西瓜书-机器学习第29页

2018年深度学习的主要进步

在学术层面，机器学习领域已经变得非常重要了，以至于每20分钟就会出现一篇新的科学文章。在本文中，我将介绍2018年深度学习的一些主要进展，与2017年深度学习进展版

城市中迷途小书童·2024-02-04 16:15

大数据与机器学习：实践方法与行业案例.2.4　作业调度

2.4作业调度调度工具用来对作业进行调度，通过ETL工具创建的作业如果需要周期性运行，就需要使用调度工具来完成。调度工具是一个相对复杂的系统，尤其是在跨操作系统、跨应用平台的作业环境中更是如此。在复杂的作业环境中，需要使用商用调度工具，目前国内使用较多的商用调度工具为Control-M。该工具是BMCSoftware提供的企业级集中作业调度管理解决方案，能够集中管理跨平台、跨应用的生产控制和调度过

weixin_34054931·2024-02-04 14:01

深度学习的进展：人工智能时代的里程碑

深度学习的进展：人工智能时代的里程碑摘要深度学习作为机器学习领域的重要分支，近年来取得了巨大的进展。

你不懂、、、·2024-02-04 14:49

OpenSSL:configure: error: OpenSSL library not found解决方案

爱编程的喵喵·2024-02-04 13:53

Python 学习工具及资源

小甲鱼Python基础学习到P19（函数）之前image.png菜鸟语法查询Anaconda安装教学Jupyter教学*李宏毅机器学习

Lanlan_78d1·2024-02-04 12:27

大数据技术未来发展前景及趋势分析

Spark适合机器学习以及交互式数据查询工作，包含Scala、Python和JavaAPI，这更有利于开发人员使用。Twitter

丨程序之道丨·2024-02-04 12:54

02神经网络的学习及代码实现

先从图像中提取特征量，再用机器学习技术学习这些特征量的模式。常用的特征量包括SIFT、SURF和HOG等，使用特征量将图像数据转换为向量，然后对转换后的向量使用SVM、KNN等分类器进行学习。

我闻如是·2024-02-04 12:04

＜机器学习＞＜详解＞ KNN最邻近分类算法

K-Nearestneighboralgorithm回顾：Distancemeasures的两种方法:Euclideandistance(本节使用):D(A,B)=(a0−b0)2+(a1−b1)2+...+(an+bn)2D(A,B)=\sqrt{(a_0-b_0)^2+(a_1-b_1)^2+...+(a_n+b_n)^2}D(A,B)=(a0−b0)2+(a1

reco_blog·2024-02-04 11:46

机器学习系列——（九）决策树

简介决策树作为机器学习的一种经典算法，在数据挖掘、分类和回归等任务中广泛应用。本文将详细介绍机器学习中的决策树算法，包括其原理、构建过程和应用场景。

飞影铠甲·2024-02-04 11:45

【转】机器学习--- 分类算法详解

原文链接：http://blog.csdn.net/china1000/article/details/48597469感觉狼厂有些把机器学习和数据挖掘神话了，机器学习、数据挖掘的能力其实是有边界的。

奔狼的春晓·2024-02-04 11:42

机器学习-基础分类算法-KNN详解

KNN-k近邻算法k-NearestNeighbors思想极度简单应用数学只是少效果好可以解释机器学习算法使用过程中的很多细节问题更完整的刻画机器学习应用的流程创建简单测试用例importnumpyasnpimportmatplotlib.pyplotaspltraw_data_X

小旺不正经·2024-02-04 11:10

机器学习系列——（十）支持向量机

它最初由Vapnik和Cortes在1995年提出，被认为是机器学习领域中最成功的算法之一。二、原理2.1线性SVM我们先从最简单的线性支持向量机（LinearSVM）开始。

飞影铠甲·2024-02-04 11:09

Python入门，盘点Python最常用的20 个包总结~

文章目录前言1.numpy（数据处理和科学计算）2.pandas（数据处理和分析）3.matplotlib（数据可视化）4.scikit-learn（机器学习工具）5.tensorflow（深度学习框架

python零基础入门小白·2024-02-04 11:24

2024美赛选题建议+ABCDEF思路分享

题是机理分析，需要去找到合适的数据对物种发展规律进行研究，结合生态学原理和动力学理论，建立描述种群、资源、环境之间相互作用的动态模型，比如说生存分析、Lotka-Volterra竞争模型，但如果使用常见的机器学习模型如神经网络

建模忠哥小师妹·2024-02-04 11:19

[Python] 什么是KMeans聚类算法以及scikit-learn中的KMeans使用案例

无监督学习是机器学习中的一种方法，其主要目的是从无标签的数据集中发现隐藏的模式、结构或者规律。在无监督学习中，算法不依赖于任何先验的标签信息，而是根据数据本身的特征和规律进行学习和推断。

老狼IT工作室·2024-02-04 10:17

Github 2024-02-03 开源项目日报 Top10

根据开发语言中项目的数量，汇总情况如下：开发语言项目数量Python项目6C项目1TypeScript项目1JavaScript项目1PowerShell项目1Rust项目1MLflow:机器学习生命周期平台创建周期

孙琦Ray·2024-02-04 09:09

ACL 2022 VLN视觉和语言导航：任务、方法和未来方向综述

视觉和语言导航（VLN）是实现这一目标的一个基础性和跨学科的研究课题，越来越受到自然语言处理、计算机视觉、机器人和机器学习社区的关注。

善良的L君丶·2024-02-04 09:51

机器学习6-逻辑回归

逻辑回归是机器学习中一种常用于二分类问题的监督学习算法。虽然名字中包含“回归”，但实际上它用于分类任务，特别是对于输出为两个类别的情况。

dracularking·2024-02-04 09:09

机器学习——集成学习

参考：ysu老师课件+西瓜书+期末复习笔记1.集成学习的基本概念集成学习（ensemblelearing）通过构建并结合多个学习器来完成学习任务。

三三木木七·2024-02-04 09:37

机器学习算法之支持向量机（SVM）

支持向量机（SupportVectorMachine，简称SVM）是一种广泛用于分类、回归和其他学习任务的强大的监督学习算法。SVM的目标是找到一个超平面，以最大化地分隔不同类别的数据点。在二维空间中，这个超平面可以被看作是一条直线，但在更高维度的空间中，它可能是一个平面或者更复杂的决策边界。SVM特别擅长处理高维数据和非线性问题，通过使用核技巧（kerneltrick），它能够在高维空间中有效地

迎风斯黄·2024-02-04 09:07

2022-03-15

第1章：【1.4-归纳偏好】可以跳过第2章：【2.3.3-ROC与AUC】及其以后的都可以跳过1.1引言机器学习致力于研究如何通过计算手段，利用经验来改善系统的自身性能。

熊猫的笔记·2024-02-04 09:25

利用回归模型预测数值型数据

回归机器学习算法按照目标变量的类型，分为标称型数据和连续型数据。标称型数据类似于标签型的数据，而对于它的预测方法称为分类，连续型数据类似于预测的结果为一定范围内的连续值，对于它的预测方法称为回归。

AIOPstack·2024-02-04 09:40

机器学习算法之决策树（DT）

决策树（DecisionTree）算法是一种直观且广泛应用的机器学习方法，用于解决分类和回归问题。通过模拟决策过程构造树形结构，决策树既简单又强大，适合入门者深入了解。

迎风斯黄·2024-02-04 08:58

人工智能_05_使用TensorBoard视觉化你的模型

不像传统的编程，机器学习会有很多的不可预测性。你数据的质量，伴随着我们模型细微的差别，包括许多必须选择的

穷天才·2024-02-04 08:43

【MATLAB第96期】基于MATLAB的SVM(线性)、SVM(高斯)、决策树、KNN等机器学习算法回归及分类Boost集成学习模型（含不同模型权重）

【MATLAB第96期】基于MATLAB的SVM(线性)、SVM(高斯)、决策树、KNN等机器学习算法回归及分类Boost集成学习模型（含不同模型权重）引言文章使用Boost集成学习方法，对多个机器学习模型进行融合

随风飘摇的土木狗·2024-02-04 08:26

机器学习_14_多分类及多标签分类算法

文章目录1单标签二分类问题1.1单标签二分类算法原理1.2Logistic算法原理2单标签多分类问题2.1单标签多分类算法原理2.2Softmax算法原理2.3ovo2.4ovr2.5OvO和OvR的区别2.6ErrorCorrecting3多标签算法问题3.1ProblemTransformationMethods3.1.1BinaryRelevance3.1.2ClassifierChains

少云清·2024-02-04 07:23

人工智能福利站，初识人工智能，机器学习，第五课

欢迎点赞✍评论⭐收藏人工智能领域知识链接专栏人工智能专业知识学习一机器学习专栏人工智能专业知识学习二机器学习专栏人工智能专业知识学习三机器学习专栏人工智能专业知识学习四机器学习专栏人工智能专业知识学习五机器学习专栏文章目录初识人工智能

普修罗双战士·2024-02-04 07:23

完结，从零开始学python（十八）想成为一名APP逆向工程师，需要掌握那些技术点？

作为从零学python的最后一篇文章，我们来简单的回顾一下内容1.编程语法语法编程并发编程网络编程多线程/多进程/协程数据库编程MySQLRedisMongoDB2.机器学习3.全栈开发4.数据分析Numpy

爬完虫变成龙·2024-02-04 07:52

机器学习_15_贝叶斯算法

少云清·2024-02-04 07:50

为什么越努力越焦虑？

人的大脑和计算机的区别就在于人是有潜意识的，如果放一张你上周刚去过的餐厅照片，那么你可能根据图片上的某一个标识突然想起来；如果这张照片给计算机来识别，尽管现在已经有了机器学习语言，但是计算机还是需要通过海量的计算抽取其中的特点来匹配

阿东杂货铺·2024-02-04 07:29

我国学者在新型深度学习模型方面取得进展

机器学习是人工智能的核心研究领域，为智能化应用提供基础模型与核心算法，机器学习中深度学习技术的成功直接引发了近年来的人工智能热潮。

2301_76571514·2024-02-04 07:44

CUDA Cpp并行计算二维和三维网格

CUDA和NVIDIAGPU已被应用于许多需要高浮点计算性能的领域，包括：计算金融气候、天气和海洋建模数据科学和分析深度学习和机器学习国防和情报制造/AEC（建筑、工程和施工）：CAD和CAE（包括计算流体动力学

亚图跨际·2024-02-04 07:31

机器学习预测温度

importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimporttorchimporttorch.optimasoptimfeatures=pd.read_csv('temps.csv')print(features.head())print('数据维度：',features.shape)#处理时间数据importdatetimey

小小宇宙中微子·2024-02-04 07:25

机器学习线性回归

#导入所需的库importnumpyasnp#用于处理数值计算的库importtorch#用于深度学习的库（PyTorch）importtorch.nnasnn#用于实现各种神经网络的库（PyTorch）#生成x_values和y_valuesx_values=[iforiinrange(11)]#生成一个从0到10的列表x_train=np.array(x_values,dtype=np.flo

小小宇宙中微子·2024-02-04 07:55

[python]基于LSTR车道线实时检测onnx部署

它基于图像处理和机器学习的技术，通过对道路图像进行分析和处理，提取出车道线的位置和方向等信息。LSTR车道线检测算法的主要步骤包括图像预处理、边缘检测、车道线拟合和后处理等。

FL1623863129·2024-02-04 07:24

计算机设计大赛深度学习机器视觉人脸识别系统 - opencv python

文章目录0前言1机器学习-人脸识别过程人脸检测人脸对其人脸特征向量化人脸识别2深度学习-人脸识别过程人脸检测人脸识别MetricLarning3最后0前言优质竞赛项目系列，今天要分享的是深度学习机器视觉人脸识别系统该项目较为新颖

iuerfee·2024-02-04 07:24

机器学习 | 如何利用集成学习提高机器学习的性能？

目录初识集成学习Bagging与随机森林OttoGroupProduct(实操)Boosting集成原理初识集成学习集成学习（EnsembleLearning）是一种通过组合多个基本模型来提高预测准确性和泛化能力的机器学习方法

亦世凡华、·2024-02-04 06:23

机器学习算法之分类和回归树（CART）

分类和回归树（ClassificationandRegressionTrees，CART）是一种强大的机器学习算法，用于解决分类和回归问题。

迎风斯黄·2024-02-04 05:14

林轩田机器学习基石课程笔记1 -The Learing Problem

一什么是机器学习什么是“学习”？学习就是人类通过观察、积累经验，掌握某项技能或能力。就好像我们从小学习识别字母、认识汉字，就是学习的过程。

Spareribs·2024-02-04 05:33

基于Java校园网书店详细设计和实现

技术领域和学生毕业项目实战,高校老师/讲师/同行前辈交流✌主要内容：SpringBoot、Vue、SSM、HLMT、Jsp、PHP、Nodejs、Python、爬虫、数据可视化、小程序、安卓app、大数据、物联网、机器学习等

java李杨勇·2024-02-04 04:58

机器学习：Softmax回归（Python）

Softmax回归（多分类）logistic_regression_mulclass.pyimportnumpyasnpimportmatplotlib.pyplotaspltclassLogisticRegression_MulClass:"""逻辑回归，采用梯度下降算法+正则化，交叉熵损失函数，实现多分类，Softmax函数"""def__init__(self,fit_intercept=T

捕捉一只Diu·2024-02-04 04:27

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的无监督学习算法，用于将数据集分成不同的簇。该算法的目标是将数据点分配到k个簇中，使得每个数据点与所属簇的质心（中心）的距离最小化。算法流程如下：随机选择k个质心（一般为数据集中的k个随机数据点）作为初始质心。将每个数据点分配给离其最近的质心所属的簇。根据当前簇中的数据点计算新的质心位置。重复步骤2和3，直到质心位置不再改变或达到预定的迭代次数。K-均值聚类算法的优点包括

做一个AC梦·2024-02-04 04:23

AI鲜为人知的秘密：机器学习与深度学习概论

文章目录思维导图前言一、人工智能、机器学习与深度学习二、机器学习1、机器学习的实现原理2、学习任务3、确定模型三、深度学习1、神经网络2、深度学习当代发展四、推荐书籍及课程1、学习书籍2、推荐课程总结思维导图前言

Hunter乔乔·2024-02-04 01:26

西瓜书学习笔记——低维嵌入（公式推导+举例应用）

文章目录算法介绍实验分析算法介绍低维嵌入（Low-DimensionalEmbedding）是一种降低高维数据维度的技术，目的是在保留数据特征的同时减少数据的复杂性。这种技术常用于可视化、特征学习、以及数据压缩等领域。低维嵌入的目标是将高维数据映射到一个低维空间，以便更好地理解和可视化数据。在kkk近邻学习中，随着数据维度的增加，样本之间的距离变得更加稀疏，导致KNN算法性能下降。这是因为在高维空

Nie同学·2024-02-04 01:13

西瓜书学习笔记——核化线性降维（公式推导+举例应用）

文章目录算法介绍实验分析算法介绍核化线性降维是一种使用核方法（KernelMethods）来进行降维的技术。在传统的线性降维方法中，例如主成分分析（PCA）和线性判别分析（LDA），数据被映射到一个低维线性子空间中。而核化线性降维则通过使用核技巧，将数据映射到一个非线性的低维空间中。核技巧的核心思想是通过一个非线性映射将原始数据转换到一个高维的特征空间，然后在该特征空间中应用线性降维方法。这种映射