量子计算机机器学习华为云第139页

优秀CTO修炼之道：向上生长，向下兼容

作者|Mr.K编辑|Emma来源|技术领导力(ID：jishulingdaoli)近日，由华为云与微上信息技术研究院联合举办的华为云联创营CTO领航班第四期在华为北京会展中心成功举办，会上围绕着“优秀CTO

互联网全栈架构·2023-11-27 03:16

脑电机器学习：理论与应用

已经开发了机器学习算法来从EEG中提取信息，以帮助诊断多种疾病(例如癫痫、阿尔茨海默症和精神分裂症)，并识别各种大脑状态。

茗创科技·2023-11-27 03:51

脑电信号特征提取方法与应用

当信号分析应用于EEG时，由于应用数字信号处理(DSP)和机器学习(ML)方法通常可以识别整个身体的状态以及大脑状态，因此特别有意义。CarloMatteucci和EmilDuBois-Re

茗创科技·2023-11-27 03:21

神经网络--梯度下降

本文作者SurajBansal通过对梯度下降背后的数学原理进行拆解，并配之以简单的现实案例，以轻松而有趣的口吻带大家深入了解梯度下降这一在机器学习领域至关重要的方法。

Drr0·2023-11-27 03:49

【Spring】Spring事务失效问题

小明java问道之路·2023-11-27 02:35

强化学习入门

搬运几个自己学习机器学习（强化学习）的网站：莫烦python很棒的入门视频，几乎几乎什么都有，起飞到不行，b站也有相关链接。

星行夜空·2023-11-27 01:00

每日学术速递3.27

CV-计算机视觉|ML-机器学习|RL-强化学习|NLP自然语言处理Subjects:cs.CV1.Text2Room:ExtractingTextured3DMeshesfrom2DText-to-ImageModels

AiCharm·2023-11-27 01:56

ES6_04- 模板字符串+标签模板字符串

系列文章目录提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用文章目录系列文章目录1.模板字符串1.1.写法1.2.普通字符串1.3

冬眠海带丝·2023-11-27 00:41

UCAS - AI学院 - 自然语言处理专项课 - 第12讲 - 课程笔记

文本分类与聚类文本分类文本——领域信息分类传统机器学习方法文本表示向量空间模型——BoW模型词的权重词频TF布尔变量逆文档频率IDFTF-IDF特征选择文档频率：根据训练语料中的文档频率，对所有特征进行排序词频

支锦铭·2023-11-27 00:08

OpenCV入门（六）

章前言参考书籍：学习OpenCV3中文版（LearningOpenCV3：computervisionwiththeOpenCVLibrary）OpenCV适用于图像处理、模式识别、三维重建、物体跟踪、机器学习和线性代数先修课程

dandanke0512·2023-11-27 00:22

Microsoft Azure Machine Learning使用探索

写在前面感谢公司提供的MicrosoftAzure机器学习平台我不是微软的托哈，但是一用觉得，这东西太方便了吧！

三笔竹林·2023-11-26 22:35

Microsoft Azure Machine Learning Studio

随着机器学习（ML）成为软件行业的主流，重要的是要了解它的工作原理，并将其置于开发栈中。

doi2746·2023-11-26 22:05

论文复现丨基于ModelArts实现Text2SQL

本文分享自华为云社区《基于ModelArts实现Text2SQL》，作者：HWCloudAI。

华为云开发者联盟·2023-11-26 22:01

【挑战业余一周拿证】一、亚马逊云科技简介 - 第 1 节 - 模块 1 简介

官方中文视频（免费）：点击进入一、亚马逊云科技简介第1节-模块1简介1、讲师：李锦鸿部门：亚马逊云科技培训与认证部门方向：从事数据中心及云计算相关产品与解决方案工作课程：例如云架构、运维、迁移、人工智能和机器学习等课程

ladymorgana·2023-11-26 22:53

机器学习第四章线性回归算法进阶4.3线性回归的正则化（《大话Python机器学习》学习笔记）

第四章线性回归算法进阶4.3线性回归的正则化4.3.1为什么要使用正则化欠拟合（Underfitting）：采用一定的算法去拟合时，如果没有考虑相当的信息量（特征变量），从而对训练数据集的拟合算法无法精确，便会发生欠拟合现象。欠拟合也成为高偏差（Bias），即建立的模型拟合与预测效果较差。解决方法：通过增加更多的特征变量，利用更高次幂的多项式当作假设函数，以该假设函数来拟合训练数据。欠

BianchiHB·2023-11-26 22:49

机器学习 day13（正则化，线性回归的正则化，逻辑回归的正则化）

1.正则化的思想如果特征的参数值更小，那么对模型有影响的特征就越少，模型就越简单，因此就不太容易过拟合如上图所示，成本函数中有W₃和W₄，且他们的系数很大，要想让该成本函数达到最小值，就得使W₃和W₄接近0，从而消除它们对成本函数的影响，最后我们就得出一个接近二次函数（左边图片）的成本函数2.正则化的一般形式通常，一个模型有很多特征，我们不知道哪个特征的参数重要，哪个特征的参数我们需要缩小或惩罚。

丿罗小黑·2023-11-26 22:17

【机器学习】基于线性回归的模型优化和正则化

批量梯度下降2.随机梯度下降3.小批量梯度下降4.三种梯度下降方式的比较三、多项式线性回归方程的实现四、标准化及特征值维度变化五、样本数量对模型结果的影响六、正则化1.Ridge2.Lasso七、总结前言在机器学习中

泪懿·2023-11-26 22:45

L2正则化缓解过拟合实例

正则化(Regularization)是机器学习中对原始损失函数引入额外信息，以便防止过拟合和提高模型泛化性能的一类方法的统称。

明天天明~·2023-11-26 22:44

ML笔记（3）线性回归的正则化

我们在构造机器学习模型时，最终目的是让模型在面对新数据的时候，可以有很好的表现（即增加模型的泛化能力）。当你用比较

孚瓜·2023-11-26 22:08

万州客·2023-11-26 21:35

动手学深度学习(二)---线性回归

文章目录1.理论知识2.线性回归从0实现3.线性回归简洁实现【相关方法】torch.normal()1.理论知识线性假设是指目标可以表示为特征的加权和：ex1;在机器学习领域，一般用线性代数处理会更方便向量

释怀°Believe·2023-11-26 20:13

记录一次惊心动魄的ICP备案撤销后应急处理过程

因为物理服务器维护成本高，托管机房（具体名字就不说啦，X联X通）经常间歇性断电、烧交换机、施工挖断主线缆，恢复时间半天起，对公司业务造成N+1次伤害；售后态度也很差，忍无可忍之际，将切换云服务器提上议程；各番对比之下，华为云成为了首选

程序员理想·2023-11-26 20:04

机器学习之自监督学习（四）MoCo系列翻译与总结（一）

MomentumContrastforUnsupervisedVisualRepresentationLearningAbstract我们提出了“动量对比”（MomentumContrast，MoCo）来进行无监督的视觉表示学习。从对比学习的角度来看，我们将其视为字典查找，通过构建一个带有队列和移动平均编码器的动态字典。这使得可以动态构建一个大型且一致的字典，有助于进行对比的无监督学习。MoCo在

哈尔滨张谦蛋·2023-11-26 20:47

机器学习 - 聚类，聚类类别，聚类相似度，聚类性能度量

文章目录聚类一、概念二、聚类的类别1.基于划分的聚类2.基于层次的聚类3.基于密度的聚类4.基于网格的聚类5.基于模型的聚类6.基于模糊的聚类三、聚类的相似度度量1.闵氏距离：2.马氏距离：参考资料聚类一、概念无监督学习：无监督学习（Unsupervisedlearning）：训练样本的标记信息是未知的，目标是为了揭露训练样本的内在属性，结构和信息，为进一步的数据挖掘提供基础。监督学习：监督学习（

pentiumCM·2023-11-26 20:39

机器学习｜数学建模｜数据挖掘｜Data Mining｜无监督分类算法｜聚类分析

2022-12-2014:43:58什么是聚类分析？聚类分析中的数据类型主要聚类分析方法分类划分方法(PartitioningMethods)分层方法基于密度的方法基于表格的方法基于模型的方法异常分析总结目录一、预备知识二、聚类的常规应用2.1模式识别2.2空间数据分析2.3图像处理2.4经济学(尤其是市场研究方面)2.5WWW2.6应用聚类分析的例子(1)市场销售(2)土地使用(3)保险(4)城

alwaysuzybaiyy·2023-11-26 20:07

某软件商店app抓包分析与sign加密算法实现

文章目录1.写在前面2.抓包配置3.抓包分析4.接口测试5.sign加密算法6.数据效果展示【作者主页】：吴秋霖【作者介绍】：Python领域优质创作者、阿里云博客专家、华为云享专家。

吴秋霖·2023-11-26 19:23

CVPR 2023 精选论文学习笔记：Continual Semantic Segmentation with Automatic Memory Sample Selection

持续学习是指机器学习模型在不忘记以前学过的知识的情况下学习新任务的能力。持续学习有三种主要方法：复习式方法：这些方法定期回顾和重新训练模型在以前学过的数据的子集上。这有助于防止模型忘记旧知识。

结构化文摘·2023-11-26 19:03

图解机器学习的常见算法

每当提到机器学习，大家总是被其中的各种各样的算法和方法搞晕，觉得无从下手。确实，机器学习的各种套路确实不少，但是如果掌握了正确的路径和方法，其实还是有迹可循的，这里讲述了如何选择机器学习的各种方法。

公子曼步·2023-11-26 19:00

python实现人脸检测

文章目录一、基础知识二、实现人脸检测一、基础知识我们使用机器学习的方法完成人脸检测，首先需要大量的正样本图像（面部图像）和负样本图像（不含面部的图像）来训练分类器。我们需要从其中提取特征。

寻喃·2023-11-26 19:53

机器学习作业——主成分分析PCA

主成分分析PCA--------------PCA简单使用-------------一：回顾PCA（一）主成分分析法是干什么用的？（二）主成分分析法怎么做到的降维？（三）主成分分析法具体怎么做呢？——降维（四）主成分分析法具体怎么做呢？——重建数据二：数据集导入及可视化三：数据预处理四：奇异值分解五：使用PCA进行降维六：数据升维七：绘制PCA可视化图像-------------人脸像素降维之PC

青春是首不老歌丶·2023-11-26 18:35

机器学习——主成分分析法(PCA)

目录简介代码实现主成分分析法、层次分析法、因子分析法的选取和使用简介优点：1、降维2、过滤因素之间的相关性由特征向量构成，而且每个特征向量无关性决定了主成分的分量线性无关。缺点：并不具有现实可解释性，对于工程上的特征选择没有实际意义。代码实现importmatplotlib.pyplotasplt#加载matplotlib用于数据的可视化fromsklearn.decompositionimpor

bw876720687·2023-11-26 18:33

『机器学习』 ——主成分分析法（PCA）

文章首发地址见个人博客主成分分析法一个非监督学习的机器学习算法主要用于数据的降维通过降维，可以发现更便于人类理解的特征其他应用：可视化；去噪1主成分分析法1.1什么是主成分分析法举一个简单的例子，上面的图片中这组数据具有两个特征分别为特征一和特征二

Mr黄黄黄黄黄先森·2023-11-26 18:02

机器学习算法——主成分分析（PCA）

目录1.主体思想2.算法流程3.代码实践1.主体思想主成分分析（PrincipalComponentAnalysis）常用于实现数据降维，它通过线性变换将高维数据映射到低维空间，使得映射后的数据具有最大的方差。主成分可以理解成数据集中的特征，具体来说，第一主成分是数据中方差最大的特征（即该特征下的值的方差最大），数据点在该方向有最大的扩散性（即在该方向上包含的信息量最多）。第二主成分与第一主成分正

哈密瓜Q·2023-11-26 18:01

使用Python进行特征选择

在机器学习中，特征选择是从数据集中可用的特征中选择相关和重要特征（变量或属性）的子集的过程。选择特征的目的是通过减少数据的维度，同时保留最具信息性和相关性的特征，来提高机器学习模型的性能。

python收藏家·2023-11-26 18:47

机器学习聚类

聚类在“无监督学习”任务中研究最多、应用最广。聚类目标：将数据集中的样本划分为若干个通常不相交的子集(“簇”，cluster):聚类既可以作为一个单独过程（用于找寻数据内在的分布结构)，也可作为分类等其他学习任务的前驱过程一、聚类的目的聚类（Clustering）是一种发现数据中的相似群（聚类，clusters）的技术。聚类是一个将数据集中在某些方面相似的数据成员进行分类组织的过程。一个聚类就是一

K24B;·2023-11-26 17:21

【机器学习】原型聚类（K-means、高斯混合聚类、学习向量量化LVQ）、密度聚类DBSCAN、层次聚类AGNES

聚类目标：将数据集中的样本划分为若干个通常不相交的子集（“簇”，cluster），子集内部具有相似性，子集之间具有差异性。原型聚类通常情况下，算法先对原型进行初始化，再对原型进行迭代更新求解K-means聚类算法流程：（1）随机选取K个点作为聚类中心，即k个类中心向量（2）分别计算其他样本点到各个类中心向量的距离，并将其划分到距离最近的类（3）更新各个类的中心向量（4）判断新的类中心向量是否发生改

夕述·2023-11-26 17:50

《机器学习》笔记：聚类

基本概念无监督学习(unsupervisedlearning)是利用无标记训练样本的学习来揭示数据的内部性质以及规律。其中聚类(clustering)是其中重要的一类。聚类是将数据按照一定原则划分为若干个不相交的子集（簇，cluster）。k均值算法k均值(k-means)算法的假设是距离相近的两样本在分类上也是相类似的。因为该算法比较简单，直接放伪代码：输入：样本集D={x1,x2,...,xm

Zach要努力·2023-11-26 17:32

学习向量量化 Learning Vector Quantization | LVQ

学习向量量化的应用场景四、构建学习向量量化模型的注意事项五、学习向量量化模型的实现类库六、学习向量量化模型的评价指标七、类库scikit-learn实现学习向量量化的例子八、学习向量量化的模型参数总结前言学习向量量化是机器学习中无监督学习的一种聚类算法

JasonH2021·2023-11-26 17:01

2021-12-26

机器学习是什么？给计算机编程，让它拥有自我学习的能力。通过大量的数据对模型进行调整，使其拥有作出决断的能力。监督学习是什么？其基本思想是，数据集中的每个样本都有相应的“正确答案”。

微风_煜·2023-11-26 17:35

【机器学习】聚类（二）：原型聚类：LVQ聚类（学习向量量化）

文章目录一、实验介绍1.算法流程2.算法解释3.算法特点4.应用场景5.注意事项二、实验环境1.配置虚拟环境2.库版本介绍三、实验内容0.导入必要的库1.LVQ类a.构造函数b.闵可夫斯基距离c.LVQ聚类过程e.聚类结果可视化2.辅助函数3.主函数a.命令行界面（CLI）b.数据加载c.模型训练及可视化4.运行脚本的命令5.代码整合学习向量量化（LVQ）是一种原型聚类算法，它在寻找原型向量以

QomolangmaH·2023-11-26 17:57

【挑战业余一周拿证】一、亚马逊云科技简介 - 第 2 节 - 模块简介

简介这门课程将为您提供需要了解的所有重要信息，让您能够轻松讨论亚马逊云科技并了解它为何对您的企业有利亚马逊云科技为每个企业都提供了非常广泛的服务，从基本要素，例如计算、存储和网终安全工具到复杂的解决方案，例如区块链、机器学习或人工智能

ladymorgana·2023-11-26 17:27

人工智能|机器学习——循环神经网络的简洁实现

循环神经网络的简洁实现如何使用深度学习框架的高级API提供的函数更有效地实现相同的语言模型。我们仍然从读取时光机器数据集开始。importtorchfromtorchimportnnfromtorch.nnimportfunctionalasFfromd2limporttorchasd2lbatch_size,num_steps=32,35train_iter,vocab=d2l.load_dat

博士僧小星·2023-11-26 17:25

基于蝗虫算法优化的支持向量机（SVM）预测实现（MATLAB代码）

基于蝗虫算法优化的支持向量机（SVM）预测实现（MATLAB代码）支持向量机（SupportVectorMachine，SVM）是一种常用的机器学习算法，广泛应用于分类和回归问题。

CyberXZ·2023-11-26 17:54

【python+机器学习（4）】多维数据的特征选取（Ridge&&Lasso）

欢迎关注哈希大数据微信公众号【哈希大数据】在之前我们介绍了直接使用线性回归进行波士顿房价的预测，但是预测准确率仅有60%左右。预测准确率不高一方面是我们未对数据进行一定的预处理（包括归一化和标准化等），这样不能确保在使用优化方式时，对不同特征参数起到同样的影响。其次是未深入挖掘数据特征间关系，比如当原始数据某些特征与目标值不具有线性关系时，不应当纳入训练模型中。而且数据特征之间可能存在共线性等其他

哈希大数据·2023-11-26 16:05

【python笔记】pycharm使用matplotlib的show()函数无法显示图片解决方案

看了一系列基础课程以后，准备自己尝试做一个机器学习领域的HelloWorld的。但是在进行可视化尝试的时候，却发现无法显示出图片。一开始我以为是因为生成的图片是保存到某个文件夹，遍寻之后依然一无所获。

猫球球·2023-11-26 15:12

机器学习比较 - 基于OpenCV进行图像向量的提取

一、简述在将图像输入机器学习算法之前，通常对图像执行的预处理步骤之一是将它们转换为特征向量。将图像转换为特征向量有几个优点，可以使机器学习算法更加高效的运行。

坐望云起·2023-11-26 15:54

用R语言实现神经网络预测和结果可视化

神经网络是一种强大的机器学习算法，可以用于预测和分类任务。在本文中，我们将使用R语言实现一个简单的神经网络，并展示如何使用该模型进行预测并可视化结果。首先，我们需要安装并加载一些必要的R包。

DevNinja·2023-11-26 15:33

python训练集_Python 训练集、测试集以及验证集sklearn及手动切分

方法一：切分训练集和测试集，采用机器学习包sklearn中的train_test_split()函数方法二：切分训练集、测试集以及验证集，针对dataframe手动切分方法一采用Sklearn包中的sklearn.model

致寿有道·2023-11-26 14:59

利用sklearn划分训练集和测试集

利用sklearn划分训练集和测试集交叉验证（CrossValidation）是常用的机器学习训练手段，可以有效检验一个模型的泛化能力。

蕉叉熵·2023-11-26 14:58

Python 训练集、测试集以及验证集切分方法：sklearn及手动切分

方法一：切分训练集和测试集，采用机器学习包sklearn中的train_test_split()函数方法二：切分训练集、测试集以及验证集，针对dataframe手动切分方法一采用Sklearn包中的sklea

阿波拉·2023-11-26 14:21

推荐频道

量子计算机机器学习华为云