jbpm4.4学习入门

图灵奖得主John Hopcroft推荐的这本强化学习入门书

动手学强化学习JohnHopcroft1986年ACM图灵奖得主、上海交通大学校长特别顾问本书的一个重要特点是实现了理论与代码的有机结合，学生在学习强化学习的主要概念时，可以方便地使用这些代码。本书得到了上海交通大学学生的广泛好评。名家作品：上海交通大学ACM班创始人俞勇教授、博士生导师张伟楠副教授、APEX实验室博士生沈键编写；理论扎实：基于上交大ACM班的人工智能专业课程构建强化学习的学习体系
人邮异步社区·2022-05-17 16:26

【学习笔记】pytorch迁移学习-猫狗分类实战

1.迁移学习入门什么是迁移学习：在深度神经网络算法的引用过程中，如果我们面对的是数据规模较大的问题，那么在搭建好深度神经网络模型后，我们势必要花费大量的算力和时间去训练模型和优化参数，最后耗费了这么多资源得到的模型却只能解决这一个问题
云烟成雨_sky·2022-05-17 07:32

迁移学习——猫狗分类（PyTorch：自定义 VGGNet 方法）

迁移学习——猫狗分类（PyTorch：自定义VGGNet方法）1迁移学习入门2数据集处理2.1验证、测试数据集2.2数据预览3模型搭建和参数优化3.1自定义VGGNet3.1.1搭建一个简化版的VGGNet
三耳01·2022-05-17 07:09

推荐 | 一个机器学习与计算机视觉方向的技术公众号

定期分享Python编程、机器学习、计算机视觉等学习笔记以及实践项目文章，不定期分享一些工作生活心得感想，关注公众号可以获取机器学习入门电子书和视频，欢迎交流，一起成长。这里介
weixin_38754361·2022-05-16 10:25

Linux学习入门到精通一（参照 b 站韩老师讲解的 Linux）

1、前言b站韩老师Linux视频尚硅谷Linux教程(千万级学习人次，好评如潮)_哔哩哔哩_bilibili大家可以点进去学习，讲的真的很不错，接下来就是Linux的学习啦2、第一章Linux开山篇2.1、学习Linux的阶段（高手进阶过程）Linux是一个开源、免费的操作系统，其稳定性、安全性、处理多并发已经得到业界的认可，目前很多中型，大型甚至是集群项目都在使用Linux，很多软件公司考虑到开
热爱技术的老胡·2022-05-15 17:01

深度学习入门，计算机视觉，推荐系统，自然语言处理理论框架以及学习资料【附知识图谱与链接】

理论应用更多关注计算机视觉-Paper&Code-知乎自然语言处理1NLP是什么自然语言处理（NLP，NaturalLanguageProcessing）是研究计算机处理人类语言的一门技术，目的是弥补人类交流（自然语言）和计算机理解（机器语言）之间的差距。NLP包含句法语义分析、信息抽取、文本挖掘、机器翻译、信息检索、问答系统和对话系统等领域。2课程推荐CS224n斯坦福深度自然语言处理课17版中
子韵如初·2022-05-15 07:00

强化学习入门2—初识MDP

目录MDP马尔可夫决策过程基础概念什么是强化学习？MDP状态价值函数与动作价值函数贝尔曼最优方程MDP马尔可夫决策过程MDP即MarkovDecisionProcess，马尔可夫决策过程。MDP是强化学习问题的数学化形式，可以说这节开始将接触强化学习的理论部分。基础概念什么是强化学习？有几个概念需先明确。首先是智能体。智能体(agent)表示能进行学习以及实施决策的机器。智能体之外所有与其相互作用
小菜羊~·2022-05-15 07:52

1.初识机器学习

机器学习入门1.必要的库和工具①NumPy:可实现多维数组、高级数学函数(线性代数、傅里叶变换)的实现。
KatchenShen·2022-05-15 07:36

机器学习入门实验——以图搜图（ 基于vgg网络和Keras深度学习框架）

目录前言：一、实验要求：二、环境配置：三、代码文件：1、vgg.py2、index.py3、test.py四、演示：1、项目文件夹（1）数据集（2）结果（运行前）（3）原图2、相似度排序输出3、保存结果五、尾声参考资料：前言：基于vgg网络和Keras深度学习框架的以图搜图功能实现。一、实验要求：给出一张图像后，在整个数据集中（至少100个样本）找到与这张图像相似的图像（至少5张），并把图像有顺序
代码骑士·2022-05-15 07:00

[机器学习入门]——第六课-Markov链

文章目录第六课-Markov链一、贝叶斯网半朴素贝叶斯朴素贝叶斯半朴素贝叶斯贝叶斯网变量之间的典型依赖关系独立与条件独立二、贝叶斯网到Markov模型三、Markov链Markov模型一步转移n步转移m+n步转移矩阵转移图Markov链基本问题举例：瓶子倒水举例：射击问题稳定状态和平稳分布典型应用：PageRank结论总结第六课-Markov链一、贝叶斯网半朴素贝叶斯朴素贝叶斯为了降低贝叶斯公式估
雨落俊泉·2022-05-14 15:08

☀️机器学习入门☀️(三) 图解K-Means聚类算法 | 附加小练习

物以类聚经典的无监督学习算法——K-Means聚类算法目录1.K-Means定义2.K-Means步骤3.K-Means和KNN对比4.小练习4.1第一题4.2第二题4.3第三题最后1.K-Means定义K-means聚类算法首先是随机选取K个对象作为初始的聚类中心，然后计算每个样本与各个聚类中心之间的距离，把每个样本分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一
小生凡一·2022-05-14 15:37

逻辑回归详解——机器学习入门

Task2【声明】：转摘注明出处，禁止商用。【声明】：转摘注明出处，禁止商用。【声明】：转摘注明出处，禁止商用。文章目录Task21.逻辑回归与线性回归的联系与区别2.逻辑回归的原理3.逻辑回归损失函数推导及优化4.正则化与模型评估指标5.逻辑回归的优缺点6.样本不均衡问题解决办法7.Sklearn参数1.逻辑回归与线性回归的联系与区别线性回归：hθ(x)=∑i=0nθixi=θTxh_{\the
domyslavy·2022-05-14 15:37

[机器学习入门第九章]聚类

9.1聚类任务常见的无监督学习中最有名的是聚类（clustering）方法。（其他还有密度估计，异常检测)聚类试图将数据划分成若干不相交的子集，每个子集称为“簇”（cluster)，其对应的标签需要人工标记。聚类既可以单独分析数据的内部分布结构，也可以作为分类的前驱。比如商家有一大批用户数据，可以通过聚类，将用于划分成不同的类型，再机遇这些类训练分类模型。9.2性能度量性能度量也指”有效性指标（v
带带二师兄·2022-05-14 15:07

【转】 机器学习入门——浅谈神经网络

【转】机器学习入门——浅谈神经网络本文转自：https://blog.csdn.net/bitjoy/article/details/50464989先从回归(Regression)问题说起。
timeless-jlu·2022-05-14 15:06

[机器学习入门]——第七课——非监督聚类

文章目录第七课——非监督聚类非监督学习一、聚类简介聚类中的问题常见距离度量划分式聚类K-means聚类法算法步骤K-means的目标/损失函数迭代优化算法复杂性算法分析聚类中心初值的选择聚类数目K的选择局限性二、GMM聚类算法概述混合高斯分布GMM聚类步骤拟合高斯分布三、EM算法概述EM推导算法再述E步M步直观分析举例说明代码实现四、GMM和K-means比较比较GMM缺点参考资料第七课——非监督
雨落俊泉·2022-05-14 15:02

YOLOv5的输出端（Head）详解|CSDN创作打卡

深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。
tt丫·2022-05-12 07:51

YOLOv5中的SPP/SPPF结构详解

深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。
tt丫·2022-05-12 07:50

YOLOv5中的CSP结构

深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。
tt丫·2022-05-12 07:20

【深度学习实战】从零开始深度学习（三）：卷积神经网络与计算机视觉

参考资料：《PyTorch深度学习》（人民邮电出版社）第5章深度学习之计算机视觉PyTorch官方文档廖星宇著《深度学习入门之Pytorch》第4章卷积神经网络其他参考的网络资料在文中以超链接的方式给出目录
喵木木·2022-05-10 07:43

机器学习入门资源不完全汇总

基本概念机器学习机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与统计推断学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现
jq597·2022-05-09 07:07

机器学习入门资源不完全汇总_拔剑-浆糊的传说_新浪博客

机器学习入门资源不完全汇总http://ml.memect.com/article/machine-learning-guide.html#入门攻略基本概念｜入门攻略｜课程资源｜论坛网站｜东拉西扯2014
普通网友·2022-05-09 07:32

机器学习资源

转载自知乎仅用于个人收藏机器学习入门资源不完全汇总感谢贡献者：tang_Kaka_back@新浪微博欢迎补充指正，转载请保留原作者和原文链接。
cl_chenlei·2022-05-09 07:17

深度学习入门

https://zhuanlan.zhihu.com/p/36570549使用a.item()或np.asscalar(a)将大多数NumPy值转换为本机Python类型：importnumpyasnp#examplesusinga.item()type(np.float32(0).item())#type(np.float64(0).item())#type(np.uint32(0).item(
早上柠檬水·2022-05-08 07:42

PyTorch深度学习入门 || 系列（一）

文章目录0写在前面1准备pytorch2Tensor基础知识2.1如何创建和操作Tensor2.1.1基本创建方法：torch.Tensor()2.1.2快速创建方法：torch.zeros()2.1.3快速创建方法：torch.eyes()2.1.4快速创建方法：torch.ones()2.1.5快速创建方法：torch.rand()2.1.6快速创建方法：torch.arange()2.1.7
研究生不迟到·2022-05-08 07:05

深度学习入门python知识总结

1.环境配置安装Python+Anaconda+PyCharm1.1Anaconda是一个开源的Python发行版本。其包含了720多个数据科学相关的开源包，在数据可视化、机器学习、深度学习等多方面都有涉及。不仅可以做数据分析，甚至可以用在大数据和人工智能领域。因为包含了大量的科学包，Anaconda的下载文件比较大（约531MB），如果只需要某些包，或者需要节省带宽或存储空间，也可以使用Mini
玛莱之盾·2022-05-08 07:46

PyTorch深度学习入门笔记（一）PyTorch环境配置及安装

文章目录一、工具安装1.1Anaconda安装1.2Pytorch安装二、编辑器安装2.1Pycharm安装2.2Jupyter安装记录下开发环境搭建过程。学习笔记同步发布在我的个人网站上，欢迎来访查看。OS：ubuntu20.04（虚拟机）一、工具安装1.1Anaconda安装首先安装Anaconda,我是去清华大学镜像站下载，版本为Anaconda3-5.2.0-Linux-x86_64.sh
雪天鱼·2022-05-07 11:01

通过一张猫咪的图片，了解一下图像的本质

对于计算机视觉来了解计算机眼里的图片例如：第一章Python机器学习入门之pandas的使用在了解计算机图片前，要先了解矩阵的知识，以及明白计算机的图片是由RGB三个通道组成的结构。
长坂坡394·2022-05-07 07:55

深度学习入门笔记：感知机

编程导航：nav.wenancoding.com个人blog：wenancoding.comgzh：【问安coding】定义感知机接收多个输入信号，输出一个信号。感知机的信号只有1/0两种取值，0对应“不传递信号”，1对应“传递信号”。x1，x2是输入信号。y是输出信号。w1、w2是权重（w是weight的首字母）。每个变量都有权重，权重越大，对应该权重的信号的重要性就越高。图中的○称为“神经元”
·2022-05-06 18:11

机器学习入门（2）之模型评估与选择

目录一、误差与拟合1.泛化误差与经验误差2.损失函数与训练误差3.过拟合与欠拟合4.过拟合的另一种现象：数据泄露二、评估方法1.留出法2.交叉验证法（留一法）3.自助法4.调参与最终模型三、性能度量1.混淆矩阵2.准确率3.精确率（查准率）和召回率（查全率）4.F1值和Fβ值5.ROC曲线及其AUC值6.AUC值的计算7.代价敏感错误率与代价曲线四、比较检验1.性能比较的三个要素2.假设检验（1）
洋洋菜鸟·2022-05-06 07:40

python机器学习 | 入门介绍

python学习入门介绍1机器学习基本介绍2机器学习分类3机器学习模型评估1机器学习基本介绍（1）定义：机器学习是从数据中自动分析获取模型，并利用模型对未知数据进行预测。
Claire_chen_jia·2022-05-06 07:26

Python机器学习入门到高级：数据清洗（含详细代码）

个人主页：JoJo的数据分析历险记个人介绍：小编大四统计在读，目前保研到统计学top3高校继续攻读统计研究生如果文章对你有帮助，欢迎关注、点赞、收藏、订阅专栏文章目录1.总览数据2.筛选数据3.替换数据4.更改列名5.查找唯一值6.查找缺失值7.删除列或行8.groupby分组9.按照时间段来进行分组10.遍历一个列的数据11.对一列的所有元素应用某个函数12.pandas高级函数13.连接多个D
JoJo的数据分析历险记·2022-05-05 07:30

python机器学习及实践_机器学习入门之《Python机器学习及实践：从零开始通往Kaggle竞赛之路》...

本文主要向大家介绍了机器学习入门之《Python机器学习及实践：从零开始通往Kaggle竞赛之路》，通过具体的内容向大家展现，希望对大家学习机器学习入门有所帮助。
weixin_39976382·2022-05-05 07:25

【机器学习入门】(5) 决策树算法实战：sklearn实现决策树，实例应用（沉船幸存者预测）附python完整代码及数据集

各位同学好，今天和大家分享一下python机器学习中的决策树算法，在上一节中我介绍了决策树算法的基本原理，这一节，我将通过实例应用带大家进一步认识这个算法。文末有完整代码和数据集，需要的自取。那我们开始吧【机器学习】(4)决策树算法理论：算法原理、信息熵、信息增益、预剪枝、后剪枝、算法选择1.Sklearn实现决策树首先我来介绍一下sklearn库中的决策树分类器sklearn.tree.Deci
立Sir·2022-05-05 07:06

python机器学习入门（2）模型优化（以决策树为例），来自kaggle竞赛

fromsklearn.metricsimportmean_absolute_errorfromsklearn.treeimportDecisionTreeRegressor#此函数用于返回模型拟合效果，用绝对平均误差评估'''max_leaf_nodes决策树分叶数train_X训练集自变量val_X测试集自变量train_y训练集因变量val_y测试集因变量'''defget_mae(max_
Eclipse_XBY·2022-05-05 07:27

python信号处理教程_python玩转信号处理与机器学习入门

python玩转信号处理与机器学习入门作者：王镇面对毫无规律的随机信号，看着杂乱无章的振动波形，你是否也像曾经的我一样一头雾水，不知从何处下手。
ShuYini·2022-05-03 07:47

机器学习处理信号分离_【技术博客】Python玩转信号处理与机器学习入门

作者：王镇面对毫无规律的随机信号，看着杂乱无章的振动波形，你是否也像曾经的我一样一头雾水，不知从何处下手。莫慌，接下来小编就带你入门怎样用python处理这些看似毫无卵用实则蕴藏巨大信息的随机信号。我们日常生活中所见的心电图，声波图都是信号在时域上的一种表现，但它们无法呈现出信号在频域上的信息。因此，本文将主要介绍信号从时域到频域上的一些变换，常见的有FFT（快速傅里叶变换），PSD（功率谱密度）
短鱼儿商学院·2022-05-03 07:16

python机器学习入门及特征工程

一、特征抽取sklearn.feature_extraction字典特征提取文本特征提取二、特征预处理将特征数据转换成更加适合算法模型的特征数据的过程归一化：变化原始数据实质映射到（默认[0,1]）之间标准化：将数据变换到均值为0，标准差为1的范围内，最值为异常值的情况归一化失效时可使用。三、特征降维某些条件下降低随机变量（特征）个数，得到一组不相关变量的过程特征选择：从原有特征找出主要特征1）f
kyanbooon·2022-05-03 07:54

机器学习入门-数据分析入门-第一天

数据分析入门第一天参考视频一、Jupyter使用（一）优点展示数据方便可以分块运行代码（二）模式编辑模式：在单元格（cell）里面操作命令模式：操作单元格（三）快捷键命令模式:Shift-Enter:运行本单元，选中下个单元Ctrl-Enter:运行本单元，停留在本单元A:在上方插入新单元B:在下方插入新单元D,D:删除选中的单元（双击D）Enter:转入编辑模式编辑模式Tab:代码补全或缩进Ct
weixin_44179323·2022-05-02 07:29

【机器学习入门笔记12：matplotlib绘图模块的使用】20190217

2019-02-17by崔斐然我们先在anaconda中参考笔记1中的配置方法安装matlpotlib。plt.plot绘制折线图，其中参数1：x轴坐标，参数2：Y轴坐标，参数3：颜色importnumpyasnpimportmatplotlib.pyplotasplt#实际操作中发现加上下面的命令才能一次显示，%matplotlibinline#创建XY轴x=np.array([1,2,3,4,
崔斐然·2022-05-02 07:16

机器学习入门--线性回归

参考网站：https://www.zybuluo.com/hanbingtao/note/448086线性回归单元示图：权重与偏置参数更新方法如下，其中看成偏置，其实是不存在的，可以认为，详细推演方法见参考网站，最终梯度为。目标函数即误差函数，即为每个标签值与预测值差值平方和最小。误差函数越小，学习的效果越好。参数更新采用梯度下降法：实现代码：思路其实和and(or)感知机中的算法实现思路相同不同
山野闲者·2022-05-02 07:42

机器学习入门：主题模型-4

机器学习入门：主题模型1、实验描述本实验是关于主题模型LDA的，首先介绍了LDA的应用方面有哪些？
奔腾游子·2022-05-02 07:11

机器学习入门与Python实战（十）：数据降维PCA主成分分析

目录现实问题思考：金融股价预测数据降维为什么需要数据降维数据降维最常用的方法：主成分分析（PCA)知识巩固Python实战：PCA+逻辑回归预测检查者是否患糖尿病拓展学习现实问题思考：金融股价预测想建立一个AI模型，筛选金融股票，潜在数据指标：价格、交易量、换手率、股东人数、最近N日涨跌幅、RSI指标、威廉指标、市值、营业额、净利润、负债率、利润增长率…多达几百、上千个因子两大问题：求解困难、模型
flare zhao·2022-05-02 07:38

机器学习入门----线性回归实验记录

机器学习入门：线性回归实验记录1、实验描述提供一份关于产品广告费用与对应产品销量的数据文件Advertising.csv文件，利用此文件建立线性模型、训练模型、用模型做预测分析。
JYeontu·2022-05-02 07:05

机器学习入门-01快速学会使用Matplotlib绘图

快速学会使用Matplotlib绘图使用Matplotlib的基本功能实现图形显示使用Matplotlib实现多图显示使用Matplotlib实现不同画图种类1.Matplotlib之HelloWorld1.1什么是MatplotlibMatplotlib是Python的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。Matplotlib可以用来绘制各种静态，动态，交互式的图表
Blue Hole·2022-05-02 07:31

教你通过计算图看懂反向传播

看恩达老师的反向传播视频没有看很明白，于是搜寻发现了宝藏资源《深度学习入门：基于Python的理论与实现》这本书，通过案例和计算图将反向传播讲的通俗易懂，感觉不错，现将书中反向传播部分的内容截取出来供大家参考
奔跑的菜鸟鸟·2022-04-30 07:02

第三章 python Web django学习入门之 模板渲染，静态文件，模型数据库，admin控制台

系列文章目录第一章pythonWebdjango学习入门之创建人生中第一个django项目第二章pythonWebdjango学习入门之settings配置详解，路由详解，响应数据!
Lonelypatients°·2022-04-28 08:49

第二章 python Web django学习入门之settings 配置详解，路由详解，响应数据 !

系列文章目录第一章pythonWebdjango学习入门之创建人生中第一个django项目文章目录系列文章目录前言一、djangosettings详解？二、迈出人生第一步Helloworld!!
Lonelypatients°·2022-04-28 08:19

YOLOv5的模型构建源码详解|CSDN创作打卡

深度学习入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。
tt丫·2022-04-28 07:13

深度学习入门学习路线及好课推荐

  首先，要入门深度学习，数学基础是必不可少的，比如高等数学、线性代数、概率论等，其中最重要的就是线性代数了。因为深度学习里面的数据不再是一个个的数字，基本上都是矩阵之间的运算。所以，最好先补充一些线性代数等相关数学知识。说到线性代数，先容许我吐槽一下国内老师的讲解，真的是让人一头雾水。学到的知识就是，矩阵点乘是行乘列计算的，行列式是这么计算的，等等等等。感受就是，我只知道了该怎么计算，会做题，可
zeeq_·2022-04-28 07:33

深度学习简明教程系列 —— 基础知识（合集）

目录第一章模型评估1.1基础概念1.2P-R曲线1.3ROC曲线和AUC1.4目标检测评价1.5语义分割评价1.6相关面试题第二章深度学习入门2.1机器学习到深度学习2.2前馈神经网络（MLP）2.3卷积神经网络
最靓的仔·2022-04-28 07:26
上一页 39 40 41 42 43 44 45 46 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他