- 博客(6)
- 收藏
- 关注
RSS订阅原创 机器学习（二）——K近邻（KNN）算法详解
KNN（K-Nearest Neighbors，K近邻）算法是一种基础且直观的监督学习算法，广泛应用于分类和回归任务。其核心思想是"物以类聚"：一个样本的类别或数值，可以由其特征空间中最接近的 K 个邻居的多数类别或平均值来决定。
2025-09-05 12:03:34
3097
原创 机器学习（一）——Scikit-learn入门常用API
Scikit-learn是Python中备受欢迎的开源机器学习库，构建于NumPy、SciPy和Matplotlib之上。它以其简洁一致的API设计、丰富的算法库和高效的数值计算能力，成为数据科学家和机器学习实践者的首选工具。该库涵盖了数据预处理、特征工程、模型训练与评估的完整机器学习流程，支持分类、回归、聚类、降维等多种任务。通过简单的fit、predict、transform方法，用户能够快速构建从实验到生产的机器学习管道，真正实现了机器学习的民主化。
2025-09-01 21:36:02
1207
原创 人工智能知识分享专栏开篇大纲（二）——揭秘机器学习：从“如果，就”到“未卜先知”的智能革命
机器学习是人工智能的核心分支，它通过算法让计算机从数据中自动学习规律和模式，无需显式编程即可完成预测或决策任务。根据学习方式，机器学习主要分为四类：监督学习（如分类、回归，使用带标签数据）、半监督学习、无监督学习（如聚类、降维，处理无标签数据）以及强化学习（通过与环境交互试错优化策略）。其应用广泛涵盖图像识别、自然语言处理、推荐系统、医疗诊断和自动驾驶等领域。随着大数据和计算能力的提升，机器学习持续推动各行业智能化变革，并面临可解释性、数据隐私等挑战。
2025-08-31 18:50:21
1128
原创 人工智能知识分享专栏开篇大纲（一）——从人工智能(AI)到深度学习(DL)与机器学习(ML)的演进与原理
人工智能（AI）是涵盖机器智能模拟的广义领域，旨在让机器具备感知、决策等人类智能能力。机器学习（ML）作为AI的子集，通过数据驱动的方法自动学习规律，无需显式编程，分为监督学习、无监督学习和强化学习等类型。而深度学习（DL）则是ML的进阶分支，基于多层神经网络自动提取特征，擅长处理图像、语音等复杂非结构化数据，但依赖大量数据和算力支持。三者呈层级关系：AI ⊃ ML ⊃ DL。
2025-08-30 13:36:19
1890
原创 关于《国务院“人工智能+”行动意见》的解读
2025年8月，国务院发布《“人工智能+”行动意见》，标志着中国AI战略从技术追赶转向社会重构。政策锚定三大目标：2027年智能终端与智能体普及率超70%，2030年超90%，2035年全面建成智能社会。核心突破系统性部署六大领域。政策独创 “发展中治理”范式：既要求量子计算等前沿突破，也建立全球最严监管防火墙。————“AI的终极目标是让人类生活更美好"
2025-08-28 08:52:44
1635
原创 分层推理模型（HRM）：让AI像人脑一样“默默思考”的推理引擎
层次化推理模型( Hierarchical Reasoning Model，HRM )，这是一种新颖的循环架构，在保持训练稳定性和效率的同时，获得了显著的计算深度。 HRM通过两个相互依赖的循环模块，即负责缓慢、抽象规划的高级模块和处理快速、详细计算的低级模块，在单个正向传递中执行顺序推理任务，而不需要对中间过程进行明确的监督。在仅使用2700万个参数的情况下，HRM仅使用1000个训练样本就在复杂推理任务上取得了优异的性能。
2025-08-27 16:22:17
3526
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人