stanford机器学习笔记第7页

2018 Cell系列相变最强综述，未来已来，你在哪？

导读TrendsinCellBiology(Cell系列综述,2018IF:18.564）于2018年6月1日在线发表了StevenBoeynaems（PhDBiomedicalsciences,StanfordUniversitySchoolofMedicine

生信宝典·2023-10-19 09:43

机器学习笔记四：线性回归（Linear regression）及房屋数据集的回归

目录1.单变量线性回归：2.多变量线性回归最近在学习吴恩达老师的机器学习课程，所以在这里记录一下，主要是完成他的课后作业。思路： 1.首先，我们自己编写线性回归函数，看看整个计算的流程； 2.使用sklearn进行线性回归计算； 3.对比以上两种方法的优缺点。1.单变量线性回归：importnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt

Amyniez·2023-10-19 03:43

李宏毅机器学习笔记-transformer

transformer是什么呢？是一个seq2seq的model。具体应用如上图所示，输入和输出的序列长度不固定，由model自己决定。语音翻译指的是，直接输入一段语音信号，例如英文，输出的直接是翻译之后的中文。seq2seq如今已经是一个应用非常广泛的模型，可以应用于NLP的各种任务，如语义分析，语义分类，聊天机器人等。另外还有个值得说明的功能是做multilabelclassification

ZEERO~·2023-10-18 07:00

李宏毅机器学习笔记-半监督学习

半监督学习，一般应用于少量带标签的数据（数量R）和大量未带标签数据的场景（数量U），一般来说，U>>R。半监督学习一般可以分为2种情况，一种是transductivelearning，这种情况下，将unlabeleddata的feature利用进来。另外一种是inductivelearning，这种情况下，在训练的整个过程中，完全不看任何unlabeleddata的信息。为什么要做semi-sup

ZEERO~·2023-10-18 07:24

机器学习笔记 - 3D 对象跟踪极简概述

一、简述大多数对象跟踪应用程序都是2D的。但现实世界是3D的，无论您是跟踪汽车、人、直升机、导弹，还是进行增强现实，您都需要使用3D。在CVPR2022（计算机视觉和模式识别）会议上，已经出现了大量3D目标检测论文。二、什么是3D对象跟踪？对象跟踪是指随着时间的推移定位并跟踪对象在空间中的位置和方向。它涉及检测图像序列（或点云）中的对象，然后预测其在后续帧中的位置。目标是持续估计对象的位置和方向，

坐望云起·2023-10-17 23:13

计算机专业人士，必读之经典图书

1.TheArtofComputerProgrammingAuthor:Donald.E.KnuthWebsite:http://www-cs-faculty.stanford.edu/~knuth/taocp.htmlBookInfo

郝适·2023-10-17 00:45

计算机经典书籍

Author:Donald.E.KnuthWebsite:http://www-cs-faculty.stanford.edu/~knuth/taocp.htmlBookInfo:这部书被誉为20世纪最重要的

hiphopmattshi·2023-10-17 00:44

经典计算机书籍

经典计算机书籍1.TheArtofComputerProgrammingAuthor:Donald.E.KnuthWebsite:http://www-cs-faculty.stanford.edu/~

X-Factor·2023-10-17 00:13

cemlee007·2023-10-17 00:13

李宏毅机器学习笔记第7周_局部最小值与鞍点

文章目录一、OptimizationFailsbecause……二、TaylerSeriesApproximation三、Example总结一、OptimizationFailsbecause……1．问题：我们在做optimization的时候会发现，随着参数的不断更新，training的loss不会再下降，但是我们对loss并不满意。因此我们会发现，一开始model就train不起来，不管我们怎

MoxiMoses·2023-10-16 19:21

【机器学习笔记1.1】线性回归之正规方程求解

线性回归概述##我们先考虑最简单的一种情况，即输入属性的数目只有一个，线性回归试图学得[1](1)f(xi)=wxi+b，使得f(xi)≈yif(x_i)=wx_i+b，使得f(x_i)\approxy_i\tag{1}f(xi)=wxi+b，使得f(xi)≈yi(1)那么如何确定w⃗\vec{w}w和b呢？关键在于如何衡量f(x⃗)f(\vec{x})f(x)与y之间的差别。均方误差是回归任务重

取取经·2023-10-15 20:53

机器学习笔记 - 车道检测的几种深度学习方法

一、简述人们在打造自动驾驶汽车时首先想到的就是实现车道检测。这是Tesla和mobileye所说的“强制性”任务，也是SebastianThrun（自动驾驶汽车教父）在接受采访时所说的首要任务。这个方向有很多传统的OpenCV算法，这些算法由不再使用的非常旧的函数组成。目前全部都转到深度学习的方式了。二、车道线检测的分割方法1、LaneNet检测车道线的第一种也是最流行的方法是使用图像分割，它很重

坐望云起·2023-10-15 11:58

[转] List of OpenFlow Software Projects

ListofOpenFlowSoftwareProjects(thatIknowof)http://yuba.stanford.edu/~casado/of-sw.html(IamtryingtokeeparunninglistofallOpenFlow-relatedsoftwareprojectswhereeitherthebitsorthesourceareavailableonline.I

weixin_30820077·2023-10-14 23:08

机器学习笔记 - 使用3D卷积神经网络进行视频分类

1、导入相应的库3DCNN使用三维滤波器来执行卷积。内核能够在三个方向上滑动，而在2DCNN中它可以在二维上滑动。首先安装并导入必要的库，用于处理ZIP文件内容的Remotezip、用于使用进度条的tqdm、用于处理视频文件的OpenCV、用于执行更复杂的张量操作的einops，以及用于在JupyterNotebook中嵌入数据的库。importtqdmimportrandomimportpath

坐望云起·2023-10-14 11:43

机器学习笔记（3）：无监督学习

上节，我们已经介绍了监督学习。回想当时的数据集，如上表所示，这个数据集中每条数据都已经标明是阴性或阳性，即是良性或恶性肿瘤。所以，对于监督学习里的每条数据，我们已经清楚地知道，训练集对应的正确答案，是良性或恶性了。在无监督学习中，我们已知的数据。看上去有点不一样，不同于监督学习的数据的样子，即无监督学习中没有任何的标签或者是有相同的标签或者就是没标签。所以我们已知数据集，却不知如何处理，也未告知每

大锅烩菜·2023-10-14 05:07

2018-05-10

1首先上午用了zy训练的stanford的ner中医模型，发现效果一点儿都不好，不过ta说这不是最终版，所以我还在等，只是我研究了很长时间的deepdive，如果实体识别的效果不好，那么之后关系提取也没法做

urtss·2023-10-12 17:06

ROS中的命名空间

以下是一些命名的示例：·/foo·/stanford/robot/name·/wg/node1计算图源命名是ROS封装的一种重要机制。每个资源都定义在一个命名空间内，该命名空间内还可以创建更多资源。

小海聊智造·2023-10-12 10:16

Python机器学习笔记 K-近邻算法

K近邻（KNN，k-NearestNeighbor）分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是K个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。KNN算法的核心思想是如果一个样本在特征空间中的K个最相邻的样本中的大多数属于某一个类别，则该样本也属于这个类别，并具有这个类别上样本的特征。该方法在确定分类决策上只依据最邻近的一个或者几个样本的类别来决定待分样本

weixin_30345577·2023-10-11 06:41

斯坦福大学的 Swift 教程又来了：还是免费的

美国斯坦福大学（StanfordUniversity）曾在去年4月份推出过iOS编程教学课程DevelopingiOS9AppswithSwift，这项课程上架iTunesU之后广受编程爱好者的好评。

weixin_34319999·2023-10-10 12:24

JS加密工具汇总你要找的都在这

sjcl(StanfordJavaScriptCryptoLibrary)开源地址：https://github.com/bitwiseshiftleft/sjcl优点：支持多种密码学操作，包括对称加密

mxd01848·2023-10-10 08:56

深度学习笔记之优化算法(四)Nesterov动量方法的简单认识

机器学习笔记之优化算法——Nesterov动量方法的简单认识引言回顾：梯度下降法与动量法Nesterov动量法Nesterov动量法的算法过程描述总结（2023/10/9）补充与疑问附：Nesterov

静静的喝酒·2023-10-09 21:39

深度学习笔记之优化算法(五)AdaGrad算法的简单认识

机器学习笔记之优化算法——AdaGrad算法的简单认识引言回顾：动量法与Nesterov动量法优化学习率的合理性AdaGrad算法的简单认识AdaGrad的算法过程描述引言上一节对Nesterov\text

静静的喝酒·2023-10-09 21:05

机器学习笔记 - 两个静态手势识别的简单示例

一、关于手势识别手势识别方法通常分为两类：静态或动态。静态手势是那些只需要在分类器的输入处处理单个图像的手势，这种方法的优点是计算成本较低。动态手势需要处理图像序列和更复杂的手势识别方法。进一步了解可以参考下面链接。静态手势识别和动态手势识别的区别和技术路线简介-CSDN博客为了实现完全沉浸式的AR应用，系统的输出（例如可视化）以及系统的输入必须适应用户的现实。计算的发展和新技术的易用性推动了Ki

坐望云起·2023-10-09 00:33

Python数据分析 - 机器学习笔记：第一章数据分析 - 1.4.2.设置坐标系

前言：本文是学习网易微专业的《python全栈工程师》中的《数据分析-机器学习工程师》专题的课程笔记，欢迎学习交流。一、课程目标掌握Matplotlib坐标系的基本设置方法掌握汉语和负数显示设置方法二、详情解读2.1.坐标网格%matplotlibinline#表示当前代码生成的图插入当前浏览器中importnumpyasnpimportmatplotlib.pyplotaspltx=np.ara

WinvenChang·2023-10-08 19:15

LLMs 入门实战系列

LLMstoNaturalLanguageProcessing(NLP)第一重ChatGLM-6B系列ChatGLM-6BChatGLM2-6B第十一重Llama2第十重BaichuanBaichuan-13Bbaichuan-7B第二重StanfordA

luoganttcc·2023-10-08 19:25

机器学习笔记 - 基于pytorch、grad-cam的计算机视觉的高级可解释人工智能

一、pytorch-gradcam简介Grad-CAM是常见的神经网络可视化的工具，用于探索模型的可解释性，广泛出现在各大顶会论文中，以详细具体地描述模型的效果。Grad-CAM的好处是，可以在不额外训练的情况下，只使用训练好的权重即可获得热力图。1、CAM是什么？CAM全称ClassActivationMapping，既类别激活映射图，也被称为类别热力图、显著性图等。它是一张和原始图片等同大小图

坐望云起·2023-10-08 13:24

pytorch学习------实现文本情感分类

效果目标知道文本处理的基本方法能够使用数据实现情感分类的一、案例介绍本案例主要是学习wordembedding这种常用的文本向量化的方法现在我们有一个经典的数据集IMDB数据集，地址：http://ai.stanford.edu

韭菜盖饭·2023-10-07 22:13

深度学习笔记之优化算法(三)动量法的简单认识

机器学习笔记之优化算法——动量法的简单认识引言回顾：条件数与随机梯度下降的相应缺陷动量法简单认识动量法的算法过程描述附：动量法示例代码引言上一节介绍了随机梯度下降(StochasticGradientDescent

静静的喝酒·2023-10-07 20:20

机器学习笔记第7课：线性判别分析算法

逻辑回归是一种传统的分类算法，仅限于两类分类问题。如果你有两个以上的类，那么线性判别分析算法是首选的线性分类技术。线性判别分析法简称LDA，表示起来非常简单。它包含你的数据经由每个类计算之后的统计属性。对于单个输入变量，这包括：每个类别的平均值。对所有类别计算的方差。通过计算每个类的判别值，并对具有最大值的类进行预测，从而做出完整的预测。这项技术假设数据具有高斯分布（钟形曲线），因此最好事先从数据

首席IT民工·2023-10-07 16:56

MQTT 协议入门

它是由AndyStanford-Clark（IBM）和ArlenNipper在1999年设计的，用于通过卫星连接石油管道遥测系统。

maimang09·2023-10-07 12:41

【无标题】

【机器学习】机器学习笔记（吴恩达）-CSDN博客1.误差平方代价函数，对于大多数问题，特别是回归问题，都是一个合理的选择。2.梯度下降会自动采取更小的步骤，所以不需要随时间减小学习率a。

FlyingAnt_·2023-10-06 20:53

机器学习笔记 - 深入研究spaCy库及其使用技巧

一、简述spaCy是一个用于Python中高级自然语言处理的开源库。它专为生产用途而设计，这意味着它不仅功能强大，而且快速高效。spaCy在学术界和工业界广泛用于各种NLP任务，例如标记化、词性标注、命名实体识别等。安装，这里使用阿里的源。pipinstallspacy-ihttps://mirrors.aliyun.com/pypi/simple/pipinstallspacy_pkuseg-i

坐望云起·2023-10-05 07:32

机器学习笔记（5,6）--林轩田机器学习基石课程

这两个lecture，集中证明了，当我的hepothesis个数看起来有无限多种时，也就是前面讲到的，找一个超平面（直线）做二元划分问题时，超平面（直线）应该有无限多个，那PLA还能否能learning的问题。具体的证明过程不在复述了，提一下我认为最重要的一点：当出现break的时候，就意味着，hepothesisset的个数会是多项式多个，具体是通过动态规划bound住上界的方法。以后等基石看完

数学系的计算机学生·2023-10-05 07:27

机器学习笔记(二)

过拟合如下图左边,模型出现了过拟合现象为了解决过拟合现象,其中一个做法是多收集数据,如右图。第二种做法是减少模型的特征数量,即x第三种做法是正则化正则化就是减少x前面的参数w的数值,不用消除x正则化的梯度下降如下,因为只是缩小了w的值,而b的值保持不变正则化的工作原理就是缩小参数w的值假如wj(1-0.0028)那么wj就会一点点变小

半岛铁盒@·2023-10-04 19:35

分享9个已开源的GPT4平替，用过感觉还不错

ColossalAI2.ChatGLM3.LLaMa4.LLaMa-ChatLLaMA5.BELLE6.PaLM-rlhf-pytorch7.OpenAssistant8.OpenChatKitk9.stanford_alpaca

luoganttcc·2023-10-04 16:08

自律相关概念之延迟满足（2.0）

延迟满足这个概念的提出来自经典的棉花糖实验（StanfordMarshmallowExperiment）：这是斯坦福大学WalterMischel博士1966年到1970年代早期在幼儿园进行的有关自制力的一系列心理学经典实验

奔跑的红豹子·2023-10-04 10:28

机器学习笔记 -- 神经网络

1、什么是神经网络1.1非线性假设无论是线性回归还是逻辑回归，都存在这样一个缺陷，那就是当特征过多时，计算量会非常大。这时，神经网络应运而生，极大地弥补了这方面的缺点。1.2神经元与大脑每个神经元都可以看做一个处理单元，它有多个树突（输入），一个轴突（输出）。多个信息经过树突传递到神经元，处理后，再通过轴突输出。这便是神经网络的生物模型。基于此，我们设计出了类似的神经网络模型。x1x_1x1、x2

算法导航·2023-10-04 09:16

机器学习笔记 -- 线性回归

1、定义线性回归是一种通过属性的线性组合来进行预测的线性模型，其目的是找到一条直线或一个平面或者更高维度的超平面，使得预测值与真实值的误差最小化。2、代价函数代价函数度量全部样本集的平均误差。越小则拟合效果越好。J(θ1,θ2,...,θn)=12m∑i=1m(hθ(x(i))−y(i))2J(\theta_1,\theta_2,...,\theta_n)=\frac{1}{2m}\sum_{i=

算法导航·2023-10-04 09:16

机器学习笔记--支持向量机

1、支持向量机概述1.1基本概念支持向量机（SupportVectorMachine,SVM）是一类按监督学习方式对数据进行二元分类的广义线性分类器，其决策边界是对学习样本求解的最大边距超平面。1.2硬间隔、软间隔和非线性SVM硬间隔指的就是完全分类准确，不能存在分类错误的情况。软间隔，就是允许一定量的样本分类错误。1.3算法思想找到集合边缘上的若干数据（称为支持向量（SupportVector）

算法导航·2023-10-04 09:45

初识Java-概述与环境搭建

Java是美国sun公司（StanfordUniversityNetwork）在1995年推出的计算机编程语言，后被Oracle公司收购。Java早期称为Oak（橡树），后期改名为Java。

BFXCDH·2023-10-04 00:39

PoseiSwap 参赛，参与斯坦福、Nautilus等联合主办的 Hackathon 活动

近日，由StanfordBlockchainAccelerator、ZebecProtocol、NautilusChain、RootzLab共同主办的“BoundlessHackathon@Stanford

金马1988·2023-10-03 05:58

机器学习笔记

1.线性回归模型2.损失函数3.梯度下降算法多元特征的线性回归当有多个影响因素的时候,公式可以改写为:

半岛铁盒@·2023-10-02 07:01

学习之英文-天天用英语

Stayhungry,stayfoolish:SteveJobs’2005StanfordCommencementAddress[1]Iamhonoredtobewithyoutodayatyourcommencementfromoneofthefinestuniversitiesintheworld.Inevergraduatedfromcollege.Truthbetold

怡然的践行之路·2023-10-02 06:20

斯坦福大学CS520知识图谱系列课程学习笔记：第一讲什么是知识图谱

因此，斯坦福大学于今年3月开设了一门专门面向知识图谱的系列课程CS520，官网课程页：https://web.stanford.edu/cla

ngl567·2023-10-02 02:17

python评论情感分析nltk_Python 手把手教你用机器学习进行情感分析

这里给出下载链接https://ai.stanford.edu/~amaas/data/sentiment/ai.stanford.edu我们观察我们下载的数据集test和train目录下都有25000

weixin_39667509·2023-10-02 01:23

机器学习笔记 - 基于强化学习的贪吃蛇玩游戏

机器学习笔记-DeepQ-Learning算法概览深度Q学习是一种强化学习算法，它使用深度神经网络来逼近Q函数，用于确定在给定状态下采取的最佳操作。

坐望云起·2023-09-30 13:03

回顾经典，Netflix的推荐系统架构

这里是「王喆的机器学习笔记」的第三十一篇文章。最近因为忙着书出版和DLP-KDDWorkshop的事情，没太多时间更新专栏，等过了这段时间再跟大家多聊聊。

王喆的机器学习笔记·2023-09-30 11:41

自然语言处理NLP概述

目录1.自然语言处理概述1.1什么是NLP1.2NLP的难度是什么1.3NLP相关的技术2.NLP常用库2.1NLTK2.2TextBlob2.3Gensim2.4Pattern2.5SpaCy2.6StanfordCoreNLP1

满腹的小不甘·2023-09-30 10:45

Norms and Inner Products

Seehttps://ai.stanford.edu/~gwthomas/notes/norms-inner-products.pdf

知识在于积累·2023-09-29 20:42

MQTT 协议简介

MQTT协议由AndyStanford-Clark（IBM）和ArlenNipper（Arcom，现为CirrusLink）于1999年发

小小志爱学习·2023-09-28 00:33

推荐频道

stanford机器学习笔记