2.0机器学习

深度学习中的鲁棒性和泛化性有什么区别

鲁棒性（Robustness）和泛化性（Generalization）是评估模型性能时常用的两个术语，尤其在机器学习和统计建模领域。虽然这两个概念相关，但它们关注的方面有所不同。
智能建造小硕·2024-02-20 01:24

2020年3月21日陆宣宇亲子时间管理践行218篇 120期 2.0

‘白霞➕积极、行动、2020.3.21218/10003月基础习惯：阅读3月基础关注：专注力（用工具表格）宣言：用爱自律❤用爱陪伴训练目标：1、家长：（1）每天阅读30分钟✅（2）温柔说话V（3）早睡早起每周锻炼2-3次✅2、孩子：（1）完成早睡早起✅（2）粽子英语每天20分钟✅（3）阅读课外书60分钟√健康习惯：1、家长6.30-10:30✅2、孩子7:30-9:30✅自主阅读:《看得见的中国史
564256cda482·2024-02-20 00:39

如何学习和规划类似ChatGPT这种人工智能（AI）相关技术

掌握机器学习和深度学习：了解机器学习和深度学习的基本概念，例如神经网络、卷积神经网络（CNN）和递归神经网络（RNN）。学习
ABEL in China·2024-02-20 00:43

Spring Boot 整合 MongoDB

前置条件Java8或更高版本SpringBoot2.0或更高版本MongoDB数据库步骤1.添加依赖在pom.xml文件中添加SpringBoot和SpringDataMongoDB的依赖：org.springframework.bootspring-boot-starte
GaoJamie·2024-02-20 00:41

html+css+js炫酷特效+加速粒子效果

完整目录1.效果展示2.思路2.0布局2.1让火箭位于屏幕的中心--flex2.2让火箭上下不停的移动2.3利用::after制造尾部的火焰2.3使用js创建并添加随机的大小和位置颜色2.4使用js创建插入到页面上
门前大桥下.·2024-02-19 23:38

人工智能在现代科技中的应用和未来发展趋势

概述人工智能（ArtificialIntelligence,AI）是一种模拟人类智能的技术，通过机器学习、机器视觉、自然语言处理等技术实现智能行为。它在现代科技中的应用非常广泛，涵盖了许多领域。
御翮·2024-02-19 23:35

机器学习

在过去50年，机器学习的研究已经从几个计算机工程师探索计算机是否能学会玩游戏的影响下不断成长，统计领域（在很大程度上忽视计算的考虑）到广泛的学科（该学科产生了基本的学习过程的统计-计算理论）已经设计了许多学习算法
会敲键盘的猩猩·2024-02-19 23:23

tensorflow学习笔记（二）：机器学习必备API

因为我个人的最终目的还是在深度学习上，所以一些深度学习和机器学习模块是必须要了解的，这其中包括了tf.train、tf.contrib.learn、还有如训练神经网络必备的tf.nn等API。
我愛大泡泡·2024-02-19 23:23

机器学习中的特征工程

目录一、特征工程目标二、特征工程内容（一）异常处理（二）特征标准化/归一化（三）数据分桶（四）缺失值处理（五）特征构造（六）特征筛选（特征选择）（七）降维三、代码示例（一）导入数据（二）删除异常值（三）特征构造（四）特征筛选1.过滤式2.包裹式一、特征工程目标对于特征进行进一步分析，并对于数据进行处理。完成对于特征工程的分析，并对于数据进行一些图表或者文字总结。特征工程的主要目的还是在于将数据转换
qq_44980515·2024-02-19 23:52

协调尺度：特征缩放在机器学习中的重要作用

目录一、介绍二、背景知识三、了解功能缩放四、特征缩放方法五、特征缩放的重要性六、实际意义七、代码八、结论一、介绍特征缩放是机器学习和数据分析预处理阶段的关键步骤，在优化各种算法的性能和效率方面起着至关重要的作用
无水先生·2024-02-19 23:50

【江科大STM32入门·自存笔记】BKP备份寄存器&RTC实时时钟

当VDD（2.0~3.6V）电源被切断，他们仍然由VBAT（备用电池电源1.8~3.6V）维持供电。当系统在待机模式下被唤醒，或系统复位或电源复位时，他们也不会被复位（如果VDD断电，VBAT也没电
酒斓·2024-02-19 23:47

STM32 BKP备份寄存器&RTC实时时钟

当VDD（系统的主电源2.0~3.6V）电源被切断，他们仍然由VBAT(VBattery备用电池
YRr YRr·2024-02-19 23:47

我们最好的时光就是现在

武汉封城，多个省份拉起国家一级响应，小汤山2.0版火速搭建...疫情夺去了许多平凡而伟大的生命，夺去了很多家庭的幸福团聚，夺去了无数的灿烂笑脸。当我们终日在抱怨2020年的诸多不顺，沉浸在疫情的
脚脖·2024-02-19 23:19

机器学习---HMM前向、后向和维特比算法的计算

1.HMMimportnumpyasnp#In[15]:classHiddenMarkov:defforward(self,Q,V,A,B,O,PI):#使用前向算法N=len(Q)#状态序列的大小M=len(O)#观测序列的大小alphas=np.zeros((N,M))#alpha值T=M#有几个时刻，有几个观测序列，就有几个时刻fortinrange(T):#遍历每一时刻，算出alpha值i
三月七꧁ ꧂·2024-02-19 23:23

【机器学习笔记】5 机器学习实践

数据集划分子集划分训练集（TrainingSet）：帮助我们训练模型，简单的说就是通过训练集的数据让我们确定拟合曲线的参数。验证集（ValidationSet）：也叫做开发集（DevSet），用来做模型选择（modelselection），即做模型的最终优化及确定的，用来辅助我们的模型的构建，即训练超参数，可选；测试集（TestSet）：为了测试已经训练好的模型的精确度。三者划分：训练集、验证集、
RIKI_1·2024-02-19 23:52

机器学习和统计学的区别？

1、本质区别：目标：机器学习的核心目标是建立一个可以自动学习和改进的模型，以预测未知数据。它更关注结果的准确性和模型的泛化能力，通常不关心模型是否可以解释。
小桥流水---人工智能·2024-02-19 23:21

运维干货：Linux下subversion和apache安装配置

安装服务器端1、环境工具说明：服务器Linux环境；Apache，httpd-2.0.58.tar.gz；subversion-1.3.1.tar.gz2.安装Apache#tarzxvfhttpd-2.0
嘀嗒运维·2024-02-19 23:52

GAN生成对抗性网络

一、GAN原理出发点：机器学习中生成模型的问题无监督学习是机器学习和未来人工智能的突破点，生成模型是无监督学习的关键部分特点：不需要MCMC或者变分贝叶斯等复杂的手段，只需要在G和D中对应的多层感知机中运行反向传播或者梯度下降算法模型通常使用神经网络
Dirschs·2024-02-19 23:19

【解决（几乎）任何机器学习问题】：超参数优化篇（超详细）

假设您的机器学习项⽬有⼀个简单的流程。有⼀个数据集，你直接应⽤⼀个模型，然后得到结果。模型在这⾥的参数被称为超参数，即控制模型训练/拟合过程的参数。
X.AI666·2024-02-19 23:48

晨间日记

美丽课2.0我今天要有怎样的心情？开心帮助别人我今天怎样比昨天做的更好？早安！A、叫我起床的不是闹钟是梦想2019年度目标
健康形象顾问吕燕·2024-02-19 23:44

机器学习网格搜索超参数优化实战(随机森林) ##4

文章目录基于Kaggle电信用户流失案例数据（可在官网进行下载）数据预处理模块时序特征衍生第一轮网格搜索第二轮搜索第三轮搜索第四轮搜索第五轮搜索基于Kaggle电信用户流失案例数据（可在官网进行下载）导入库#基础数据科学运算库importnumpyasnpimportpandasaspd#可视化库importseabornassnsimportmatplotlib.pyplotasplt#时间模块
恒c·2024-02-19 23:47

机器学习中为什么需要梯度下降

在机器学习中，梯度下降是一种常用的优化算法，用于寻找损失函数的最小值。我们可以用一个简单的爬山场景来类比梯度下降的过程。假设你被困在山上，需要找到一条通往山下的路。
华农DrLai·2024-02-19 23:16

创新设计与技术突破：嵌入式系统在人工智能和机器学习领域的应用前景

嵌入式系统在人工智能和机器学习领域的应用前景非常广阔，创新设计和技术突破将进一步推动这些领域的发展。
迷璃学妹·2024-02-19 23:45

oauthlib，一个强大的 Python 身份校验库！

安装OAuthLibOAuthLib的主要功能OAuthLib的用法实现OAuth2.0服务端实现OAuth2.0客户端实际应用案例1.第三方登录集成2.API访问控制3.单点登录（SSO）总结前言大家好
漫走云雾·2024-02-19 22:18

百度AI中图像搜索的调用

获取access_token入库：importrequestsimportbase64'''相似图检索—入库'''request_url="https://aip.baidubce.com/rest/2.0
Shen小妹·2024-02-19 21:28

c语言局部变量怎么定义,深入了解C语言(局部变量的定义)

语言中对于全局变量和局部变量所分配的空间地址是不一样的.全局变量是放在_DATA段,也就是除开_TEXT代码段的另一块集中的内存空间.而局部变量主要是使用堆栈的内存空间.好了,让我们直接看看下面这个案例研究.研究案例三工具:TurbocCv2.0
出门左转cs·2024-02-19 21:08

ubuntu22.04-磁盘管理-虚拟机动态扩容-系统monitor

3.命令查看df-h结果如下所示：FilesystemSizeUsedAvailUse%Mountedontmpfs790M2.0M788M1%/run/dev
插件开发·2024-02-19 21:34

亮剑2.0班级大班会收获分享

班会就是一种加持，感谢每位小伙伴的分享。没有做到跑前热身，跑后拉伸就是一种耍流氓。（烂开始，好开展，好结果！我可以接收失败，但不能接受未奋斗过的自己。）这句话对每个人都适合。燕子教练:瑜伽:来源于印度，5千多年的历史，现在广泛运用到运动健身中自我和大自然的链接之一，长期练习可以达到健身，增加抵抗力。练习中可以改善情绪和心智。不论运用到那种呼吸做到慢缓柔的呼吸。很缓慢动作进行的，不要过度的强拉，跟随
xxm杨_阳·2024-02-19 21:44

周检视第七周19.1.6～1.12

哈90天2.0践行已过了45天了，这45天过得好愉快呀！感觉好像生命在这45天里升级了哈哈！好像因为结缘易效能时间管理的小伙伴们之后，发生了一系列的小确幸！
鲁莉祯·2024-02-19 21:34

回头望，脚印在心中

不管是学校的2.0提升培训，还是校外的心理B证培训，还是区体育90学时集中培训，我都积极扮演扮演优生角色，争取坐在前几排，提高听讲座比认真度，力争在培训中有所吸收，最大吸收；另一方面向前站，保持持续学习心态
坚持的认真·2024-02-19 20:43

watchOS 笔记

一、watchOSiOS10.3发布后，appstore就开始拒绝接受还支持watchos1的发布申请了，只接受watchos2.0及更高版本。
介和·2024-02-19 20:29

Flink 2.0 状态存算分离改造实践

本文整理自阿里云智能Flink存储引擎团队兰兆千在FFA2023核心技术（一）中的分享，内容关于Flink2.0状态存算分离改造实践的研究，主要分为以下四部分：Flink大状态管理痛点阿里云自研状态存储后端
·2024-02-19 20:28

【STM32 CubeMX】GPIO_HAL库源码分析

GPIO1.2HAL_GPIO_Init源码分析GPIO_InitTypeDef初始化结构体HAL_GPIO_Init函数总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要
人才程序员·2024-02-19 20:23

OpenCV介绍和使用

目录一：简介二：安装三：使用一：简介OpenCV（OpenSourceComputerVisionLibrary）是一个开源的计算机视觉和机器学习软件库，广泛应用于图像处理、计算机视觉、机器学习等领域。
攻城狮的梦·2024-02-19 20:43

HarmonyOS2.0 华为鸿蒙开发学习实战教程

据统计，鸿蒙系统升级用户2周破1800万，1个月突破3000万。升级速度完全超出市场预期，很显然，华为严重低估了消费者的支持热情。随即，华为鸿蒙目标多次升级，从2亿到4亿，后年目标12.3亿。而且，目前国内有很多家软硬件厂商已经加入了鸿蒙。格力董事长董明珠在近日接受外媒采访时表示：格力将引入鸿蒙操作系统。对应用开发者而言，HarmonyOS采用了多种分布式技术，使得应用程序的开发实现与不同终端设备
是一只萨摩耶·2024-02-19 20:37

optuna，一个好用的Python机器学习自动化超参数优化库

️个人主页：鼠鼠我捏，要死了捏的主页️付费专栏：Python专栏️个人学习笔记，若有缺误，欢迎评论区指正前言超参数优化是机器学习中的重要问题，它涉及在训练模型时选择最优的超参数组合，以提高模型的性能和泛化能力
牵着猫散步的鼠鼠·2024-02-19 20:23

【机器学习笔记】11 支持向量机

支持向量机（SupportVectorMachine,SVM）支持向量机是一类按监督学习（supervisedlearning）方式对数据进行二元分类的广义线性分类器（generalizedlinearclassifier），其决策边界是对学习样本求解的最大边距超平面（maximum-marginhyperplane）。与逻辑回归和神经网络相比，支持向量机，在学习复杂的非线性方程时提供了一种更为清
RIKI_1·2024-02-19 19:38

【机器学习笔记】12 聚类

无监督学习概述监督学习在一个典型的监督学习中，训练集有标签，我们的目标是找到能够区分正样本和负样本的决策边界，需要据此拟合一个假设函数。无监督学习与此不同的是，在无监督学习中，我们的数据没有附带任何标签，无监督学习主要分为聚类、降维、关联规则、推荐系统等方面。主要的无监督学习方法聚类（Clustering）如何将教室里的学生按爱好、身高划分为5类？降维（DimensionalityReductio
RIKI_1·2024-02-19 19:38

【机器学习笔记】4 朴素贝叶斯

贝叶斯方法贝叶斯分类贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。朴素贝叶斯分类是这一类算法中最简单的较为常见的算法。先验概率根据以往经验和分析得到的概率。我们用()来代表在没有训练数据前假设拥有的初始概率。后验概率根据已经发生的事件来分析得到的概率。以(|)代表假设成立的情下观察到数据的概率，因为它反映了在看到训练数据后成立的置信度。联合概率是指在多元的概率分
RIKI_1·2024-02-19 19:07

【机器学习笔记】 6 机器学习库Scikit-learn

Scikit-learn概述Scikit-learn是基于NumPy、SciPy和Matplotlib的开源Python机器学习包,它封装了一系列数据预处理、机器学习算法、模型选择等工具,是数据分析师首选的机器学习工具包
RIKI_1·2024-02-19 19:07

【机器学习笔记】10 人工神经网络

人工神经网络发展史1943年，心理学家McCulloch和逻辑学家Pitts建立神经网络的数学模型，MP模型每个神经元都可以抽象为一个圆圈，每个圆圈都附带特定的函数称之为激活函数，每两个神经元之间的连接的大小的加权值即为权重。1960年代，人工网络得到了进一步地发展感知机和自适应线性元件等被提出。M.Minsky仔细分析了以感知机为代表的神经网络的局限性，指出了感知机不能解决非线性问题，这极大影响
RIKI_1·2024-02-19 19:07

机器学习训练营逻辑回归分类预测学习笔记

#1.学习知识点概要1.1逻辑回归1.2python的逻辑回归实现#2.学习内容主要学习了逻辑回归的基本公式和概念，然后实践了逻辑回归的简单应用（以iris数据库为例子）。内容比较简单之前都有接触过。###逻辑回归（LR）Logistic回归是一种分类方法，主要用于两分类问题（binaryproblem），所以利用了Logistic函数（或称为Sigmoid函数），函数形式为：$$logi(z)=
咩神烦·2024-02-19 19:04

【机器学习笔记】3 逻辑回归

分类问题分类问题监督学习最主要的类型，主要特征是标签离散，逻辑回归是解决分类问题的常见算法，输入变量可以是离散的也可以是连续的二分类先从用蓝色圆形数据定义为类型1，其余数据为类型2；只需要分类1次，步骤：①->②多分类问题先定义其中一类为类型1（正类），其余数据为负类（rest）；接下来去掉类型1数据，剩余部分再次进行二分类，分成类型2和负类；如果有类，那就需要分类-1次,步骤：①->②->③->
RIKI_1·2024-02-19 19:02

FPGA转行ISP的探索之二：技术路线和概念

图像去噪的算法一般是滤波，比如空域滤波，变换域滤波，机器学习方法等，经常是用OpenCV的代码来写。2）CONTRAST，对比
徐丹FPGA之路·2024-02-19 19:32

机器学习技法笔记5：Kernel 逻辑回归

5-1Soft-MarginSVMasRegularizedModel前面几篇：机器学习技法笔记1：线性SVM机器学习技法笔记2：SVM的对偶形式机器学习技法笔记3：KernelSVM机器学习技法笔记4
wang_buaa·2024-02-19 19:49

拥抱自动化，CODING 2.0 持续集成全新上线

在文章开始前，做一个小调查，在您的软件项目中集成一行新代码平均需要花多长时间？15分钟一小时半天一天及以上注意这里的集成是指将源码放在一起，并验证源码可以作为一个一致、运行可靠的软件的过程，而不只是完成编译。如果在软件集成阶段耗费的时间经常让您的研发团队加班加点，那么是时候考虑落地持续集成了。我们都知道软件只有从代码生成制品，最终部署到生产环境中可靠运行才会给公司带来收入。持续集成是一种以“反馈”
superXX07·2024-02-19 19:39

001：自动驾驶概述

技术探索阶段（2005年-2015年）：随着计算机技术和机器学习技术的快速发展，自动驾驶技术开始
qq_31762031·2024-02-19 19:33

聚类分析入门：使用Python和K-means算法进行数据聚类

文章标题：聚类分析入门：使用Python和K-means算法进行数据聚类简介聚类分析是机器学习中的一个重要任务，它涉及将数据集中的样本分成多个类别或簇，使得同一簇内的样本相似度较高，不同簇之间的样本相似度较低
Evaporator Core·2024-02-19 19:01

强化学习入门：使用Python和Q-learning算法解决迷宫问题

文章标题：强化学习入门：使用Python和Q-learning算法解决迷宫问题简介强化学习是机器学习中的一个重要分支，它致力于研究智能体在与环境交互的过程中如何学习最优的行为策略。
Evaporator Core·2024-02-19 19:01

Z分数标准化

这种标准化方法对于机器学习和统计分析中的特征缩放和数据预处理非常有用。标准化的步骤如下：计算均值和标准差：对于给定的数据集，首先计算其均值（μ）和标准差（σ）。
草明·2024-02-19 19:30
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他