jbpm4.4学习入门

机器学习四大基本模型：回归、分类、聚类、降维

在本文中，我对现代机器学习算法进行了简要梳理，我通过查阅转载众多博客和资料，基于实践中的经验，讨论每个算法的优缺点，并以机器学习入门者的角色来看待各个模型。
小羊头发长长长·2022-09-06 07:40

SQL中事务隔离

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的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
qq_40707269·2022-09-05 11:45

深度学习入门必读：深度学习中的各种卷积网络（上篇）（转载）

转自：https://mbd.baidu.com/newspage/data/landingsuper?context=%7B%22nid%22%3A%22news_9518186116763200181%22%7D&n_type=0&p_from=1雷锋网AI科技评论按：深度学习中的各种卷积网络大家知多少？对于那些听说过却又对它们没有特别清晰的认识的小伙伴们，KunlunBai这篇文章非常值得一
mning_master0·2022-09-05 09:55

吴恩达老师机器学习课程笔记:(一)机器学习入门知识

机器学习入门知识一.机器学习定义二.机器学习分类监督学习(supervisedlearning)无监督学习(unsupervisedlearning)其它类型的机器学习三.模型相关描述及常用变量符号规定训练集
Credic1017·2022-09-05 07:04

简单聊聊模型的性能评估标准

机器学习入门系列（2）–如何构建一个完整的机器学习项目，第十篇！
spearhead_cai·2022-09-04 07:05

深度学习入门学习笔记(五)

深度学习入门学习笔记(五)误差反向传播法之前我们讲解了通过数值微分计算神经网络的权重参数的梯度从而能够完成神经网络的学习过程。数值微分的优点是简单、比较容易实现，但缺点是计算上比较费时间。
cookie·2022-09-03 07:18

深度学习入门--误差反向传播

前面介绍了通过数值微分计算神经网络的权重参数的梯度，虽然简单，但是计算上比较费时间。本文将介绍一个能够高效计算权重参数的梯度的方法–误差反向传播法。正向传播将计算结果正向（从左到右）传递，其计算过程是我们日常接触的计算过程；而反向传播将局部倒数反方向（从右到左）传递。1.计算图计算图就是将计算过程用图形表示出来。例如：太郎在超市买了2个苹果和3个橘子。其中，苹果每个100日元，橘子每个150日元。
我只钓小鱼·2022-09-03 07:14

深度学习入门-误差反向传播法

深度学习入门-误差反向传播法反向传播法在神经网络中是用于计算权重参数针对于损失函数的梯度的方法，该方法比数值微分法求梯度更加的高校。
侯一鸣Supermonkey·2022-09-03 07:13

数学、机器学习、深度学习目录

文章目录1.数学基础2.深度学习深度学习练习题3.机器学习4.论文loss对象检测1.数学基础矩阵求导术用狄拉克函数来构造非光滑函数的光滑近似2.深度学习深度学习入门（一）感知机与激活函数损失函数–交叉熵与极大似然估计
得克特·2022-09-01 07:19

数据挖掘学习日记8·深度学习入门

本文为根据课堂内容整理的笔记，使用的课件讲义为李弘毅的《一天搞懂深度学习》。引入什么是深度学习？现在，有关于一支股票的数据和图片。1.给出股票数据，返回走势图，这是统计。2.给出股票图片，告诉我们“这是一个K图”——这是机器学习中的模式识别。3.给出股票数据和图片，告诉我们这支股票的走势，这是机器学习中的数据挖掘。4.给出股票的数据和图片，告诉我们这只股票的好坏，以及投资组合建议，那么这就是深度学
mustuo·2022-08-31 09:19

单片机学习入门之路---记录一篇好文章

作者：KATHLINN链接：https://www.zhihu.com/question/19600863/answer/483204198来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。大一学的单片机，做过智能家居，智能小车，示波器，开关电源等等，后来工作（本人芯片行业）以后就没搞了，但是这段时间积累的经验，可以让整个职业生涯受益。单片机相对来说更容易了解计算机底层
刘小强857·2022-08-30 23:05

深度学习入门实战（二）- 用 TensorFlow 训练线性回归

腾讯云技术社区-掘金主页持续为大家呈现云计算技术文章，欢迎大家关注！作者：董超上一篇文章我们介绍了MxNet的安装，但MxNet有个缺点，那就是文档不太全，用起来可能是要看源代码才能理解某个方法的含义，所以今天我们就介绍一下TensorFlow，这个由谷歌爸爸出品的深度学习框架，文档比较全～以后的我们也都使用这个框架～0x00概要TensorFlow是谷歌爸爸出的一个开源机器学习框架，目前已被广泛
weixin_33675507·2022-08-30 07:24

深度学习入门实战（二）-用TensorFlow训练线性回归

欢迎大家关注腾讯云技术社区-博客园官方主页，我们将持续在博客园为大家推荐技术精品文章哦~作者：董超上一篇文章我们介绍了MxNet的安装，但MxNet有个缺点，那就是文档不太全，用起来可能是要看源代码才能理解某个方法的含义，所以今天我们就介绍一下TensorFlow，这个由谷歌爸爸出品的深度学习框架，文档比较全～以后的我们也都使用这个框架～0x00概要TensorFlow是谷歌爸爸出的一个开源机器学
weixin_30618985·2022-08-30 07:53

详解Git分支及分支合并

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的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
Owen Guo·2022-08-29 16:26

Git与GitHub之间是什么关系

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的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
Owen Guo·2022-08-29 16:26

用一个实战来学会git的基础命令

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的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言前提
Owen Guo·2022-08-29 16:26

机器学习入门-西瓜书总结笔记第三章

西瓜书第三章-线性模型一、基本形式二、线性回归三、对数几率回归四、线性判别分析LDA五、多分类学习六、类别不平衡问题一、基本形式后续还要进行精简“线性模型”（linearmodel）试图学得一个通过属性得线性组合来进行预测的函数f(x)=w1x1+w2x2+...+wdxd+b,f(x)=w_1x_1+w_2x_2+...+w_dx_d+b,f(x)=w1x1+w2x2+...+wdxd+b,向量
一入材料深似海·2022-08-27 07:09

卷积神经网络通俗理解-人工智能深度学习入门

导读：书山有路勤为径，学海无涯苦作舟AI：让机器展现出人类智力机器学习：抵达AI目标的一条路径深度学习：实现机器学习的技术需要卷积神经网络学习资料的还有配套的可以加微信卷积神经网络（ConvolutionalNeuralNetworks,CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（FeedforwardNeuralNetworks），是深度学习（deeplearning）的代表算法之一
AI每天一点点·2022-08-24 18:54

【人工智能】人工智能是什么？如何入门人工智能？我们为什么要学人工智能？

2.麻省理工学院MIT6.036：机器学习入门课程3.B站的up主：shuhuai008。4.B站up主：
红颜如霜凝结了过往·2022-08-23 07:02

MatLab机器学习入门

【学习笔记】MatLab官网课程学习记录。1流程导入数据-》组织和预处理数据-》特征工程-》构建模型-》评估模型-》部署模型2分类工作流如图所示，文件中存储了字母手写数据，以表格形式组织。2.1导入数据2.1.1readtable函数data=readtable("J.txt");（帮助文档）T=readtable(filename)通过从文件中读取列向数据来创建表。readtable基于文件的扩
xinxihu·2022-08-22 07:02

什么是迁移学习 (Transfer Learning)？

深度神经网络，相比于之前的传统机器学习方法，可以看成是一个全新的物种，这背后的原因，最明显的还是深度学习对机器算力的巨大需求，在深度学习入门最少需要知道什么？
费马定理·2022-08-21 15:01

【深度学习】4-梯度确认时遇bug：写了个糟糕的softmax函数

今天学习《深度学习入门：基于python的理论与实践》时，被梯度确认的问题卡了很久。具体过程就不赘述，最终发现是我写的softmax函数的问题，导致的数值微分与反向传播求得的梯度总对不上。
阿阿阿阿锋·2022-08-19 07:31

对彩色花图像进行分类-基于R语言的Keras实现

该案例摘自《Keras深度学习入门、实战及进阶》第四章综合案例内容。该案例的数据来源于Kaggle上的FlowerColor。
·2022-08-17 00:18

深度学习入门实践学习——手写数字识别（百度飞桨平台）——上篇

一、项目平台百度飞桨二、项目框架1.数据处理；2.模型设计：网络结构，损失函数；3.训练配置：优化器，资源配置；4.训练过程；5.保存加载。三、手写数字识别任务1.构建神经网络流程；手写数字识别是一个典型的图像分类问题；MNIST数据集；2.构建神经网络设计思路：（1）明确任务输入输出：任务输入：手写数字图片，每张照片对应的28*28像素矩阵。任务输出：经过大小归一化和居中处理，输出对应的0-9数
Keep forward-forward·2022-08-16 17:53

机器学习入门2 分类算法（knn,朴素贝叶斯，决策树，随机森林）

分类算法目标值：类别1、sklearn转换器和预估器2、KNN算法3、模型选择与调优4、朴素贝叶斯算法5、决策树6、随机森林3.1sklearn转换器和估计器转换器估计器(estimator)3.1.1转换器-特征工程的父类1实例化(实例化的是一个转换器类(Transformer))2调用fit_transform(对于文档建立分类词频矩阵，不能同时调用)标准化：(x-mean)/stdfit_t
lbhfox·2022-08-16 13:32

深度学习入门笔记-第三章-神经网络

神经网络有三层1.输入层2.中间层/隐藏层3.输出层如下图图中网络有三层神经元构成，但实质上只有两层有权重，因此称为“2层网络”对于感知机：b是被称为偏置的参数，用于控制神经元被激活的容易程度；而w_1和w_2是表示各个信号的权重的参数，用于控制各个信号的重要性现在将式（3.1）改写成更加简洁的形式。为了简化式（3.1），我们用一个函数来表示这种分情况的动作（超过0则输出1，否则输出0）。引入新函
day_day_up ！·2022-08-16 07:54

深度学习入门 (三)：神经网络的学习

本文为《深度学习入门–基于Python的理论与实现》的读书笔记参考：知乎：Eureka机器学习读书笔记、“西瓜书”、《统计学习方法》目录损失函数(lossfunction)为何要设定损失函数均方误差(meansquarederror
连理o·2022-08-16 07:20

深度学习入门03----神经网络的学习

4.1从数据中学习神经网络的特征就是可以从数据中学习。所谓“从数据中学习”，是指可以由数据自动决定权重参数的值。感知机的例子中，我们对照着真值表，人工设定了参数的值，但是那时的参数只有3个。而在实际的神经网络中，参数的数量成千上万，在层数更深的深度学习中，参数的数量甚至可以上亿，想要人工决定这些参数的值是不可能的。4.1.1数据驱动数据是机器学习的命根子。从数据中寻找答案、从数据中发现模式、根据数
__Miracle__·2022-08-16 07:45

新一年涨工资指南：AI薪资水平和就业前景分析（一定要看完！）

如果你想学习入门人工智能AI，可以来我建的人工智能Python学习群:[672948930]，群里有我整理的一份关于pytorch、python基础，图像处理op
计算机视觉农民工·2022-08-14 14:58

神经网络与深度学习入门必备知识|概论

神经网络与深度学习绪论人工智能的一个子领域神经网络：一种以（人工）神经元为基本单元的模型深度学习：一类机器学习问题，主要解决贡献度分配问题知识结构学习路线图预备知识线性代数微积分数学优化概率论信息论推荐课程斯坦福大学CS224n:DeepLearningforNat
孤飞·2022-08-13 13:00

Spring boot 实现验证码

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的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一
代码可可西·2022-08-10 11:41

Linux学习入门： shell脚本常用命令汇总

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档前言Linux学习最初就是要掌握shell脚本的基本命令语句，这个也是我们操作Linux操作系统的关键步骤，但是Linux的shell命令语句十分多而且杂，我们无需死记硬背，只需要记住大体的用法，在用的时候查找即可。一、Linux的shell常见命令有哪些？1.ls可以查看文件下的目录信息（文件里面有什么）2.ls-a显示文件下的所有
咸鱼不闲73·2022-08-09 13:44

使用Python进行机器学习训练与测试遇到的问题汇总

问题及解决办法问题1：使用Anaconda3做Python机器学习入门实例预测波斯顿房价的回归训练时，引入模型训练模块（model_selection）报错。
PeterChen_·2022-08-09 07:38

Pytorch深度学习入门笔记1（Pycharm版）

Pytorch深度学习入门笔记1（Pycharm版，环境安装的坑，配置项目）文章目录Pytorch深度学习入门笔记1（Pycharm版，环境安装的坑，配置项目）环境需求与环境配置需要的环境环境配置和一些要注意的点
伊滴小朋友·2022-08-08 07:48

读书笔记：深度学习入门-基于python的理论与实现（俗称鱼书）

文章目录前言三、神经网络3.2激活函数3.2.1阶跃函数3.2.2sigmoid函数3.2.3ReLU函数3.3多维数组3.3.1多维数组的维度和形状3.3.2多维数组的点乘3.4三层神经网络的实现3.4.1一步一步进行3.4.2合起来实现3.5输出层的设计3.5.1Softmax函数3.5.2Softmax函数的特征：输出值求和为1，符合概率分布问题四、神经网络的学习4.2损失函数4.2.1均方
时光轻浅，半夏挽歌·2022-08-07 07:56

【机器学习入门】(1) K近邻算法：原理、实例应用（红酒分类预测）附python完整代码及数据集

各位同学好，今天我向大家介绍一下python机器学习中的K近邻算法。内容有：K近邻算法的原理解析；实战案例--红酒分类预测。红酒数据集、完整代码在文章最下面。案例简介：有178个红酒样本，每一款红酒含有13项特征参数，如镁、脯氨酸含量，红酒根据这些特征参数被分成3类。要求是任意输入一组红酒的特征参数，模型需预测出该红酒属于哪一类。1.K近邻算法介绍1.1算法原理原理：如果一个样本在特征空间中的k个
立Sir·2022-08-07 07:42

机器学习入门之逻辑回归（2）- 微芯片质量预测-非线性（python实现）

一、基础知识我们先看一下数据集的点的分布图像：从上述图像中我们不能得到线性的方程，拟合上面的图像，显然不能用常规的图形去表示它，所以我们要用非线性的函数去拟合它。如果我们只用两个特征去拟合它，只会得到一个线性的分界线，在逻辑回归的第一篇博文中是两个特征拟合出来的边界。如果我们需要拟合出来一个非线性的曲线，那么就需要升维，也就是将只有x1、x2x_1、x_2x1、x2的项升维到x1,x2,x12,x
Small White·2022-08-05 07:28

机器学习入门之逻辑回归（1）- 成绩预测是否进入大学（python实现）

一、基础知识假设函数对于logistic回归，假设函数是sigmoid函数，形式如下：hθ(x)=11+e−θTx(1)h_\theta(x)=\frac{1}{1+e^{-\theta^Tx}}\tag{1}hθ(x)=1+e−θTx1(1)其中θTx\theta^TxθTx是与线性回归的目标函数是一样的，这里的sigmoid函数是通过logistic分布得来的，logistic分布函数：F(x
Small White·2022-08-05 07:27

机器学习入门之线性回归（3）- 波士顿房价预测（python实现）

一、知识储备本次主要完成了线性回归的经典模型-波士顿房价预测，一共十三个特征，假设函数如下：hθ(x)=[1x11x21⋯x1311x12x22⋯x132⋮⋮⋯⋯⋮1x1mx2m⋯x13m][θ0θ1θ2⋮θ13](1)h_\theta(x)=\left[\begin{matrix}1&x_1^1&x_2^1&\cdots&x_{13}^1\\1&x_1^2&x_2^2&\cdots&x_{13}
Small White·2022-08-05 07:57

[云云怪]项目11：自制手写数字识别系统（MNIST、深度学习）

哪吒给我推荐了《深度学习入门》这本书，他说对新手极其友好，容易看懂，于是我就从这里入坑了。全书围绕MNIST手写数据集的识别，讲解深度学习的底层理论和代码实现，确实非常友
云云怪·2022-08-04 07:44

纯numpy数值微分法实现手写数字识别

手写数字识别作为深度学习入门经典的识别案例，各种深度学习框架都有这个例子的实现方法。
·2022-08-03 12:34

机器学习入门（十七）：SVM——非线性 SVM 和核函数

非线性分类问题遇到分类问题的时候，最理想的状态，当然是样本在向量空间中都是线性可分的，我们可以清晰无误地把它们分隔成不同的类别——线性可分SVM。如果实在不行，我们可以容忍少数不能被正确划分，只要大多数线性可分就好——线性SVM。可是，如果我们面对的分类问题，根本就是非线性的呢？比如像下面这样：图中红色的点是正类样本，蓝色的点是负类样本。通过我们的观察可知，它们之间的界限是很分明的，用图中绿色的圈
米饭超人·2022-08-01 20:31

机器学习入门：聚类算法-5

机器学习入门：聚类算法1、实验描述本实验先简单介绍了一下各聚类算法，然后利用鸢尾花数据集分别针对KMeans聚类、谱聚类、DBSCAN聚类建模，并训练模型；利用模型做预测，并使用相应的指标对模型进行整体的评估
奔腾游子·2022-08-01 07:00

python绘制3D图形

学习深度学习入门时，想绘制一下书上f(x0,x1)=x02+x12f(x_0,x_1)=x_0^2+x_1^2f(x0,x1)=x02+x12这个公式的图形但是仅靠pyplot无法完成3D图的绘制参考了
Tony·2022-07-30 07:29

《OpenHarmony开源鸿蒙学习入门》-- API9的Stage模型说明

《OpenHarmony开源鸿蒙学习入门》--API9的Stage模型说明一、概述OpenHarmony从API9开始，Ability框架引入了Stage模型作为第二种应用形态。
SuperHeroWu7·2022-07-28 10:59

强化学习入门这一篇就够了！！！万字长文

强化学习强化学习入门这一篇就够了万字长文带你明明白白学习强化学习...强化学习入门这一篇就够了强化学习前言一、概率统计知识回顾1.1随机变量和观测值1.2概率密度函数1.3期望1.4随机抽样二、强化学习的专业术语
CC-Mac·2022-07-27 07:08

elasticSearch学习入门-DSL查询

DSL查询语句1.概念2.数据准备3.match条件查询3.1查询全部3.2match查询3.3match_phrase查询3.4match_phrase_prefix查询3.5mutil_match查询4、term-level查询4.1term查询4.2terms查询4.3range查询4.4exists查询4.5prefix4.6wildcard查询4.7regexp查询4.8fuzzy查询4
liushangzaibeijing·2022-07-26 13:12

强化学习入门项目 Spinning up OpenAI (2) 基本使用

Spinningup包含下列算法VPGTRPOPPODDPGTD3SAC以上算法均应用了MLP的actor-critics，适用于fully-observed,non-image-basedRL环境。POMDP即部分可观测MDP，non-image指的是非端到端从图像输入到动作输出的过程。每个算法有两种实现(pytorch和tensorflow，TRPO只有tensorflow实现)为什么选择这些
PiggyCh·2022-07-26 10:49

强化学习入门项目spinning up（1）安装

文章目录0.前言1.安装python2.安装OpenMPI3.安装Spinningup4.检查安装成功与否5.安装MuJoCo（可选）0.前言好久之前就看到很多人推荐学习spinningup，无奈自己电脑只有win系统。最近终于在实验室的新机器上装好了双系统，于是最近打算进行spinningup的系列学习。整个项目包括以下内容：对RL术语、算法种类和基础理论的简短介绍。一篇关于如何成长为RL研究角
小帅吖·2022-07-26 10:39

机器学习入门详解（一）：理解监督学习中的最大似然估计

机器学习入门详解（一）：理解监督学习中的最大似然估计1.摘要2.似然VS概率和概率密度3.独立同分布假设1.摘要  这篇文章在统计学的背景下对机器学习学习建模过程进行了解密。
Jasper0420·2022-07-26 10:40
上一页 36 37 38 39 40 41 42 43 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他