learn

深入解析 Scikit-learn 机器学习模型

```html深入解析Scikit-learn机器学习模型深入解析Scikit-learn机器学习模型Scikit-learn是Python中一个功能强大且易于使用的机器学习库，它提供了丰富的算法和工具来帮助开发者快速构建

灵魂变量未赋值iw·2025-04-18 04:33

Sklearn入门之datasets的基本用法

、Sklearn全称:Scipy-toolkitLearn是一个基于scipy实现的的开源机器学习库。它提供了大量的算法和工具，用于数据挖掘和数据分析，包括分类、回归、聚类等多种任务。

起个破名想半天了·2025-04-18 02:50

【scikit-learn基础】--『监督学习』之随机森林回归

随机森林回归（RandomForestRegression）是一种在机器学习领域广泛应用的算法，由美国科学家LeoBreiman在2001年提出。它是一种集成学习方法，通过整合多个决策树的预测结果来提高预测精度和稳定性。随机森林回归适用于各种需要预测连续数值输出的问题，如金融领域的股票价格预测、客户信用评分，医疗领域的疾病诊断和药物发现等。1.算法概述随机森林回归算法通过引入随机性来构建多个决策树

大雄野比·2025-04-18 02:20

【scikit-learn基础】--『监督学习』之逻辑回归分类

逻辑回归这个算法的名称有一定的误导性。虽然它的名称中有“回归”，当它在机器学习中不是回归算法，而是分类算法。因为采用了与回归类似的思想来解决分类问题，所以它的名称才会是逻辑回归。逻辑回归的思想可以追溯到19世纪，由英国统计学家FrancisGalton在研究豌豆遗传问题时首次提出。然而，真正将逻辑回归应用于机器学习的是加拿大统计学家HughEverett，他在1970年代提出了广义线性模型（GLM

大雄野比·2025-04-18 02:20

【scikit-learn基础】--『监督学习』之决策树回归

决策树算法是一种既可以用于分类，也可以用于回归的算法。决策树回归是通过对输入特征的不断划分来建立一棵决策树，每一步划分都基于当前数据集的最优划分特征。它的目标是最小化总体误差或最大化预测精度，其构建通常采用自上而下的贪心搜索方式，通过比较不同划分标准来选择最优划分。决策树回归广泛应用于各种回归问题，如预测房价、股票价格、客户流失等。1.算法概述决策树相关的诸多算法之中，有一种CART算法，全称是c

大雄野比·2025-04-18 02:50

【GNN4Medical】GNN在医疗领域发展和应用

目录1、引入2、方法综述2021SensorsGraph-BasedDeepLearningforMedicalDiagnosisandAnalysis:Past,PresentandFuture图神经网络在智能诊断与预测中应用的指南和测试基准

静静喜欢大白·2025-04-18 00:42

深度学习基础：从入门到理解核心概念

引言近年来，深度学习(DeepLearning)已成为人工智能领域最热门的研究方向之一。

巷955·2025-04-17 20:42

【学习笔记】机器学习(Machine Learning) | 第三章(1)| 多特征与向量化计算

机器学习（MachineLearning）简要声明基于吴恩达教授(AndrewNg)课程视频BiliBili课程资源文章目录机器学习（MachineLearning）简要声明一、多特征（MultipleFeatures

北温凉·2025-04-17 14:37

C# 语言介绍

C#教程-概述|MicrosoftLearnhttps://learn.microsoft.com/zh-cn/dotnet/csharp/tour-of-csharp/目录.NET体系结构Helloworld

HelloRevit·2025-04-17 12:50

paddle 12种学习率调度器

det/ch_ppocr_v2.0/ch_det_mv3_db_v2.0.yml摘取部分节点：Optimizer:name:Adambeta1:0.9beta2:0.999lr:name:Cosinelearning_rate

AI算法网奇·2025-04-17 10:07

mysql 与 sqlite 数学运算精度问题

mysql与sqlite数学运算精度问题在Excel中，浮点运算得到的结果可能不准确https://learn.microsoft.com/zh-cn/office/troubleshoot/excel

wowocpp·2025-04-17 07:20

机器学习：让数据开口说话的科技魔法

机器学习（MachineLearning）是一门通过从数据中自动分析规律、构建模型，从而对未知数据进行预测或决策的科学。简单来说，它是让计算机像人类

不三不四୭·2025-04-17 04:32

Prediction of recurrence risk in endometrial cancer with multimodal deep learning

以下是对《Predictionofrecurrenceriskinendometrialcancerwithmultimodaldeeplearning》（NatureMedicine,2024）的深度解析

小小毛桃·2025-04-17 01:10

机器学习KNN算法

1.KNN的核心原理KNN是一种基于实例的学习（Instance-BasedLearning），也称为惰性学习（LazyLearning），因为它不会在训练阶段构建显式模型，而是在预测时直接计算

zhglhy·2025-04-16 22:16

ACI EP Learning Whitepaper 2.2. EP学习优化配置选项 - BD 级别配置

UnicastRoutingTenants>Networking>BridgeDomains>L3Configuration开启BD下的单播路由。若此功能关闭，BD只做二层交换，BD中终端网关设置在ACI外部（BDsubnet配置不会下放到leaf，即没有路由功能也不会将任何IP地址学习为EP）。推荐–L3场景开启unicastrouting+EnforceSubnetCheck不推荐–L2BD启

m0_54931486·2025-04-16 20:38

ACI EP Learning Whitepaper 3. Disabling IP Data-plane Learning 功能

目录1.使用场景1.1未disableIPdata-planelearning时1.2disableIPdata-planelearning后2.一代Leaf注意事项3.L2未知单播注意事项1.使用场景

m0_54931486·2025-04-16 20:06

UE5 Chaos ：官方文献总结 + 渲染网格体 (Render Mesh）和模拟网格体是如何关联的？为什么模拟网格体可以驱动渲染网格体？

官方文献：https://dev.epicgames.com/community/learning/tutorials/pv7x/unreal-engine-panel-cloth-editor1.流程概述本文档介绍了如何通过面板编辑器

子燕若水·2025-04-16 19:32

我的机器学习之路（初稿）

监督学习（带标签数据）2.无监督学习（无标签数据）3.强化学习（决策优化）(我之后主攻的方向)四、典型应用场景五、学习路线图六、常见误区警示七、工具链推荐八、前沿方向一、机器学习定义机器学习（MachineLearning

兮兮能吃能睡·2025-04-16 16:12

【开篇：机器学习：新能源汽车研发的“数据炼金术“】

机器学习（MachineLearning）就像一套新型"实验工具"，它能够：从10万行BMS日志中发现潜在失效模式用数字孪生替代50%的物理测试

新能源汽车--三电老K·2025-04-16 08:21

【代码模板】T-SNE 绘图

importmatplotlib.pyplotasplt#绘图fromsklearn.manifoldimportTSNE#降维df_ma=pd.read_excel('PNAS_HCC.xlsx',sheet_name

黎鸽鸽·2025-04-16 08:49

Python之机器学习入门

以下是一个机器学习入门指南及Python代码示例：我的机器学习之路（初稿）1.常用Python机器学习库Scikit-learn：经典机器学习算法库TensorFlow/PyTorch：深度学习框架Pandas

兮兮能吃能睡·2025-04-16 07:09

机器学习中监督学习、无监督学习、强化学习的区别

监督学习、无监督学习和强化学习是机器学习的三种主要类型，它们在数据、目标和训练过程上有着本质的区别：监督学习（SupervisedLearning）数据：监督学习使用标记过的数据集，即每个样本都有对应的标签或目标值

、我是男生。·2025-04-16 03:13

Pytorch深度学习框架60天进阶学习计划 - 第43天：强化学习基础（二）

Pytorch深度学习框架60天进阶学习计划-第43天：强化学习基础（二）第二部分：策略梯度算法及其方差优化策略2.1策略梯度方法概述策略梯度方法是强化学习的另一个重要分支，与Q-learning不同，

凡人的AI工具箱·2025-04-15 22:42

Pytorch深度学习框架60天进阶学习计划 - 第43天：强化学习基础（一）

今天我们将分为两个主要部分：Q-learning和贝尔曼方程的理论推导策略梯度算法及其方差优化策略第一部分：Q-learning和贝尔曼方程的理论推导1.1强化学习基本概念强化学习涉及一个智能体（agent

凡人的AI工具箱·2025-04-15 22:41

Git 学习笔记

网站分享Git常用命令大全LearnGitBranching基础$gitinit//在当前位置配置一个git版本库$gitadd//将文件添加至暂存区$gitadd.

星星火柴936·2025-04-15 19:55

【ShuQiHere】 K-means 聚类算法详解：公式、代码与实战

总结1.K-means简介K-means是一种常见的无监督学习算法（UnsupervisedLearningAlgorithm），用于解决聚类（Clust

ShuQiHere·2025-04-15 19:24

【NLP笔记】预训练+微调范式之OpenAI Transformer、ELMo、ULM-FiT、Bert..

(HowNLPCrackedTransferLearni

`AllureLove·2025-04-15 18:16

PyRoboPlan 库，给 panda 机械臂微分 IK 上大分，关节限位、碰撞全不怕

视频讲解：PyRoboPlan库，给panda机械臂微分IK上大分，关节限位、碰撞全不怕代码仓库：https://github.com/LitchiCheng/mujoco-learning今天分享PyRoboPlan

LitchiCheng·2025-04-15 14:53

human36m 3d姿态可视化

可以进行数据集中四个视角的切换以及一个全局视角相机上方为处理的编号demo为遛狗的一个场景（opencv实现，当然也可以用opengl）数据集须官方账户下载这里生成的3d标注是经过预处理的，处理过程可以参考learnable-triangulation-pytorch

曲草·2025-04-15 05:18

【Python数分实战】预测肥胖风险数据

Step1.导入模块importpandasaspdimportplotly.graph_objectsasgofromsklearn.model_selectionimporttrain_test_splitfromsklea

Data 实验室·2025-04-15 03:08

LearnOpenGL学习（高级OpenGL - - 实例化，抗锯齿）

实例化对于在同一场景中使用相同顶点数据的对象（如草地中的草），可以使用实例化（Instancing）技术，用一个绘制函数让OpenGL绘制多个物体，而非循环（Drawcall:N->1）。实例化技术本质上是减少了数据从CPU到GPU的传输次数。实例化这项技术能够让我们使用一个渲染调用来绘制多个物体，来节省每次绘制物体时CPU->GPU的通信，它只需要一次即可。使用glDrawArraysInsta

zaizai1007·2025-04-15 01:23

LearnOpenGL之Shader编程——生成设计

————————————————————前序———————————————————AndroidLearnOpenGL是本博主自己实现的LearnOpenGL练习集合：Github地址：GitHub-wangyongyao1989

Everbrilliant89·2025-04-14 23:12

机器学习的一百个概念（12）学习率

知识库知识库广场搜索：知识库创建人机器学习@Shockang机器学习数学基础@Shockang深度学习@Shockang思维导图基础概念：学习率在机器学习中的重要性与发展历程|在机器学习这片广袤的领域中，学习率（Learn

Shockang·2025-04-14 23:40

汽车摄像头计算机视觉深度学习2A

AutomotiveCamera[ComputerVision,DeepLearning]-2A2025年1月出版MP4|视频：h264、1920x1080|音频：AAC，44.1KHz语言：英语|大小

算法资料吧！·2025-04-14 20:18

DeepSeek R1 简易指南：架构、本地部署和硬件要求

该研究突破性地采用强化学习（ReinforcementLearning）作为核心训练范式，在不依赖大规模监督微调的前提下显著提升了模型的复杂问题求解能力。

m0_74825003·2025-04-14 19:43

[Python & Machine Learning] 学习笔记之scikit-learn机器学习库

1.scikit-learn介绍scikit-learn是Python的一个开源机器学习模块，它建立在NumPy，SciPy和matplotlib模块之上。

weixin_33890499·2025-04-14 14:10

深度学习面试宝典

DeepLearningInterviewBook⭐求职攻略自我介绍数学机器学习深度学习强化学习计算机视觉传统图像处理自然语言处理SLAM推荐算法数据结构与算法编程语言：C/C++/Python深度学习框架

力学AI有限元·2025-04-14 12:59

【scikit-learn基础】--『预处理』之分类编码

数据的预处理是数据分析，或者机器学习训练前的重要步骤。通过数据预处理，可以提高数据质量，处理数据的缺失值、异常值和重复值等问题，增加数据的准确性和可靠性整合不同数据，数据的来源和结构可能多种多样，分析和训练前要整合成一个数据集提高数据性能，对数据的值进行变换，规约等（比如无量纲化），让算法更加高效本篇介绍的分类编码处理，主要用于将类别型数据转换为可以用于分析或机器学习的形式。类别型数据是指具有离散

大雄野比·2025-04-14 09:40

复现deep_sort_yolov3--demo.py

0.环境opencv-python==4.1.0.25/4.1.2.30Pillowscikit-learn==0.19.2numpy==1.15.0keras==2.2.4tensorflow==1.12.0imutils1

聿默·2025-04-14 07:59

微调中的多任务学习

多任务学习（Multi-TaskLearning,MTL）是一种机器学习方法，它同时处理多个相关任务，共享模型的某些部分，从而提高学习效率和性能。

CarlowZJ·2025-04-14 07:28

Scikit-learn基础教程

Scikit-learn基础教程Scikit-learn是一个用于机器学习的Python库，包含了各种分类、回归和聚类算法。

JYB_9527·2025-04-14 06:48

大模型论文：Language Models are Few-Shot Learners(GPT3)

大模型论文：LanguageModelsareFew-ShotLearners(GPT3)文章地址：https://proceedings.neurips.cc/paper_files/paper/2020

小白学C++.·2025-04-14 00:40

机器学习-线性回归模型

机器学习-线性回归模型线性模型笔记1、向量化2、线性回归模型公式3、损失函数（代价函数）4、梯度下降法5、Python实现示例6、使用sklearn实现线性回归模型✅基本步骤如下：示例代码：7、numpy

灵均666·2025-04-13 21:20

什么是上下文学习（In-Context Learning, ICL）

上下文学习（In-ContextLearning,ICL）是大语言模型（如GPT-3、GPT-4）非常关键的一种学习方式，它是指：在推理阶段，模型无需任何参数更新，仅通过输入提示（prompt）中提供的上下文示例

彬彬侠·2025-04-13 17:52

20250412 机器学习ML -（3）数据降维（scikitlearn）

1.背景数学小白一枚，看推理过程需要很多时间。好在有大神们源码和DS帮忙，教程里的推理过程才能勉强拼凑一二。*留意：推导过程中X都是向量组表达:shape(feature,sample_n);和numpy中的默认矩阵正好相反。2.PCA/KPCAPCAKPCA(LinearKernel)详细推理基本过程找教程。(详细步骤我也推不出来，数学太菜）大概过程：1.求最小|X-XWWt|^2时的W2.通过

AI小白白猫·2025-04-13 15:43

【数据挖掘】岭回归（Ridge Regression）和线性回归（Linear Regression）对比实验

这是一个非常实用的岭回归（RidgeRegression）和线性回归（LinearRegression）对比实验，使用了scikit-learn中的CaliforniaHousing数据集来预测房价。

dundunmm·2025-04-13 15:10

【深度学习】GPT-2，Language Models are Unsupervised Multitask Learners，【语言建模】

https://d4mucfpksywv.cloudfront.net/better-language-models/language_models_are_unsupervised_multitask_learners.pdf

XD742971636·2025-04-13 12:58

卷积神经网络(CNN)可视化网站汇总

深度学习文章目录深度学习前言CNNExplainerDeepLearningPlaygroundConvNetJSUnderstandingCNNwithInteractiveVisualizations3Blue1BrownNeuralNetworksYouTubePlaylistDistill.pubTensorFlowCNNVisualization

工头阿乐·2025-04-13 09:33

人物4_Japanese

Now,IstartmyJaPan【Tokyo】life,【Igooutofmycountry{China},thereasonisIwantlearnmorenewcomputertechnologiesinforeign

Forerunner_Successor·2025-04-13 02:47

强化学习（Q-learning、DQN） —— 理论、案例与交互式 GUI 实现

目录强化学习（Q-learning、DQN）——理论、案例与交互式GUI实现一、引言二、强化学习基本原理2.1强化学习框架2.2Q值函数三、Q-learning算法3.1算法原理3.2算法流程四、深度Q

闲人编程·2025-04-13 02:16

推荐频道