非监督学习

Tensorflow学习笔记（一）

因此决定在未来的半年内逐渐丰富自己的AI相关技术栈，集中于深度学、GAN等非监督学习技术、强化学习等方面。
量子乾坤·2021-06-20 17:20

【百面机器学习】非监督学习-K均值聚类

相对于监督学习，非监督学习的输入数据没有标签信息，需要通过算法模型来挖掘数据内在的结构和模式。非监督学习主要包含两大类学习方法：数据聚类和特征变量关联。
天空之上02·2021-06-19 18:26

机器学习专业术语 ML Terminology

MachineLearning:SupervisedLearning监督学习UnsupervisedLearning非监督学习Semi-supervisedLearning半监督学习ReinforcementLearning
Lucien_Liu·2021-06-14 20:12

监督学习（supervised learning）与非监督学习（unsupervised learning）

一，监督学习（supervisedlearning）:监督学习（supervisedlearning）的任务是学习一个模型，使模型能够对任意给定的输入，对其相应的输出做出一个好的预测。即：利用训练数据集学习一个模型，再用模型对测试样本集进行预测。例如kaggle上的泰坦尼克号比赛。官方提供旅客数据——数据集1（姓名，年龄，性别，社会经济阶层，是否生存等），要求参赛选手建立一个预测模型来回答“另外4
九月猫娘·2021-06-10 22:02

K-Means

1k-means介绍K-Means是一种非监督学习，解决的是聚类问题。K代表的是K类，Means代表的是中心，你可以理解这个算法的本质是确定K类的中心点，当你找到了这些中心点，也就完成了聚类。
疯狂的小强_94ee·2021-06-10 04:51

吴恩达机器学习——异常检测

异常检测与监督学习对比·15.6选择特征·15.7多元高斯分布（选修）·15.8使用多元高斯分布进行异常检测（选修）内容简介：异常检测(Anomalydetection)问题是机器学习算法的一个常见应用，它虽然主要用于非监督学习问题
SCY_e62e·2021-06-07 20:49

sklearn的高斯混合模型GMM与Kmeans的实现

Scikit-learn是基于numpy和scipy的一个机器学习算法库，包含很多监督学习，非监督学习一级半监督学习的算法。同时也包括数据特征提取，数据清洗等的一些功能。
环境与方法·2021-06-06 07:11

聚类(Clustering) K-means算法

1.归类：聚类(clustering)属于非监督学习(unsupervisedlearning)无类别标记(classlabel)2.举例：3.K-means算法：3.1Clustering中的经典算法
foochane·2021-06-05 18:35

1.深度学习基础概念

直接模仿，即是监督学习(superviselearning)间接模仿，即是非监督学习(unsuperviselea
吴嘉润ben·2021-06-05 05:28

关于聚类与曲线相似度评价指标

聚类通常是一种非监督学习方法，对大量的未标注数据集按照数据内在的相似性划分为若干个类别。
钢筋铁骨·2021-05-20 12:10

玩转OpenCV3——DNN

相对于传统的人工神经网络（包括多层神经网络），对DNN的关键不同点的一种解释是：其在做有监督学习前要先做非监督学习，然后将非监督学习学到的权值当作有监督学习的初值进行训练。1.准备工作这次要看的教程是
息魇·2021-05-19 03:19

机器学习分类

image.pngimage.png监督学习image.png监督学习主要处理两大类问题：分类问题and回归问题非监督学习image.pngimage.png上述特征提取：当面对一个数据时，这个数据有很多特征
Waldo_cuit·2021-05-16 13:00

Coursera机器学习笔记1

非监督学习非监督学习：对于结果应该是什么的情况了解很少或没有了解。例子：聚类问题；分辨混乱的聚会录音问题。
los_pollos·2021-05-15 22:01

ML - Kmeans Clustering

1.归类：聚类(clustering)属于非监督学习(unsupervisedlearning)无类别标记(classlabel)2.举例：3.K-means算法：3.1Clustering中的经典算法
leo567·2021-05-08 06:44

监督学习——分类（基于似然的方法）

基于似然的方法）第三部分监督学习——分类（基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习
有机会一起种地OT·2021-05-02 03:02

机器学习图谱

机器学习图谱中英文概念对照：机器学习------Machinelearning监督学习------Supervisedlearning非监督学习------Unsupervisedlearning自我理解
falldew·2021-04-30 12:15

吴恩达机器学习精华总结1-监督学习与非监督学习

吴恩达机器学习-1-监督学习与非监督学习在第一周中讲解的内容包含：监督学习和无监督学习单变量线性回归问题代价函数梯度下降算法监督学习SupervisedLearning利用监督学习预测波士顿房价（回归问题
尤尔小屋的猫·2021-04-29 09:06

参数方法——类密度模型参数的估计

基于似然的方法）第三部分监督学习——分类（基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习
有机会一起种地OT·2021-04-27 04:08

AI学习笔记——Autoencoders(自编码器)

Autoencoder的基本概念之前的文章介绍过机器学习中的监督学习和非监督学习，其中非监督学习简单来说就是学习人类没有标记过的数据。
Hongtao洪滔·2021-04-26 08:27

机器学习实战之K-Means聚类

聚类是一种非监督学习，什么是非监督学习？与之前学习的分类和回归不同（监督学习），监督学习是有有label标签的，而非监督学习没有。我们再回到聚类上，聚类是把相似的对象归到同一簇中，有点像全自动分类。
罗罗攀·2021-04-25 19:47

隐马尔科夫模型

基于似然的方法）第三部分监督学习——分类（基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习
有机会一起种地OT·2021-04-24 18:36

机器学习理论基础

基于似然的方法）第三部分监督学习——分类（基于判别式的方法）（参数方法——判别式参数估计）第四部分监督学习——回归第五部分监督学习——关联规则第六部分维度规约（特征的提取和组合）第七部分半参数方法第八部分非监督学习
有机会一起种地OT·2021-04-22 10:33

11.25 统计学习方法

1.2监督学习统计学习包括监督学习，非监督学习，半监督学习及强化学习。监督学习（supervisedlearning）的任务是学习一个模型，使模型能够对人意给定的输入，对其相应的输出作出一个好的预测。
啦啦啦_9a5f·2021-04-14 06:54

【吴恩达机器学习笔记】8聚类、降维

与此不同的是，在非监督学习中，数据没有附带任何标签。训练集可以写成只有x(1)x^{(1)}x(1),x(2)x^{(2)}x(
贪钱算法还我头发·2021-02-10 21:48

强化学习：不用给AI一个支点，他也能想办法撬起地球

文章目录导读定义要点强调应用电商游戏军事交通管制其他强化学习强在哪强化学习现在怎么样了基于值函数的强化学习基于策略搜索的强化学习基于环境建模的强化学习强化学习将来会怎么样写文章时参考的各种各样的东西最后的话导读我们在之前的文章中学到了监督学习【1】、非监督学习
ordinary_brony·2021-01-29 22:49

python中K-means算法基础知识点

能够学习和掌握编程，最好的学习方式，就是去掌握基本的使用技巧，再多的概念意义，总归都是为了使用服务的，K-means算法又叫K-均值算法，是非监督学习中的聚类算法。
·2021-01-25 17:38

前端也要懂机器学习（下）

本次涉及到的算法包含：KNN、决策树、随机森林、朴素贝叶斯、支持向量机、线性回归、K-均值聚类算法，这七个算法横跨监督学习算法（分类算法、回归算法）、非监督学习算
执鸢者·2021-01-18 02:06

前端也要懂机器学习（下）

本次涉及到的算法包含：KNN、决策树、随机森林、朴素贝叶斯、支持向量机、线性回归、K-均值聚类算法，这七个算法横跨监督学习算法（分类算法、回归算法）、非监督学习算
执鸢者·2021-01-18 02:26

强化学习PARL——1. 简单认识

aistudio/projectdetail/1445501背景介绍第一章节属于基础内容，第二课的数学知识总结的很好1.开始1.1概念认识1.1.1强化学习vs其他强化学习与监督学习的区别强化学习、监督学习、非监督学习是机器学习里的三个不同的领域
吨吨不打野·2021-01-12 11:05

机器学习复习＜HENU＞

Chapter1绪论基本术语：监督学习非监督学习根据训练数据是否有标记，学习任务可以大致分为监督学习和非监督学习。分类和回归是前者，聚类是后者。▲何为监督学习、非监督学习？
我是一只小白白·2021-01-04 20:16

第二章 强化学习与深度强化学习

文章目录前言什么是强化学习以直观的方式理解AI的含义和内容监督学习非监督学习强化学习强化学习实践AgentRewardsEnvironmentStateModelValuefunctionState-valuefunctionAction-valuefunctionPolicy
海里的羊·2021-01-03 15:42

UA MATH567 高维统计III 随机矩阵7 亚高斯矩阵的应用：Stochastic Block Model与社区发现 问题描述

Communitydetectioninnetworks是一个比较重要的非监督学习问题，这一讲我们用StochasticBlockModel(SBM)来描述一个网络：假设这个网络有nnn个节点，网络中有两个社区
一个不愿透露姓名的孩子·2021-01-01 05:56

C#中的深度学习（三）：理解神经网络结构

ML有三种范式:监督学习、非监督学习和强化学习。在监督学习中，一个模型(我们将在下面讨论)通过一个称为训练的过程进行
码农驿站·2020-12-26 10:51

C#中的深度学习（三）：理解神经网络结构

ML有三种范式:监督学习、非监督学习和强化学习。在监督学习中，一个模型(我们将在下面讨论)通过一个称为训练的过程进行
码农驿站·2020-12-23 10:37

python线性回归分析看相关性_机器学习入门：相关性分析之线性回归

有三种主要类型的机器学习：监督学习、非监督学习和强化学习，所有这些都有其特定的优点和缺点。监督学习涉及一组标记数据。计算机可以使用特定的模式来识别每种标记类
weixin_39854951·2020-12-10 21:25

监督学习 Supervised Learning

重要前提1.监督学习假设数据是独立同分布产生的2.监督学习假设输入X与输出Y遵循联合概率分布P(X,Y)3.监督学习与非监督学习的主要区别是，在非监督学习中，类别信息是不被提前知道的，在学习的过程中使用的训练样本通常不具有标记信息模型监督学习的模型可以是概率模型或者非概率模型
doreenador·2020-12-04 11:48

NLP-Bert核心知识点权威总结

适合解决句子匹配类任务的原因BERT已经发布的框架包括BERT的主要贡献Transrofmer模型讲解注意力机制attention时主要分为三步BERT的输入词向量是三个向量之和：实验的代码流程如下：过拟合的解决方案监督学习和非监督学习常用的分类器有哪些
SmartBrain·2020-12-03 19:20

AI学习笔记（八）深度学习与神经网络、推理与训练

神经网络激活函数激活函数的种类sigmod函数tanh函数RelU函数（线性整流层）LeakyRelU函数神经元系数损失函数学习率深度学习张量tensor设计神经网络对隐藏层的感性认知深度神经网络与深度学习推理与训练监督学习与非监督学习优化和泛化泛化能力分类过拟合过拟合的原因过拟合
Lee森·2020-11-28 21:28

98-非监督学习之k-means聚类

>library(pacman)>p_load(dplyr,mclust,GGally)聚类：在数据中识别相似行的技术。常见聚类技术：k-means,DBSCAN,OPTICSk-means是一种基于划分的聚类算法，它以k为参数，把n个数据对象分成k个簇，使簇内具有较高的相似度，而簇间的相似度较低。常见算法有：Lloyd算法；MacQueen算法和Hartigan-Wong算法。1、k-means
wonphen·2020-11-06 14:41

94-非监督学习之t-SNE非线性降维

>library(pacman)>p_load(dplyr,Rtsne,ggplot2)t-SNE：t-distributedstochasticneighborembedding：t分布随机邻域嵌入是一种用于探索高维数据的非线性降维算法。它将多维数据映射到适合于人类观察的两个或多个维度。t-SNE非线性降维算法通过基于具有多个特征的数据点的相似性识别观察到的簇来在数据中找到模式。本质上是一种降维
wonphen·2020-11-03 19:41

百面机器学习|第五章 非监督学习知识点

前言此为本人学习《百面机器学习——算法工程师带你去面试》的学习笔记第五章非监督学习引导语非监督学习期望机器通过学习找到数据中存在的某种共性特征或结构，亦或是数据之前存在的某种关联。
砍柴人z·2020-10-11 14:17

机器学习笔记——基础导论

1.监督学习（SupervisedLearning)2.非监督学习（UnsupervisedLearning)3.半监督学习（Semi-SupervisedLearning)四、机器学习的前沿进展？
Mr.Shelby·2020-09-19 16:07

opencv Kmeans之图像分割

从学习方法上来说KMeans属于非监督学习方法即整个学习过程中不需要人为干预的学习方法，
视觉一只白·2020-09-17 14:42

吴恩达机器学习课程-作业7-K-means聚类和主成分分析（python实现）

Andrew)ex7-K-meansClusteringandPrincipalComponentAnalysis椰汁笔记K-meansClustering前面学习的内容都是监督学习，这将是我们学习的第一个非监督学习算法
生榨的椰汁·2020-09-17 04:47

机器学习——监督学习、非监督学习、强化学习｜学习笔记#1

TableofContents机器学习(MachineLearning)机器学习的基本思路机器学习分类监督学习无监督学习强化学习机器学习在实际操作层面一共分为7步：机器学习(MachineLearning)机器学习不是某种具体的算法，而是很多算法的统称。(©easyai)机器学习的基本思路把现实问题抽象成数学问题(数学模型)利用数学方法对这个数学问题进行求解评估这个数学数学模型，解决了具体的实际问
Axton_·2020-09-16 02:24

线性回归知识总览

牛顿法、拟牛顿法等)线性回归的评估指标sklearn参数详解机器学习的一些概念机器学习分类：按数据分类分类、回归、序列标注按模型分类生成式模型、判别式模型按监督分类有监督、无监督统计学习包括监督学习、非监督学习
水...琥珀·2020-09-15 13:08

异常检查(Anomaly Detection)

这种算法的一个有趣之处在于：它虽然主要用于非监督学习问题，但从某些角
cyphappy·2020-09-14 13:44

HMM学习二：Baum-Welch算法详解（学习算法）

学习问题隐马尔可夫模型的学习，根据训练数据是包括观测序列和对应的状态序列还是只有观测序列，可以分别由监督学习与非监督学习实现。
慕虞·2020-09-13 13:27

HMM之Baum-Welch算法

如果训练数据包括观测序列和状态序列，则HMM的学习非常简单，是监督学习，如果只有观测序列的话，那么HMM的学习是需要使用EM算法的，是非监督学习。
XGBoost·2020-09-13 13:25

隐马尔可夫模型（HMM）的MATLAB实现——Baum-Welch算法

Baum-Welch算法用来对隐马尔可夫模型的参数进行学习，Baum-Welch算法是EM算法的一种特例，属于非监督学习算法，下边第一部分程序的迭代次数为1的算法代码，其中调用了计算中所需要的两个变量Gamma
Chishuo_sgp·2020-09-13 12:59
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他