训练样本第12页

正则化

为了防止过拟合，增加训练样本是一个好的解决方案。此外，还可使用**数据增强、L1正则化、L2正则化、Dropout、DropConnect和早停（Earlystopping）法**等。L1正则化

dingtom·2023-03-21 08:13

机器学习实战

训练样本集已知特征和目标变量，机器学习算法可以发现特征和目标变量之间的关系。为了测试机器学习效果，除了训练样本集还需要测试数据。

空山新雨后丶·2023-03-19 09:05

先验概率, 后验概率, 似然函数, 证据因子

证据因子理论假设有变量和,表示特征,表示我们关心的变量,可以是分类变量或者连续变量.那么,关于的先验概率为,关于的后验概率为,似然函数为,证据因子,根据全概率公式和贝叶斯公式可以得到它们之间的关系,预先假设有种取值:根据训练样本

风清云流·2023-03-19 00:25

KNN-K近邻学习

K近邻算法概述K近邻（k-NearestNeighbor，简称KNN）学习是一种常用的监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个邻居的信息来进行预测

混蛋哥·2023-03-17 21:16

a10.Andrew-ML08-无监督、PCA

Clustering01.UnsurpervisedLearningIntroduction无监督学习算法是训练样本没有标签的分类算法。

Xylia_Yang·2023-03-17 18:05

OpenCV入门——几何变换

OpenCV-几何变换几何变换这一部分在图像处理方面应用比较广泛，比如合适的图像几何变换可以用于增大深度学习里训练样本的样本集，提取特征等等方面。

不想继续脱发的猪头·2023-03-16 16:43

DeepMatch

image.png终于看懂了：模型的直接输出(relu，softmax前一层)是user_emb模型过softmax的权重矩阵是item_emb这么理解：训练样本是用户的点击记录，因而模型的输出认为是用户的表征

7ccc099f4608·2023-03-15 23:41

ML 无监督学习聚类 K-Means

无监督学习(unsupervisedlearning)在无监督学习中，训练样本的标记信息是未知的，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及规律，为进一步的数据分析提供基础。

XinY_VV·2023-03-15 12:54

【机器学习】西瓜书学习笔记（一）

机器学习任务划分根据训练样本是否有标签，可分为：监督学习分类：预测离散值，如二分类任务回归：预测连续值无监督学习聚类：训练样本没有标记信息，通过了解数据内在规律自动分类，常用于数据分析学习效果的评

hypc9709·2023-03-15 00:19

《Machine Learning Foundation》读书笔记2

现在有训练样本D，该样本包含了客户的信息以及是否发放信用卡。我们需要根据D，通过算法A，在H中选择最好的h，得到g并使得g无限接近目标函数f。这一流程就是根据先验知识建立判定给用户发送信用卡的模型。

WEI_FENG·2023-03-14 23:41

机器学习9 支持向量机SVM

回顾知识回顾逻辑回归里边的知识，，假设函数，sigmoid函数，z……根据性质，如果想要假设函数趋近于1，那么z>>0；反之想要假设函数趋近于0，那么z每一个训练样本都影响这一项）一起来考虑=1

黄桃百香果·2023-03-14 17:34

机器学习算法 --KNN算法（K-Nearest Neighbor）简单理解

KNN算法工作原理：存在一个样本数据集合，也称为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类对应的关系。

-Ausen·2023-03-14 07:27

神经网络实验：万能函数拟合器

为了直观与方便理解，我们用神经网络去拟合一元函数，也就是y=f(x)y=f(x)y=f(x)实验1.函数y=xy=xy=x训练样本如图所示：蓝色点代表训练样本，它们都是从函数y=xy=xy=x中取样获得橙色的直线代表神经网络所表示的函数

jerryjee·2023-03-14 07:55

K近邻算法(k-Nearest Neighbour, KNN)

近邻法KNN算法思想k-最近邻(k-NearestNeighbour,kNN)算法是一种基本分类与回归方法，属于监督学习方法，其工作机制非常简单：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本

　木夕敢敢·2023-03-14 07:37

认真的聊一聊决策树和随机森林

“随机“表示2种随机性，即每棵树的训练样本、训练特征随机选取。多棵决策树组成了一片“森林”，计算时由每棵树投票或取均值的方式来决定最终结果，体现了三个臭皮匠顶个诸葛亮的中国传统民间智慧。

叶琛_·2023-03-13 15:32

tf_record 的几种生成方法。

1.什么是tfrecord，tfrecord是一种基于protobuffer的数据格式（对protobuffer，具体如下图所示，每一个训练样本就是一个Example这个结构体。

数据挖掘菜鸟davidwang·2023-03-13 12:57

机器学习算法——K-近邻算法（代码实现手写数字识别）

使用前，我们需要有一个训练样本集，并且样本集中每个数据都存在标签，即我们知到样本集中每一数据与其所述分类的对应关系。

零壹博弈·2023-03-13 07:57

简单理解使用numpy.tile（）

表示沿每个轴重复的次数比如A=[1,2]时执行tile(A,2)得到结果为[1,2,1,2],可以理解为向x轴重复2次>>>A=array([1,2])>>>tile(A,2)array([1,2,1,2])如果A作为一个训练样本

梦远心沉·2023-03-12 11:55

2.k-近邻算法(KNN)

原理1.假设有一个带有标签的样本数据集（训练样本集），其中包含每条数据与所属分类的对应关系。2.输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的特征进行比较。

Gene_Chung·2023-03-12 10:29

机器学习笔记之—SVM

1.png假设其中一个划分超平面是鲁棒性、泛化能力最好的，对训练样本局部扰动的“容忍性”也最好，这个划分超平面用如下方程式描述：2.png3.png样本空间到这个超平面的距离d表示为：3.png，沿用一般求点到直线

Seven_Xiong·2023-03-12 09:16

回归预测 | MATLAB实现BP神经网络多输入多输出回归预测

|MATLAB实现BP神经网络多输入多输出回归预测预测效果基本介绍程序设计参考资料预测效果基本介绍人工神经网络是一种经典的机器学习模型，随着深度学习的发展神经网络模型日益完善.神经网络模型实际上是根据训练样本创造出一个多维输入多维输出的函数

机器学习之心·2023-03-12 07:37

第9章聚类

1.前言聚类任务是无监督学习，无监督学习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及规律，为进一步的数据分析提供基础。

Aptitude·2023-03-11 16:33

epoch-interation-step-batch_size区别

完整数据集通过神经网络一个正向传递和一个反向传递的过程interation/stepinteration和step都表示迭代次数代表一次梯度更新（一个batch_size）跑完batch_size每一次送入神经网络的训练样本数目关系

靖待·2023-03-11 07:09

ML 监督学习分类 K近邻算法

KNN“物以类聚，人以群分”：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个邻居的信息来进行预测。ExampleExampleKNN算法既可以分类又可以回归。

XinY_VV·2023-03-10 19:13

解决训练样本类不均衡问题

这篇博客主要是关于训练样本中出现的类不均衡问题的一些解决方法。这是一篇自主学习的博客，收集了很多关于这方面的好的资料。

可爱的黑山样·2023-03-10 07:57

机器学习----线性模型：类别不平衡问题及其解决办法

定义：在分类任务中，不同数目的训练样本例数据差距很大的情况假如类别数量设定是正例，类别不平衡时为正例，其中m+,是正例数目，m-是反例数目。

光光同学·2023-03-10 07:52

由浅入深了解PCA和KPCA

1.PCA（PrincipalComponentAnalysis）假设有这么多个零均值训练样本（如果不是zeromean就减去平均值），PCA的目标就是找到一个比较小的集合p<=d，这个集合具有最大量的

ZZX-研一小学僧·2023-03-09 07:01

《Machine Learning in Action》—— 剖析支持向量机，优化SMO

虽然效果还算不错，数据集基本都能够分类正确，模型训练效率的话也还说的过去，但这是基于我们训练样本数据集比较少、迭代次数比较少的前提下。假如说我们数据集比

玩世不恭的Coder·2023-03-09 02:18

《机器学习实战》知识总结及代码解析（1）K-近邻算法

近邻算法1K-近邻算法（k-NearestNeighbor，KNN优点：精度高、对异常值不敏感、无数据输入假定缺点：计算复杂度高、空间复杂度高适用数据范围：数值型和标称型1.1工作原理存在一个样本数据集合（训练样本集

My Life2022·2023-02-25 07:01

机器学习--K近邻算法（KNN）（2）

此类学习算法仅在训练阶段将训练集保存起来，训练时间开销为0，待收到测试样本后在进行处理k近邻模型的三要素：K值选择、距离度量、分类评价规则二、工作机制给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本

太原浪子·2023-02-24 07:54

机器学习-k近邻算法(kNN)

kNN算法的工作原理：存在一个样本数据集(训练样本集)，并且样本集中的每个样本都存在标签，即我们知道样本集中的每个特征与样本集中的数据对应的特征进行比较，然后算法提取样本集中特征最相似的数据(最近邻)

pcb931126·2023-02-24 07:48

动手学深度学习（十一、自然语言处理基础知识）

负采样的本质：每次让一个训练样本只更新部分权重

jiangchao98·2023-02-24 07:18

PYTHON搭建BP神经网络，并实现手写数字识别

基本思路：1.定义神经网络：定义输入层→定义隐藏层→定义输出层→找到权重和偏差→设置学习率→设置激活函数2.定义训练网络：根据训练样本给出输出→根据输出结果，计算误差，根据误差反向更新隐藏层权重3.定义查询网络

Chasing_8513·2023-02-19 05:17

蒙特卡洛方法

机器学习/深度学习中的图像叠加文字识别需要大量的训练样本，自动生成样本（使用程序在背景图片上叠加文字）是一种样本的获取方式。

ZAK_ML·2023-02-17 18:21

机器学习之集成算法----Adaboost算法

算法算法流程个人描述指示函数学习器权重和样本权重公式推导Adaboost算法的正则化小结传送门视频Boosting算法基本原理Boosting算法的工作机制是首先从训练集用初始权重训练出一个弱学习器1，根据弱学习的学习误差率表现来更新训练样本的权重

小韭菜~·2023-02-16 23:07

机器学习常用名词解释（一）

1、有监督学习通过已有的训练样本去训练得到一个最优模型，再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现预测和分类的目的，也就具有了对未知数据进行预测和分类的能力。

BuckData·2023-02-07 11:56

降维与度量学习（KNN、PCA、KPCA、流形学习、度量学习）

一、KNN确定训练样本，以及某种距离度量。对于某个给定的测试样本，找到训练集中距离最近的k个样本，对于分类问题使用“投票法”获得预测结果，对于回归问题使用“平均法”获得预测结果。

夕述·2023-02-07 11:47

机器学习入门~多元梯度下降法①

2）m表示数据集的容量（训练样本数），即表②表格的行数。3）x(i)来表示第i个训练样本的输入特征值。其中i表示训练集的一个索引，在特征量不唯一时，x(i)可以看作一个向量。

perSistence92·2023-02-07 11:36

集成学习 Boosting与Bagging

1.Boosting、BaggingBagging方法是通过构造不同的训练样本集来构造不同的分类器，具体采用Bootstrap方法对样本进行有放回的采样，经过M次采得到M个分类器，采用投票机制组合多个分类器的结果

chaichai1997·2023-02-07 11:33

深度学习、神经网络、机器学习区分【初入科研的释疑】

需要注意的是，机器学习的目标是使学到的函数很好地适用于“新样本”，而不仅仅是在训练样本上表现很好。学到的函数适用于新样本的能力，称为泛化（Generalization）能力。

m0_55576290·2023-02-07 08:01

《机器学习实战》第一章机器学习基础

第一章机器学习基础机器学习就是把无序的数据转换为有用的信息机器学习关键术语：专家系统；特征；实例；分类（机器学习的主要任务）；训练集；训练样本；目标变量；类别机器学习的主要任务：分类、回归、聚类和密度估计

这菜真辣·2023-02-06 18:18

sklearn svm 调参_SVM（Support Vector Machine）

SVM是一种二元分类模型(当然它也可以处理回归问题)，它通过训练样本寻找分隔两类样本的最优决策边界(超平面)，使得两类样本距离决策边界的距离最远(例如H3)。

weixin_39928801·2023-02-06 17:40

数据不足时的处理方法

绝大部分模型都需要大量的数据进行训练和学习，然而在实际应用中经常会遇到训练不足的问题，比如图像分类，作为计算机视觉最基本的任务之一，其目标是将每一副图像划分到制定类别集合中的一个或者多个类别中，当训练一个图像分类模型时，如果训练样本比较少

Panpan Wei·2023-02-06 10:45

影像组学特征的生物学意义

影像组学可以通过提取高通量特征来预测患者的预后，使用大型训练样本来探究图像特征和疾病状态之间的微妙关系。但是，基于数据驱动的影像组学本质上无法解释潜在的生物学机制。

思影科技·2023-02-05 21:26

吴恩达机器学习（十五）分类、假设陈述、决策边界

尝试改变一下问题，将横轴延长一点，假如有另一个训练样本在最右边。

计算机视觉从零学·2023-02-05 18:02

西瓜书第二章概念总结

经验误差其实就是模型的训练误差泛化误差定义：泛化误差其实就是模型的泛能能力，即使用新的样本数据测试训练好的模型时产生的误差过拟合定义：过拟合其实指训练的模型对训练的样本匹配的过于细致，导致新的样本进行预测时会出现无训练样本的细微特征而识别错误的情况

Ansen C·2023-02-05 18:31

PULT：Progressive Unsupervised Learning for Visual Object Tracking（用于视觉目标跟踪的渐进式无监督学习）

ProgressiveUnsupervisedLearningforVisualObjectTracking（用于视觉目标跟踪的渐进式无监督学习）因为是无监督学习，所以需要对样本数据充分挖掘，产生适合跟踪的训练样本

差不太多先生·2023-02-05 16:14

《Python机器学习及实践：从零开始通往Kaggle竞赛之路》第2章基础篇学习笔记（十三）2.2.2.1主成分分析总结

2.2.2.1主成分分析0、引言1、模型介绍2、数据描述3、编程实践4、性能测评5、特点分析2.2.2.1主成分分析0、引言特征降维是无监督学习的另一个应用，目的有二：其一，在实际项目中遭遇特征维度非常高的训练样本

wyatt007·2023-02-05 15:09

one-shot learning、Siamese网络、Triplet loss、面部验证和二分类

目录1.one-shotlearning(一次学习)one-shotlearning就是对某一类别只提供一个或者少量的训练样本。而很小的训练集不足以训练一个稳健的神经网络。

劳埃德·福杰·2023-02-05 15:44

【3D目标检测】KITTI数据集介绍

（`data_object_image_2`）标注数据（`data_object_label2`）标定校准数据（d`ata_object_calib`）概述KITTI数据集很大，包括了很多任务，使用的训练样本

可乐大牛·2023-02-05 14:00

推荐频道

训练样本

正则化