机器学习oi

最新推荐文章于 2024-07-30 09:45:58 发布
最新推荐文章于 2024-07-30 09:45:58 发布
阅读量57 收藏
点赞数
文章标签： 机器学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2301_78608745/article/details/133972438
版权

目录

1.集成学习

2.boosting

3.bagging

4.多样性

6.距离计算

7.聚类方法

1.集成学习

2.boosting

由该做一个模型，该模型反过来对其做预测

此时可调整权重，根据权重做采样，新的数据集里会对原先模型里预测错误的两个数据多加关注

3.bagging

4.多样性

5.聚类

6.距离计算

7.聚类方法

聚类好坏不存在绝对标准

eg：

常见聚类方法

（1）原型聚类通常只能找到椭球形聚类

（2）密度聚类可以找到香蕉型聚类

柒柒冉
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
MyOI:我的OI学习者OI代码
03-20
我的OI事业 我的一些代码... 包括CLion工程，Visual Studio工程，和一些直接的cpp文件。 很容易区分，可以自行用对应的软件打开查看。 大部分是我做过的译文，可以当做题解来看。 但是注释比较少，可能并不是那么...
深度学习及其应用：机器学习学术报告.pdf
08-21
深度学习在智能驾驶方面的应用情况，从实际出发，了解深度学习情况。
揭秘机器学习
weixin_26752765的博客
09-07 310
The terms “artificial intelligence”, “machine learning”, and “neural networks” are loosely thrown around nowadays. With all of the hype that is built around it in the current news, machine learning is...
机器学习面试
Bebr的博客
12-30 875
（1）代码题（leetcode类型），主要考察数据结构和基础算法，以及代码基本功 虽然这部分跟机器学习，深度学习关系不大，但也是面试的重中之重。基本每家公司的面试都问了大量的算法题和代码题，即使是商汤、face++这样的深度学习公司，考察这部分的时间也占到了我很多轮面试的60%甚至70%以上。我去face++面试的时候，面试官是residual net，shuffle net的作者；但他们的面试...
总结：机器学习之DBSCAN
w2009211777的专栏
03-30 556
一、基本思想 DBSCAN是一种基于密度的聚类算法，这类密度聚类算法一般假定类别可以通过样本分布的紧密程度决定。同一类别的样本，他们之间的紧密相连的，也就是说，在该类别任意样本周围不远处一定有同类别的样本存在。 通过将紧密相连的样本划为一类，这样就得到了一个聚类类别。通过将所有各组紧密相连的样本划为各个不同的类别，则我们就得到了最终的所有聚类类别结果。 二、DBSCAN密度定义 在上一节我们定性描述了密度聚类的基本思想，本节我们就看看DBSCAN是如何描述密度聚类的。DBSCAN是基于一组邻域来描述
简述机器学习和深度学习的区别
秋名山码民的技术小屋
07-15 1368
博主目前不是相关从事人员，本文的书写时，博主学习机器学习与深度学习已有2月有余，如有知识性错误还请指正。如果本文对你有所帮助，还请三连支持一下博主！
机器学习中的分类距离
CDA数据分析师
11-19 230
作者 | 我的智慧生活 来源 | 咪付 生活中，距离通常是用于形容两个地方或两个物体之间的远近。在人工智能机器学习领域，常使用距离来衡量两个样本之间的相似度。 “物以类聚” 我们知道“物以类聚”通常用于比喻同类的东西经常聚在一起。机器学习中，距离就是遵循物以类聚的思想。通过两个样本特征数据进行距离计算后，得到的距离值越小，代表两者的相似度越高，属于同一类的可能性就越高。换句话说，距离能够决定...
机器学习笔记（《统计学习方法》李航and《机器学习》周志华）
妙手书生的博客
04-09 2450
机器学习一些笔记，内容包含：《统计学习方法》李航and《机器学习》周志华以及网上相关知识总结。 目录 知识点 感知机 k近邻法 朴素贝叶斯 决策树 logistic回归和最大熵模型 支持向量机 提升方法 EM算法 隐马尔可夫模型(HMM) 统计学习方法总结 知识点 进程和线程:进程和线程都是一个时间段的描述，是CPU工作时间段的描述，不过是颗粒大小不同.进程就是包换上下...
机器学习笔记
maluyao17的博客
02-24 1308
《机器学习》、《统计学习方法》部分笔记
机器学习数据挖掘面试
ferb的语音识别学习小站
04-29 489
欠拟合：模型太简单了，特征是否过少 过拟合：增加样本量，减少特征数，降低模型复杂度等 L1正则化其实就是讲权值的绝对值和加入损失函数，使得权值中0值比重增大，因此得到的权值较为稀疏。L2正则化则是将权重的平方和加入损失函数，使得权值分布更加平均，所以权值较为平滑。 ROC曲线的AUC值是比较重要的内容，要能知道具体ROC曲线是怎么画出来的。回归的话比如MSE，RMSE或和业务相关的加权计算公式等。...
李宏毅机器学习2020春季作业二hw2（2）
qq_46126258的博客
01-27 1563
文章目录二、Porbabilistic generative model1、Preparing Data1、Mean and Covariance2、Computing weights and bias3、Predicting testing labels 二、Porbabilistic generative model 1、Preparing Data 训练集和测试集的处理方法和 logistic regression 一样，然而因为 generative model 有可解析的最佳解，因此不必使用到 d
基于OI-LSTM神经网络结构的人类动作识别模型研究.pdf
09-26
【标签】: 神经网络、深度学习、机器学习、数据建模、专业指导 【内容详解】: 随着移动设备传感器的广泛应用，对日常人类行为动作识别的需求日益增长。传统的识别方法依赖于启发式过程来获取人工特征，再通过机器...
2000 OI 集训队论文
08-24
最后，集训队论文也可能是对新趋势和新技术的探索，如并行计算、分布式系统、机器学习在编程竞赛中的应用等。这些前沿话题可以帮助读者保持与时俱进，拓宽视野。 总的来说，《2000 OI 集训队论文》是ACMer提升技能...
从零开始学习机器学习，掌握AI未来的关键！
qq_42538588的博客
07-25 1278
欢迎来到"人工智能-机器学习基础"！在本文中，我们将一起探索人工智能的奇妙世界。首先，让我们来介绍一下人工智能的概述。人工智能（Artificial Intelligence）是一门研究如何使机器具备智能能力的科学与技术。简单来说，它是能够像人类一样思考、学习和决策的机器。人工智能可以追溯到上个世纪50年代，当时科学家们就开始尝试模仿和理解人类的思维过程。然而，由于当时计算机技术的限制，人工智能的发展并不顺利。直到最近几年，随着计算能力的迅猛增长和大数据的普及，人工智能取得了巨大突破。
昇思25天学习打卡营第1天|快速入门
07-28 740
昇思大模型平台是一个集算法选型、创意分享、模型实验和大模型在线体验为一体的AI学习与实践社区，而且还内置了AI实验室，它覆盖多领域任务，体验全流程开发，支持用户在线训练和推理可视化，可创建自己的项目空间对待开发者很友好，提供云上开发环境，无需配置环境，既可灵活调试运行代码，每天免费使用8个小时。
MOE模式：或将是最好的大模型应用开发路径
AI相关从业分享
07-28 726
MOE（Mixture of Experts，混合专家）是一种机器学习模型架构，旨在通过结合多个专家网络来提高模型的性能和泛化能力。以下是传统模型和大模型中MOE模式的相关介绍及其优势。传统模型中的MOEGate网络：决定输入数据应该被路由到哪一个专家网络。Gate网络可以根据输入数据的特征来动态分配数据。Expert网络：一系列专门的网络，每个网络都是针对特定数据分布进行训练的。Expert网络可以是对特定问题有深入理解的小模型。组合层：将所有Expert网络的输出进行组合，形成最终的预测结果。
带并行卷积的水下图像背景前景分割方法
最新发布
renhongxia1的博客
07-30 700
图6，7为不同照度条件下水下图像及在不同分割方法的实验结果，其中第1，4行的原始图像为13.826 lx照度下采集的，第2，5行为6.947 lx照度下采集的，第3，6行为0.925 lx照度下采集的。在进行图像采集时，图6，7中，目标距离采集设备分别为1.4，1 m。图5是相机距目标1.4 m处采集的图像，图5a）为空气中的图像，图5b）为照度为13.826 lx条件下采集的水下图像，图5c）为照度为6.947 lx条件下采集的水下图像，图5d）为照度为0.925 lx条件下采集的水下图像。
中学OI竞赛：编程奥赛背后的挑战与收获
然而，投入OI也意味着牺牲休息时间（如放弃午睡），减少文化课的学习专注度，可能需要调整课程安排以保证训练时间，甚至可能面临来自老师和家长的阻力。 对于游戏和音乐的态度有所分歧，作者强烈反对比赛期间玩游戏...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值