向传播机制至关重要。如果你在2014年尝试训练神经网络，你肯定会观察到所谓的梯度消失问题。简单来说：你在屏幕后面检查网络的训练过程，你看到的只是训练损失停止减少，但距离期望值仍然很远。1、更新规则和梯度消失问题没有动量的梯度下降的更新规则，假设L是损失函数，λ是学习率，其中基本上是通过

坐望云起·2023-10-21 06:12

【2 - 随机森林 - 原理部分】菜菜sklearn机器学习

课程地址：《菜菜的机器学习sklearn课堂》_哔哩哔哩_bilibili第一期：sklearn入门&决策树在sklearn中的实现第二期：随机森林在sklearn中的实现第三期：sklearn中的数据预处理和特征工程第四期

如何原谅奋力过但无声·2023-10-21 04:24

零基础学HTML5（完结）

目前读大二的菜菜，在不断摸索中......今天是HTML5的学习笔记及一点学习心得。我会尽量写的清楚，希望可以帮助到零基础的同学。HTML5中有各种各样的标签，加强记忆和练习掌握这部分知识是很容易的。

子钦杂货铺·2023-10-21 03:27

【C++】类和对象入门知识

作者：阿润菜菜专栏：C++目录类和对象的定义类的访问控制类的作用域this指针思维导图：前言我们知道C++是基于面向对象的，关注的是对象，将一件事情拆分成不同的对象，靠对象之间的交互完成。

阿润021·2023-10-20 15:10

自用机器学习笔记（1）：什么是概率以及似然

自用机器学习笔记（1）：什么是概率以及似然（1）解释1：这个是quora上的一个回答Whatisthedifferencebetweenprobabilityandlikelihood?

Dante5128·2023-10-20 04:48

树链剖分（轻重链剖+长链剖）

后面在刷树上启发式合并的题目时刚好遇到某道到现在都没调出来的题目要码树剖，感觉这道题在敲烂警钟提醒我好好学树剖，所以就过来写个帖子&码点题目练习一下树剖哈哈哈哈嗝QwQ因为vicky菜菜，所以博客内容有错的话属于我正常犯病

哈哈哈哈哈哈哈嗝QwQ·2023-10-19 06:53

机器学习笔记四：线性回归（Linear regression）及房屋数据集的回归

目录1.单变量线性回归：2.多变量线性回归最近在学习吴恩达老师的机器学习课程，所以在这里记录一下，主要是完成他的课后作业。思路： 1.首先，我们自己编写线性回归函数，看看整个计算的流程； 2.使用sklearn进行线性回归计算； 3.对比以上两种方法的优缺点。1.单变量线性回归：importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt

Amyniez·2023-10-19 03:43

菜菜的刷题日记 | 238.除自身以外数组的乘积

系列索引：菜菜的刷题日记|被LeetCode用Python狂虐的那段日子菜鸡的修仙之路——2022/1/12文章目录【题目】【官方思路】【参考代码】【思考】【题目】给你一个长度为n的整数数组nums，其中

猿知·2023-10-19 00:15

2019-07-14 早起晨间日记第6篇 6/90

《让梦想照进现实》这是来自蔡佩辰（菜菜）的第6篇早间日记无数人描述梦想的样子——梦想还是要有的，万一实现了呢！人没有梦想，和咸鱼没有什么区别？每个人都有一定的梦想，这种梦想决定着他的努力和判断的方向！

lucky佩辰·2023-10-18 08:54

李宏毅机器学习笔记-transformer

transformer是什么呢？是一个seq2seq的model。具体应用如上图所示，输入和输出的序列长度不固定，由model自己决定。语音翻译指的是，直接输入一段语音信号，例如英文，输出的直接是翻译之后的中文。seq2seq如今已经是一个应用非常广泛的模型，可以应用于NLP的各种任务，如语义分析，语义分类，聊天机器人等。另外还有个值得说明的功能是做multilabelclassification

ZEERO~·2023-10-18 07:00

李宏毅机器学习笔记-半监督学习

半监督学习，一般应用于少量带标签的数据（数量R）和大量未带标签数据的场景（数量U），一般来说，U>>R。半监督学习一般可以分为2种情况，一种是transductivelearning，这种情况下，将unlabeleddata的feature利用进来。另外一种是inductivelearning，这种情况下，在训练的整个过程中，完全不看任何unlabeleddata的信息。为什么要做semi-sup

ZEERO~·2023-10-18 07:24

机器学习笔记 - 3D 对象跟踪极简概述

一、简述大多数对象跟踪应用程序都是2D的。但现实世界是3D的，无论您是跟踪汽车、人、直升机、导弹，还是进行增强现实，您都需要使用3D。在CVPR2022（计算机视觉和模式识别）会议上，已经出现了大量3D目标检测论文。二、什么是3D对象跟踪？对象跟踪是指随着时间的推移定位并跟踪对象在空间中的位置和方向。它涉及检测图像序列（或点云）中的对象，然后预测其在后续帧中的位置。目标是持续估计对象的位置和方向，

坐望云起·2023-10-17 23:13

E

男人右手提着两三袋蔬菜菜不多，大概够两人吃左手抱着束百合约莫十枝上下，包装精致脸上是藏不住的笑意戴着眼镜都能看出眼里的光男人穿着普通，没什么特点衬衫干净且显旧，穿了很多年牛仔裤很宽松，盖住了一半皮鞋人过四十自然出现的啤酒肚让整个人显得有些油腻圆润此外再没有可供描述的细节今天是七夕

芥川不是河_·2023-10-17 15:19

2021-09-06

大家好，我是菜菜。分享今天是本期倾听专项精进营的第一节微课，本次微课我会从倾听听什么，听懂了如何问以及提升倾听能力的方式三个方面进行阐述，力求把我们的倾听变得“有迹可循”，希望可以对大家有所帮助。

雨红_ab21·2023-10-17 11:53

李宏毅机器学习笔记第7周_局部最小值与鞍点

文章目录一、OptimizationFailsbecause……二、TaylerSeriesApproximation三、Example总结一、OptimizationFailsbecause……1．问题：我们在做optimization的时候会发现，随着参数的不断更新，training的loss不会再下降，但是我们对loss并不满意。因此我们会发现，一开始model就train不起来，不管我们怎

MoxiMoses·2023-10-16 19:21

2019-07-13 早起晨间日记第5篇 5/90

上天对我如此眷顾》这是来自蔡佩辰（菜菜）的第5篇早间日记昨日与朋友聊天，朋友说是最近比较不顺、压力巨大、好多磨难、不知道要不要坚持下去、不知道是否有未来、怀疑自己当初的决策是否正确……《困境》前几个月，

lucky佩辰·2023-10-16 13:46

【小火车妈咪日记】爱，要锦上添花

Hi，everyone我叫菜菜宝贝，现在是早上6:18。你已经早早醒来，在咿咿呀呀的叫。你是妈咪的定时闹钟。当妈咪睁开眼的时候，你那双水灵的眼珠子早已围着我转。啊，这个满眼是我的男孩。你怎么那么可爱！

小火车妈咪·2023-10-15 21:24

【C语言】文件操作详解

✋作者：阿润菜菜专栏：C语言本文目录什么是文件文件的打开和关闭文件指针是什么文件的打开和关闭-fopen函数和fclose函数常见文件顺序操作函数文件随机读写操作函数什么是文件一篇文章、一段视频、一个可执行程序

阿润021·2023-10-15 21:12

【机器学习笔记1.1】线性回归之正规方程求解

线性回归概述##我们先考虑最简单的一种情况，即输入属性的数目只有一个，线性回归试图学得[1](1)f(xi)=wxi+b，使得f(xi)≈yif(x_i)=wx_i+b，使得f(x_i)\approxy_i\tag{1}f(xi)=wxi+b，使得f(xi)≈yi(1)那么如何确定w⃗\vec{w}w和b呢？关键在于如何衡量f(x⃗)f(\vec{x})f(x)与y之间的差别。均方误差是回归任务重

取取经·2023-10-15 20:53

机器学习笔记 - 车道检测的几种深度学习方法

一、简述人们在打造自动驾驶汽车时首先想到的就是实现车道检测。这是Tesla和mobileye所说的“强制性”任务，也是SebastianThrun（自动驾驶汽车教父）在接受采访时所说的首要任务。这个方向有很多传统的OpenCV算法，这些算法由不再使用的非常旧的函数组成。目前全部都转到深度学习的方式了。二、车道线检测的分割方法1、LaneNet检测车道线的第一种也是最流行的方法是使用图像分割，它很重

坐望云起·2023-10-15 11:58

川菜菜系与渝菜

虽然渝菜已经基本上符合这些条件，但以重庆人的个性，认为没有成为菜系的必要，渝菜之所以能取得今日的荣誉，与几千年的川菜菜系，这个大环境中的熏陶有很大的关联，与著名川菜这块金字招牌的长期呵护，和成渝厨师先辈们多年亲密的交流互动

无糖咖啡沈1·2023-10-14 12:54

机器学习笔记 - 使用3D卷积神经网络进行视频分类

1、导入相应的库3DCNN使用三维滤波器来执行卷积。内核能够在三个方向上滑动，而在2DCNN中它可以在二维上滑动。首先安装并导入必要的库，用于处理ZIP文件内容的Remotezip、用于使用进度条的tqdm、用于处理视频文件的OpenCV、用于执行更复杂的张量操作的einops，以及用于在JupyterNotebook中嵌入数据的库。importtqdmimportrandomimportpath

坐望云起·2023-10-14 11:43

推荐频道

菜菜机器学习笔记

49桔子 童言童语