PySpark机器学习

机器学习之监督学习和非监督学习

监督学习(SupervisedLearning)监督学习是一种学习方式，其中模型从标记的训练数据中学习。这意味着每个训练样本都是由输入向量和相应的目标输出(也称为标签)组成的。模型的任务是学习输入到输出的映射函数，以便当提供新的、未见过的数据时，模型能够预测出正确的输出。例子:邮件分类:根据邮件内容将邮件自动分类为“垃圾邮件或“非垃圾邮件”。这里，邮件内容是输入，而“垃圾邮件“或“非垃圾邮件”的非
华农DrLai·2024-02-12 11:30

机器学习之局部最优和全局最优

(1)局部最优，就是在函数值空间的一个有限区域内寻找最小值;而全局最优，是在函数值空间整个区域寻找最小值问题。(2)函数局部最小点是它的函数值小于或等于附近点的点，但是有可能大于较远距离的点。(3)全局最小点是那种它的函数值小于或等于所有的可行点。面试：你能解释一下梯度下降法及其在寻找全局最优解时的局限性吗？梯度下降法通过迭代沿着目标函数的负梯度方向更新参数，以寻找最小值。局限性：它可能会陷入局部
华农DrLai·2024-02-12 11:29

一本Python爬虫的书，凭什么能畅销10W册

对于数据科学和机器学习领域的程序员来说，Python提供了强大的API和众多的库，使其成为数据科学和机器学习的首选语言。在Python的众多应用中，爬虫一直有着超高需求。
程序员老冉·2024-02-12 11:21

[机器学习]决策树

决策树决策树学习采用的是自顶向下的递归方法，其基本思想是以信息熵为度量构造一颗熵值下降最快的树，到叶子节点处，熵值为0具有非常好的可解释性、分类速度快的优点，是一种有监督学习最早提及决策树思想的是Quinlan在1986年提出的ID3算法和1993年提出的C4.5算法，以及Breiman等人在1984年提出的CART算法工作原理一般的，一颗决策树包含一个根结点、若干个内部节点和若干个叶节点构造构造
LBENULL·2024-02-12 11:21

Spark MLlib

目录一、SparkMLlib简介（一）什么是机器学习（二）基于大数据的机器学习（三）Spark机器学习库MLlib二、机器学习流水线（一）机器学习流水线概念（二）流水线工作过程（三）构建一个机器学习流水线三
Francek Chen·2024-02-12 11:15

机器学习简介

介绍机器学习是人工智能（AI）的一个子领域。机器学习的目标通常是理解数据的结构，并将该数据拟合到可以被人理解和利用的模型中。尽管机器学习是计算机科学的一个领域，但它与传统的计算方法有所不同。
白如意i·2024-02-12 10:36

机器学习：Softmax介绍及代码实现

Softmax原理Softmax函数用于将分类结果归一化，形成一个概率分布。作用类似于二分类中的Sigmoid函数。对于一个k维向量z，我们想把这个结果转换为一个k个类别的概率分布p(z)。softmax可以用于实现上述结果，具体计算公式为：对于k维向量z来说，其中zi∈Rzi∈R，我们使用指数函数变换可以将元素的取值范围变换到(0,+∞)(0,+∞),之后我们再所有元素求和将结果缩放到[0,1]
是Dream呀·2024-02-12 10:44

机器学习 —— 多项式回归和正规方程

一、多项式回归房价预测中：有两个特征，frontage和depth，即临街长度和房子的宽度。假如我们计算一个x=frontage*depth(房子面积)，则假设函数变成了hθ(x)=θo+θ1x。线性回归并不适用于所有数据，有时我们需要曲线来适应我们的数据，比如一个二次方模型或者三次方模型。通常我们需要先观察数据然后再决定准备尝试怎样的模型。另外，我们可以令：X2=X2^3,X3=X3^3,从而将
BioLearner·2024-02-12 10:36

使用 Python 5 年后，我转向了Go

\n几乎可以用它来做任何事情–从创建简单的脚本，Web开发，到数据可视化以及机器学习。
六六子大顺1·2024-02-12 09:29

米贸搜|Facebook在购物季使用的Meta广告投放流程

一、账户简化当广告系列开始投放后，每个广告组都会经历一个初始的“机器学习阶段”。简化账户架构可以帮助AI系统更快获得广告主所需的成效。
mimaosoulily·2024-02-12 09:29

【机器学习笔记】基于实例的学习

基于实例的学习文章目录基于实例的学习1基本概念与最近邻方法2K-近邻（KNN）3距离加权KNN4基于实例/记忆的学习器5局部加权回归5多种回归方式对比6懒惰学习与贪婪学习动机：人们通过记忆和行动来推理学习。1基本概念与最近邻方法名词概念参数化设定一个特定的函数形式优点：简单，容易估计和解释可能存在很大的偏置：实际的数据分布可能不遵循假设的分布非参数化：分布或密度的估计是数据驱动的（data-dri
住在天上的云·2024-02-12 09:57

Python概率建模算法和图示

从数据中学习概率模型参数，贝叶斯决策论，信息论，线性代数和优化Python线性判别分析分类模型，逻辑回归，线性回归，广义线性模型Python结构化数据，图像和序列神经网络朴素贝叶斯分类器示例概率学习在机器学习的广阔领域中
亚图跨际·2024-02-12 09:26

【机器学习】支持向量机（SVM）

支持向量机（SVM）1背景信息分类算法回顾决策树样本的属性非数值目标函数是离散的贝叶斯学习样本的属性可以是数值或非数值目标函数是连续的（概率）K-近邻样本是空间（例如欧氏空间）中的点目标函数可以是连续的也可以是离散的支持向量机(SupportVectorMachine)样本是空间（例如欧氏空间）中的点目标函数可以是连续的也可以是离散的背景信息当前版本的支持向量机大部分是由Vapnik和他的同事在A
住在天上的云·2024-02-12 09:56

机器学习案例2：使用 plaidML在 macOS利用GPU进行机器学习

想要在Mac的集成AMDGPU或外部显卡上训练机器学习模型？PlaidML就是您的最佳选择。任何尝试过在macOS上使用TensorFlow训练神经网络的人都知道这个过程有点糟糕。
suoge223·2024-02-12 09:25

机器学习案例1：利用 Python 将语音转换为文本

目录内容简介基本环境配置Python库安装麦克风语音识别音频文件的语音识别长音频源语音识别内容简介语音识别是机器或程序识别口语中的单词和短语并将其转换为文本信息的能力。大多数对于语音识别技术的应用场景就是Siri、Cortana和GoogleAssistant等个人助理，以及其他通过语音交互的虚拟助理。为了理解你的声音，这些虚拟助手需要进行语音识别。语音识别是一个复杂的过程，因此我不会教您如何训练
suoge223·2024-02-12 09:24

神经语言程式(NLP)项目的15 个开源训练数据集

然而，聊天机器人开发的主要瓶颈是获取现实的、面向任务的对话数据来训练这些基于机器学习的系统。我们整理了训练聊天机器人所需的对话数据集，包括问答数据、客户支持数据、对话数据和多语言数据。
suoge223·2024-02-12 09:54

兵棋推演是离散问题，深度学习是连续问题

深度学习是一种机器学习方法，旨在通过大规模数据的训练来学习复杂的模式和关系。它通常应用于连续数据和问题，例如图像识别、语音识别、自然语言处理等。
人机与认知实验室·2024-02-12 09:54

浅谈人工智能之深度学习~

目录前言：深度学习的进展一：深度学习的基本原理和算法二：深度学习的应用实例三：深度学习的挑战和未来发展方向四：深度学习与机器学习的关系五：深度学习与人类的智能交互悟已往之不谏，知来者犹可追创作不易，宝子们
秋风起，再归来～·2024-02-12 08:30

【大厂AI课学习笔记】【1.6 人工智能基础知识】（3）神经网络

深度学习是机器学习中一种基于对数据进行表征学习的算法。观测值(例如一幅草莓照片)可以使用多种方式来表示，如每个像素强度值的向量，或者更抽象地表示成一系列边、特定形状的区域等。
giszz·2024-02-12 08:57

【大厂AI课学习笔记】【1.6 人工智能基础知识】（2）机器学习

目录必须理解的知识点：举一个草莓的例子：机器学习的三个类别：监督学习：无监督学习：强化学习：更多知识背景：机器学习的诞生需求监督学习的关键技术与实现步骤无监督学习的关键技术与实现步骤区别：联系：其他关键知识点
giszz·2024-02-12 08:26

【大厂AI课学习笔记】【1.6 人工智能基础知识】（4）深度学习和机器学习

关于深度学习和机器学习，出来包含关系之外，还有如上总结的知识点。分别从特征处理、学习方法、数据依赖、硬件依赖等4个方面，进行了总结。从特征处理上看：深度学习从数据中习得高级特征，并自行创建新的特征。
giszz·2024-02-12 08:56

快速上手医学影像组学和机器学习（训练营：2023.9.19~9.26）

茗创科技专注于脑科学数据处理，涵盖（EEG/ERP,fMRI,结构像,DTI,ASL,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师（微信号MCKJ-zhouyi或17373158786）咨询。★课程简介★随着大数据、人工智能的深入融合发展，一项新的研究方法开始用于临床研究，它就是影像组学。它可以对普通影像图像进行更深层
茗创科技·2024-02-12 07:14

XGBoost算法

XGBoost在机器学习中被广泛应用于多种场景，特别是在结构化数据的处理上表现出色，XGBoost适用于多种监督学习任务，包括分类、回归和排名问题。
小森( ﹡ˆoˆ﹡ )·2024-02-12 04:11

OpenCV基础

OpenCV简介OpenCV是一个功能强大的开源计算机视觉和机器学习软件库，它在图像处理和视频分析领域得到了广泛应用。
小森( ﹡ˆoˆ﹡ )·2024-02-12 04:10

fast.ai 机器学习笔记（一）

机器学习1：第1课原文：medium.com/@hiromi_suenaga/machine-learning-1-lesson-1-84a1dc2b5236译者：飞龙协议：CCBY-NC-SA4.0来自机器学习课程的个人笔记
绝不原创的飞龙·2024-02-12 03:25

基于NSGA-II的深度迁移学习

深度迁移学习迁移学习是一种机器学习技术，它允许一个预训练的模型被用作起点，在此基础上进行微调以适应新的任务或数据。
代码缝合怪·2024-02-12 03:45

2-2 动手学深度学习v2-损失函数-笔记

是机器学习里面一个非常重要的概念。
Alkali！·2024-02-12 03:44

Python数据分析（Matplotlib、NumPy、Pandas）

1.2为什么要学习数据分析是Python数据科学的基础机器学习的基础1.
侯静川·2024-02-12 01:37

day2-Machine Learning Yearning

days-of-ai/blob/master/r1-ml/day2-yearning/yearning.ipynbErroranalysisbyparts53.由特定组件进行误差分析假设您的系统是使用复杂的机器学习流水线构建的
iOSDevLog·2024-02-12 01:52

【机器学习】数据清洗之识别异常点

个人主页：甜美的江欢迎点赞✍评论⭐收藏收录专栏：机器学习希望本文对您有所裨益，如有不足之处，欢迎在评论区提出指正，让我们共同学习、交流进步！
甜美的江·2024-02-12 00:28

【初中生讲机器学习】7. 交叉验证是什么？有哪些？怎么实现？来看！

创建时间：2024-02-10最后编辑时间：2024-02-10作者：Geeker_LStar你好呀~这里是Geeker_LStar的人工智能学习专栏，很高兴遇见你~我是Geeker_LStar，一名初三学生，热爱计算机和数学，我们一起加油~！⭐(●’◡’●)⭐那就让我们开始吧！文章目录一、训练集、验证集和测试集训练集TrainingSet验证集ValidationSet测试集TestSet三者关
Geeker · LStar·2024-02-11 23:37

OpenCV入门：图像处理的基石

1.OpenCV简介OpenCV，全称OpenSourceComputerVisionLibrary，是一个开源的计算机视觉和机器学习库。它支持多种编程语言，包括C++、Python、Java等
白猫a~·2024-02-11 23:59

机器学习初学者学习路径

机器学习在如今的各行各业已经运用的越来越广泛，决定学习机器学习，但对从何开始感到困惑？我也曾有过同样的困惑：从哪里开始才是好的起点？是学习Python还是cpp？
第欧根尼的酒桶·2024-02-11 20:44

如何学习机器学习和深度学习: 软件工程师指南

如今使用最广泛的AI子领域是机器学习，而机器学习又有一个子领域——深度学习，它正在急剧增长。在这份指南中，我旨在描述一条软件工程师开
第欧根尼的酒桶·2024-02-11 20:44

深度学习、机器学习和神经网络之间的区别

深度学习是机器学习的一个子类别，有效地是一个三层神经网络。这些神经网络旨在通过模仿人脑的功能来“学习”大量数据，但它们远远达不到人脑的能力。
第欧根尼的酒桶·2024-02-11 20:12

C语言常见面试题：C语言中如何进行人工智能编程？

以下是一些基本步骤和注意事项，帮助你开始在C语言中进行AI编程：理解AI基础:学习AI的基本概念、算法和技术，如机器学习、深度学习、神经网络等。
广寒舞雪·2024-02-11 20:06

C语言常见面试题：C语言中如何进行机器学习编程？

C语言中如何进行机器学习编程？在C语言中进行机器学习编程需要对机器学习算法和C语言的深入理解。
广寒舞雪·2024-02-11 20:06

Python数据挖掘指南

本指南将提供一个示例填充的使用Python的数据挖掘简介，Python是最广泛使用的数据挖掘工具之一-从清理和数据组织到应用机器学习算法。
代码输入中...·2024-02-11 18:59

【机器学习】数据清洗之识别缺失点

个人主页：[甜美的江]欢迎点赞✍评论⭐收藏收录专栏：[机器学习]希望本文对您有所裨益，如有不足之处，欢迎在评论区提出指正，让我们共同学习、交流进步！
·2024-02-11 18:16

OpenMLDB 作为中国唯一的特征平台产品入选 2023 Gartner 研究报告

在国际权威咨询与研究机构Gartner发布的重要研究报告《TheLogicalFeatureStore:DataManagementforMachineLearning》(《逻辑特征存储：机器学习的数据管理
·2024-02-11 18:39

深度神经网络中的BNN和DNN：基于存内计算的原理、实现与能量效率

引言深度神经网络（DNN）在机器学习领域越来越受欢迎，其在一系列任务中展现出最先进的性能。为了达到最佳结果，通常需要大量的训练数据和大型模型，从而使得训练和推理过程变得复杂。
·2024-02-11 18:53

云计算 - 对象存储服务OSS技术全解

从媒体存储到数据备份，再到数据仓库与数据湖，我们不仅解析了OSS在各种应用场景下的关键角色，还深入讨论了其与机器学习、多媒体处理以及日志和监控等多个开发场景的结合。
·2024-02-11 18:21

R语言逻辑回归、决策树、随机森林、神经网络预测患者心脏病数据混淆矩阵可视化

机器学习在全球许多领域中被广泛应用，尤其在医疗行业中越来越受欢迎。机器学习可以在预测关键疾病（例如心脏病）的存在或不存在方面发挥重要作用。如果能提前准确预测这些信息，可以为医生提供
·2024-02-11 18:20

【深度学习】讲透深度学习第3篇：TensorFlow张量操作（代码文档已分享）

可以让大家熟练掌握机器学习基础,如分类、回归（含代码），熟练掌握numpy,pandas,sklearn等框架使用。
·2024-02-11 18:34

Azure - 机器学习：创建机器学习所需资源，配置工作区

本文中你可以创建使用Azure机器学习所需的资源，包含工作区和计算实例。关注TechLead，分享AI全维度知识。
·2024-02-11 18:01

鱼和熊掌如何兼得？一文解析 RDS 数据库存储架构升级

在2023年云栖大会上，阿里云数据库产品事业部负责人李飞飞在主题演讲中提到，瑶池数据库推出“DB+存储”一体化能力，结合人工智能、机器学习、存储等方法和创新能力，实现BufferPoolExtension
·2024-02-11 18:37

每周编辑精选｜FewJoint 基准数据集上线、科技部监督司发布 AI 新规

这一领域已经成为机器学习社区的热点，并被认为是推动机器智能接近人类智能的关键方向之一。哈工大推出了FewJoint基准数据集，为NLP小样本评测提供了公共的评价基准。
·2024-02-11 18:48

因果学习及反因果学习（论文翻译）

OnCausalandAnti-causalLearning本博文对论文OnCausalandAnti-causalLearning的摘要和模型部分做了翻译和小修改，本论文主要描述因果学习中常见的几类基于函数估计的模型，同时说明了因果与相关性、因果学习与机器学习之间的关系
三分钟湿度·2024-02-11 18:32

开发者都能玩转的大模型训练

前言看了刚结束的亚马逊云科技2023re:Invent大会，了解到AmazonSageMakerCanvas是亚马逊云科技最近刚推出的一种完全托管的机器学习服务，开发者通过AmazonSageMakerCanvas
·2024-02-11 17:57

机器学习 - 似然函数：概念、应用与代码实例

本文深入探讨了似然函数的基础概念、与概率密度函数的关系、在最大似然估计以及机器学习中的应用。通过详尽的定义、举例和Python/PyTorch代码示例，文章旨在提供一个全面而深入的理解。
·2024-02-11 17:05
上一页 15 16 17 18 19 20 21 22 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他