菜菜机器学习笔记第9页

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

机器学习笔记（3）：无监督学习

上节，我们已经介绍了监督学习。回想当时的数据集，如上表所示，这个数据集中每条数据都已经标明是阴性或阳性，即是良性或恶性肿瘤。所以，对于监督学习里的每条数据，我们已经清楚地知道，训练集对应的正确答案，是良性或恶性了。在无监督学习中，我们已知的数据。看上去有点不一样，不同于监督学习的数据的样子，即无监督学习中没有任何的标签或者是有相同的标签或者就是没标签。所以我们已知数据集，却不知如何处理，也未告知每

大锅烩菜·2023-10-14 05:07

母亲的味道，永远的白家庄

天马行空瓦当老村口，老槐树，石板路残垣断壁后是我家底新院胡同发现元和宫三字绿树掩映远望伊山戏水母亲做的毛叶面gelun（灰菜菜，答答菇）祝母亲健康平安！！！

伊侯山·2023-10-13 23:37

菜鸟季：正确有效的拆分任务，可以事半功倍！

任务分解能力对职场新手太过重要，菜菜来和大家分享之前看到的一个学习方法。

菜鸟季·2023-10-13 15:19

吃得过瘾的家常菜菜谱，清淡爽口，营养均衡又简单

吃得过瘾的家常菜菜谱，清淡爽口，营养均衡又简单！剁辣椒炒鸡胗！

把酒当歌·2023-10-13 09:10

大家都写作，凭什么她们名利双收？

文：菜菜儿文章书籍：《一本小小的红色写作书》随着自媒体的兴起，许多自媒体人凭着写作不仅赚得盆满钵满，还打造了属于自己的品牌，成为了一名小有人气的撰稿人。

菜菜儿o·2023-10-12 23:52

多省联测

画风上来讲是最正常的一套省选题了，虽然我还是菜菜的。d1t1一双木棋chess签到题，轮廓线状压dp。然而愚蠢如我还是写挂了。

weixin_30699463·2023-10-12 00:21

生活中的食品安全小常识，很有用

容易引起中毒的蔬菜有哪些1、被农药污染的蔬菜菜农为了蔬菜长得快长得好，使用高浓度农药喷洒蔬菜而且提早上市。2、没有煮熟食用外表呈青色的菜豆和四季豆，含有皂甙和胰蛋白酶抑制物，使人体产生中毒。

斑点猫spotmau·2023-10-11 06:17

Python机器学习笔记 K-近邻算法

K近邻（KNN，k-NearestNeighbor）分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是K个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。KNN算法的核心思想是如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特征。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本

weixin_30345577·2023-10-11 06:41

深度学习笔记之优化算法(四)Nesterov动量方法的简单认识

机器学习笔记之优化算法——Nesterov动量方法的简单认识引言回顾：梯度下降法与动量法Nesterov动量法Nesterov动量法的算法过程描述总结（2023/10/9）补充与疑问附：Nesterov

静静的喝酒·2023-10-09 21:39

深度学习笔记之优化算法(五)AdaGrad算法的简单认识

机器学习笔记之优化算法——AdaGrad算法的简单认识引言回顾：动量法与Nesterov动量法优化学习率的合理性AdaGrad算法的简单认识AdaGrad的算法过程描述引言上一节对Nesterov\text

静静的喝酒·2023-10-09 21:05

【小火车妈咪日记】爷爷带娃

Hi,everyone我叫菜菜宝贝，爷爷真的很爱你❤️周一到周五，一回到家，就抱你。周六周日都在家带你。事无巨细，几点吃的奶；拉了，口渴了，抓的比妈咪还准。爷爷在家，基本没你爸爸什么事了。

小火车妈咪·2023-10-09 14:13

基于FastAPI的文件上传和下载

基于FastAPI的文件上传和下载一、前言为了实现ASR的可视化界面，在各个博客中寻觅了一波找找文件上传和下载的例子，没有找到能完整实现这个功能的，有也只是有一部分（菜菜求捞捞），看了甚是烦恼，后来找gpt

风吹落叶花飘荡·2023-10-09 01:52

机器学习笔记 - 两个静态手势识别的简单示例

一、关于手势识别手势识别方法通常分为两类：静态或动态。静态手势是那些只需要在分类器的输入处处理单个图像的手势，这种方法的优点是计算成本较低。动态手势需要处理图像序列和更复杂的手势识别方法。进一步了解可以参考下面链接。静态手势识别和动态手势识别的区别和技术路线简介-CSDN博客为了实现完全沉浸式的AR应用，系统的输出（例如可视化）以及系统的输入必须适应用户的现实。计算的发展和新技术的易用性推动了Ki

坐望云起·2023-10-09 00:33

Python数据分析 - 机器学习笔记：第一章数据分析 - 1.4.2.设置坐标系

前言：本文是学习网易微专业的《python全栈工程师》中的《数据分析-机器学习工程师》专题的课程笔记，欢迎学习交流。一、课程目标掌握Matplotlib坐标系的基本设置方法掌握汉语和负数显示设置方法二、详情解读2.1.坐标网格%matplotlibinline#表示当前代码生成的图插入当前浏览器中importnumpyasnpimportmatplotlib.pyplotaspltx=np.ara

WinvenChang·2023-10-08 19:15

机器学习笔记 - 基于pytorch、grad-cam的计算机视觉的高级可解释人工智能

一、pytorch-gradcam简介Grad-CAM是常见的神经网络可视化的工具，用于探索模型的可解释性，广泛出现在各大顶会论文中，以详细具体地描述模型的效果。Grad-CAM的好处是，可以在不额外训练的情况下，只使用训练好的权重即可获得热力图。1、CAM是什么？CAM全称ClassActivationMapping，既类别激活映射图，也被称为类别热力图、显著性图等。它是一张和原始图片等同大小图

坐望云起·2023-10-08 13:24

MongoEngine 简介安装、连接、数据类型及其参数详解

作者菜菜一枚，文章中如果有记录错误，欢迎读者朋友

东离与糖宝·2023-10-07 22:02

深度学习笔记之优化算法(三)动量法的简单认识

机器学习笔记之优化算法——动量法的简单认识引言回顾：条件数与随机梯度下降的相应缺陷动量法简单认识动量法的算法过程描述附：动量法示例代码引言上一节介绍了随机梯度下降(StochasticGradientDescent

静静的喝酒·2023-10-07 20:20

机器学习笔记第7课：线性判别分析算法

逻辑回归是一种传统的分类算法，仅限于两类分类问题。如果你有两个以上的类，那么线性判别分析算法是首选的线性分类技术。线性判别分析法简称LDA，表示起来非常简单。它包含你的数据经由每个类计算之后的统计属性。对于单个输入变量，这包括：每个类别的平均值。对所有类别计算的方差。通过计算每个类的判别值，并对具有最大值的类进行预测，从而做出完整的预测。这项技术假设数据具有高斯分布（钟形曲线），因此最好事先从数据

首席IT民工·2023-10-07 16:56

【无标题】

【机器学习】机器学习笔记（吴恩达）-CSDN博客1.误差平方代价函数，对于大多数问题，特别是回归问题，都是一个合理的选择。2.梯度下降会自动采取更小的步骤，所以不需要随时间减小学习率a。

FlyingAnt_·2023-10-06 20:53

癌症免疫疗法 CAR-T 的基本原理是什么？

很好的问题，就着新出了一篇nature文章，返朴请来菜菜老师，来为我们讲一讲CAR-T疗法和癌症细胞逃脱CAR-T的“移祸江东”的诡计。

Seurat_Satija·2023-10-06 02:24

Java 超高频常见字符操作【建议收藏】

作者菜菜一枚，文章中如果有记录错误，欢迎读者朋友们批评指正。（博客的参考源码可以在我主页的资源里找到，如果在学习的过程中有什么疑问欢迎

东离与糖宝·2023-10-05 14:26

机器学习笔记 - 深入研究spaCy库及其使用技巧

一、简述spaCy是一个用于Python中高级自然语言处理的开源库。它专为生产用途而设计，这意味着它不仅功能强大，而且快速高效。spaCy在学术界和工业界广泛用于各种NLP任务，例如标记化、词性标注、命名实体识别等。安装，这里使用阿里的源。pipinstallspacy-ihttps://mirrors.aliyun.com/pypi/simple/pipinstallspacy_pkuseg-i

坐望云起·2023-10-05 07:32

机器学习笔记（5,6）--林轩田机器学习基石课程

这两个lecture，集中证明了，当我的hepothesis个数看起来有无限多种时，也就是前面讲到的，找一个超平面（直线）做二元划分问题时，超平面（直线）应该有无限多个，那PLA还能否能learning的问题。具体的证明过程不在复述了，提一下我认为最重要的一点：当出现break的时候，就意味着，hepothesisset的个数会是多项式多个，具体是通过动态规划bound住上界的方法。以后等基石看完

数学系的计算机学生·2023-10-05 07:27

机器学习笔记(二)

过拟合如下图左边,模型出现了过拟合现象为了解决过拟合现象,其中一个做法是多收集数据,如右图。第二种做法是减少模型的特征数量,即x第三种做法是正则化正则化就是减少x前面的参数w的数值,不用消除x正则化的梯度下降如下,因为只是缩小了w的值,而b的值保持不变正则化的工作原理就是缩小参数w的值假如wj(1-0.0028)那么wj就会一点点变小

半岛铁盒@·2023-10-04 19:35

机器学习笔记 -- 神经网络

1、什么是神经网络1.1非线性假设无论是线性回归还是逻辑回归，都存在这样一个缺陷，那就是当特征过多时，计算量会非常大。这时，神经网络应运而生，极大地弥补了这方面的缺点。1.2神经元与大脑每个神经元都可以看做一个处理单元，它有多个树突（输入），一个轴突（输出）。多个信息经过树突传递到神经元，处理后，再通过轴突输出。这便是神经网络的生物模型。基于此，我们设计出了类似的神经网络模型。x1x_1x1、x2

算法导航·2023-10-04 09:16

机器学习笔记 -- 线性回归

1、定义线性回归是一种通过属性的线性组合来进行预测的线性模型，其目的是找到一条直线或一个平面或者更高维度的超平面，使得预测值与真实值的误差最小化。2、代价函数代价函数度量全部样本集的平均误差。越小则拟合效果越好。J(θ1,θ2,...,θn)=12m∑i=1m(hθ(x(i))−y(i))2J(\theta_1,\theta_2,...,\theta_n)=\frac{1}{2m}\sum_{i=