【机器学习】白板推导笔记（一）----诸论

于 2022-11-22 09:58:10 发布
阅读量272 收藏
点赞数
分类专栏： 机器学习
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/darlene263/article/details/127963169
版权

系列文章目录

暂时还没有，计划是一天学习一课。
不过计划之所以叫计划，就是因为不一定会照计划走，大概率是随缘学习随缘记录。

这里不写严肃的主题，记录一下相关的学习资料

随着工作内容的增多，需要学习的内容也逐渐变多，开始有一坑未填又开新坑的架势，随缘记录，争取早日把坑填平。

在这里插入图片描述

尾生爱柱子
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习-白板推导系列-前17讲笔记.pdf
08-23
Notes for machine learning algorithm prove and details
Python-机器学习白板推导系列
08-11
"Python-机器学习白板推导系列"很可能是针对初学者或希望深入理解机器学习概念的开发者的一系列教程。在这个系列中，我们将探讨机器学习的基本原理、常用算法以及Python中实现这些算法的库。 首先，让我们了解机器...
隐马尔可夫模型 HMM 的理论笔记（机器学习-白板推导系列）
irober的博客
09-04 409
机器学习-白板推导系列 听课手写笔记。推导比《统计学习方法》详细，适合入门者学习。
机器学习--白板推导系列笔记1 开篇
不积跬步，无以至千里
04-08 2192
机器学习-白板推导系列（笔记）
qq_37945983的博客
03-25 1312
机器学习-白板推导系列 第一讲：数学基础-概率-高斯分布1-极大似然估计（2020/3/15-20：24） 第二讲：数学基础-概率-高斯分布2-极大似然估计-有偏vs无偏--二维（2020/3/15-21：13） ps(有偏方差比无偏方差小，说明极大似然估计法估计的方差偏小了，这是因为有偏方差只是是对样本数据均值进行估计的方差，而忽略了样本的均值和真正的u有误差，所以有偏方差比无偏方差小...
机器学习-白板推导学习笔记-5降维PCA
gigglehuahua的博客
02-13 619
维度灾难 当数据的特征维度不断增加时，很可能会产生维度灾难。以二值数据为例，每增加一个特征维度，样本数量就要增加倍。 所以要使用一些降维的操作。常见的降维方法有：1）直接降维——特征选择；2）线性降维——PCA，MDS；3）非线性降维——流形降维。 本篇文章主要是来介绍一下PCA算法的原理及使用步骤。 PCA原理 · 数据介绍 PCA思想——“一个中心，两个基本点” 一个中心是围绕着原始特征空间进行重构，使线性相关的特征转变为线性无关。 两个基本点包括最大投影方差和最小重构代价。..
机器学习-白板推导学习笔记-4线性分类2
gigglehuahua的博客
01-31 577
​ 本篇文章是根据视频（link.）所作的学习笔记，旨在对机器学习的相关知识更好的理解和巩固。本人基础较弱，推导中看不懂的公式可能会细究，如果有理解不当之处也欢迎指出。 本篇主要介绍线性分类中的软分类模型（硬分类模型见上篇），用概率的方法进行分类。包括概率判别模型中的逻辑回归，概率生成模型中的GDA和朴素贝叶斯。 概率判别模型：根据样本数据学习出一个模型，然后对待分类数据进行概率计算，结果与0.5进行比较即可分类。 概率生成模型：根据两类样本数据学习出两个模型，然后将待分类数据带入到两个模型中，比较
机器学习-白板推导学习笔记-1绪论
gigglehuahua的博客
01-27 430
本篇文章是根据视频（ link.）所作的学习笔记，旨在对机器学习的相关知识更好的理解和巩固。本人基础较弱，推导中看不懂的公式可能会细究，如果有理解不当之处也欢迎指出。 频率派VS贝叶斯派 -频率派认为数据的分布是未知固定的，对应于统计机器学习的知识，主要实现对模型的优化（建立概率或非概率模型、设置模型的LOSS函数，求解损失函数优化模型）。 -贝叶斯派则认为数据的分布是未知不固定的，借助一定的先验知识去寻求符合数据最优的分布。通常建立概率图模型，涉及到积分问题的求解。 假设datadatadata为X=(x
机器学习-白板推导学习笔记-3线性回归
gigglehuahua的博客
01-29 631
​ 简单描述一下线性回归，即拟合出一条最适合数据（红点们）分布的函数（蓝色直线），如下图所示： 可以将该问题描述成数学公式: ，为啥没有加噪声因素，先卖个关子。 · 介绍数据 1 LSE and MLE 最小二乘估计LSE 是将要拟合出的曲线形式，下一步求取里面的参数，这里使用最小二乘估计进行求解，损失函数为二范式的平方和（也可以理解为拟合值与真实值之差的平方和）。即： ​
机器学习-白板推导学习笔记-2高斯分布
gigglehuahua的博客
01-28 668
​ 本篇文章是根据视频（link.）所作的学习笔记，旨在对机器学习的相关知识更好的理解和巩固。本人基础较弱，推导中看不懂的公式可能会细究，如果有理解不当之处也欢迎指出。 一维高斯分布 设Data为，且服从高斯分布，即。对应的概率密度函数为： ​
机器学习Scikit-Learn和TensorFlow的资料笔记.zip
07-24
机器学习Scikit-Learn和TensorFlow的资料笔记.zip机器学习Scikit-Learn和TensorFlow的资料笔记.zip机器学习Scikit-Learn和TensorFlow的资料笔记.zip机器学习Scikit-Learn和TensorFlow的资料笔记.zip机器学习Scikit-...
机器学习scikit-learn使用笔记
02-24
本文来自于csdn，本文是一篇机器学习Scikit-learn的笔记，主要介绍Scikit-learn的安装和使用，希望会对您的学习有所帮助。sklearn库依赖于numpy、scipy、matplotlib库，首先安装numpy，然后安装scipy、matplotlib库...
机器学习-白板推导学习笔记-6支持向量机SVM1
gigglehuahua的博客
02-23 1075
本篇文章是根据视频（link.）所作的学习笔记，旨在对机器学习的相关知识更好的理解和巩固。本人基础较弱，推导中看不懂的公式可能会细究，如果有理解不当之处也欢迎指出。 之前介绍感知机算法的时候说到希望找到一个超平面，是两类数据不分错。我们想一下，仅仅要求不分错数据的超平面可能不止一个，而支持向量机SVM就是来寻找这个最优的超平面。怎么去定义和寻找这个最优超平面，就是本篇要介绍的内容。 依然采用判别模型 对数据进行分类。 硬间隔SVM（hard-margin SVM） 硬分隔SVM也叫做最大间隔分类.
mpu6050陀螺仪使用方法开发教程文档.docx
07-30
mpu6050陀螺仪使用方法
【SCI顶级】龙格库塔算法RUN-CNN-LSTM-Multihead-Attention温度预测【含源码 5747期】.zip
07-30
CSDN海神之光上传的全部代码均可运行，亲测可用，直接替换数据即可，适合小白； 1、代码压缩包内容 主函数：Main .m； 数据； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，可私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开除Main.m的其他m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描博主博客文章底部QQ名片； 4.1 CSDN博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作 智能优化算法-CNN-LSTM-Mutilhead-Attention回归预测系列程序定制或科研合作方向： 4.4.1 遗传算法GA/蚁群算法ACO-CNN-LSTM-Mutilhead-Attention回归预测 4.4.2 粒子群算法PSO/蛙跳算法SFLA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.3 灰狼算法GWO/狼群算法WPA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.4 鲸鱼算法WOA/麻雀算法SSA-CNN-LSTM-Mutilhead-Attention回归预测 4.4.5 萤火虫算法FA/差分算法DE-CNN-LSTM-Mutilhead-Attention回归预测
大模型的数学之魂：统计学习理论精要
07-30
大型机器学习模型，通常简称为“大模型”，是指具有数十亿甚至数千亿参数的深度神经网络模型。这些模型因为其庞大的参数量和复杂的计算结构，能够处理非常复杂的任务和数据，展现出强大的表达能力和预测性能。大模型在自然语言处理、计算机视觉、语音识别和推荐系统等多个领域都有广泛的应用。 大模型的设计目的是通过训练海量数据来学习复杂的模式和特征，从而具备强大的泛化能力，能够对未见过的数据做出准确的预测。与参数较少、层数较浅的小模型相比，大模型虽然需要更多的计算资源和时间来训练和推理，但它们展现出了一种被称为“涌现能力”的特性，即从原始训练数据中自动学习并发现新的、更高层次的特征和模式。 大模型的发展历程可以分为几个阶段，从早期的卷积神经网络模型发展到以Transformer为代表的全新神经网络模型，再到当前以GPT为代表的预训练大模型阶段。Transformer架构因其自注意力机制而成为大模型的核心技术，它使得模型能够更好地理解和处理文本数据中的长距离依赖关系。 大模型的分类主要包括语言大模型（NLP）、视觉大模型（CV）和多模态大模型。语言大模型专注于处理文本数据和理解自然语言，而视觉大模型用
唯美淡雅四页.zip
最新发布
07-30
【简历模板】工作总结、商业计划书、述职报告、读书分享、家长会、主题班会、端午节、期末、夏至、中国风、卡通、小清新、岗位竞聘、公司介绍、读书分享、安全教育、文明礼仪、儿童故事、绘本、防溺水、夏季安全、科技风、商务、炫酷、企业培训、自我介绍、产品介绍、师德师风、班主任培训、神话故事、巴黎奥运会、世界献血者日、防范非法集资、3D快闪、毛玻璃、人工智能等等各种样式的ppt素材风格。 设计模板、图片素材、PPT模板、视频素材、办公文档、小报模板、表格模板、音效配乐、字体库。 广告设计：海报，易拉宝，展板，宣传单，宣传栏，画册，邀请函，优惠券，贺卡，文化墙，标语，制度，名片，舞台背景，广告牌，证书，明信片，菜单，折页，封面，节目单，门头，美陈，拱门，展架等。 电商设计：主图，直通车，详情页，PC端首页，移动端首页，钻展，优惠券，促销标签，店招，店铺公告等。 图片素材：PNG素材，背景素材，矢量素材，插画，元素，艺术字，UI设计等。 视频素材：AE模板，会声会影，PR模板，视频背景，实拍短片，音效配乐。 办公文档：工作汇报，毕业答辩，企业介绍，总结计划，教学课件，求职简历等PPT/WORD模板。
仿真验证阵列可以提高接收信号信噪比
07-30
这是一份模拟了阵列输入信号及噪声，并验证了相对于阵列接收到的信号，阵列输出信号可以将信噪比提高M倍，其中M为阵列的阵元个数的代码。 代码中可以随意修改阵元个数、阵元间距、波束指向角度、信号频率等。 代码中关键部分均含有文字注释，完全不必担心看不懂。 无论是从仿真波形，还是计算的信噪比结果均能看出阵元数为M的阵列将信号的信噪比提高了M倍。
scikit-learn官方文档：深入学习机器学习必备
scikit-learn（简称sk-learn）是一个广泛使用的Python库，专门用于实现各种机器学习算法。这个官方文档提供了全面且易于理解的信息，是学习和深入探索scikit-learn以及机器学习领域的宝贵资源。文档包含了从安装指南...
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