机器学习
文章平均质量分 81
AI每天一点点
可以咨寻【AI交叉学科、SCI、CCF-ABC、期刊、会议、本硕博论文、在职论文指导、Kaggle带队拿牌、 润色发刊等 】白嫖人工智能学习资源包
展开
-
彻底理解 AdaBoost 自适应提升算法 | AdaBoost 的关键要点、基本原理、优缺点和实际应用
即自适应提升()算法的缩写,是一种基于策略的集成学习方法,旨在。AdaBoost 的 “自适应” 二字意味着它能够在每一轮迭代后调整对训练数据实例的关注度(特别是那些之前被错误预测的样本)和更新弱学习器的权重。与随机森林类似,AdaBoost 也是集成学习中的代表性算法之一,并且适用于分类和回归任务。Boosting 方法在近年来的多项数据竞赛中均取得了卓越的成绩,其背后的概念却并不复杂。该方法通过简单、易于理解的步骤构建简单的模型,进而将这些简单模型组合成强大的学习器。原创 2024-07-08 17:24:14 · 865 阅读 · 0 评论 -
谷歌搅局AI制药,进击的AlphaFold3模型,生物分子预测的大一统工具?
2024年5月8日,DeepMind团队在《自然》期刊上发表了一篇《利用AlphaFold 3对生物分子相互作用进行精确结构预测》的文章。这是继2024年1月17日发布“能够解决奥数级别的平面几何难题”的人工智能AlphaGeometry之后,DeepMind在《自然》期刊上发布的最新一款专门解决某一类特定问题的人工智能。谷歌AlphaFold3模型问世,或许标志着CSP领域达到了一个新的高度!蛋白质由蛋白质一级结构组成,蛋白质折叠的过程中蛋白质会自发折叠形成蛋白质三级结构。原创 2024-05-20 16:50:04 · 688 阅读 · 0 评论 -
机器学习的正则化到底是什么意思?Regularization
虽然这不是正则化的直接缺点,但在实践中采用早停法(Early Stopping)作为一种正则化手段时,它依赖于验证集的表现,并且可能受随机性影响较大,尤其是在有限数量的迭代次数或小批次大小下。综上所述,正则化是机器学习中一种强大的工具,它不仅提高了模型的泛化能力和稳定性,还提供了特征选择的可能性,并有利于优化问题的解决,进而提升整个机器学习系统的性能和实用性。总的来说,正则化是一种有效的技术,可以降低模型的复杂度,提高模型的泛化能力,从而改善模型在测试数据上的表现。原创 2024-02-22 17:02:09 · 1377 阅读 · 0 评论 -
超强总结!十大聚类算法!机器学习算法K-means、层次聚类、DBSCAN、谱聚类、高斯混合模型、模糊C-means、K-medoids、Mean Shift、OPTICS、BIRCH
不过,选择合适的簇数量和协方差类型对于获得好的聚类结果至关重要。与传统的聚类算法(如K-means)不同,谱聚类依赖于数据的相似性矩阵,并利用数据的谱(即特征向量)来进行降维,进而在低维空间中应用如K-means的聚类方法。这种算法与著名的 K-means 算法相似,但主要区别在于 K-medoids 选择数据点中的实际点作为簇的中心,而 K-means 则使用簇内数据点的均值。K-means 是一种广泛使用的聚类算法,它的目标是将数据点分组到 K 个簇中,以使簇内的点尽可能相似,而簇间的点尽可能不同。原创 2024-02-19 17:34:59 · 3451 阅读 · 0 评论 -
周志华西瓜书+花书圣经+李航统计学习方法+南瓜书|四大人工智能名著分享
特别是监督学习方法,包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、em算法、隐马尔可夫模型和条件随机场等。叙述从具体问题或实例入手,由浅入深,阐明思路,给出必要的数学推导,便于读者掌握统计学习方法的实质,学会运用。第3部分为进阶知识,内容涉及特征选择与稀疏学习、计算学习理论、半监督学习、概率图模型、规则学习以及强化学习等。全书的内容包括3个部分:第1部分介绍基本的数学工具和机器学习的概念,它们是深度学习的预备知识;1、超详细的人工智能学习路。原创 2024-01-12 20:00:00 · 912 阅读 · 0 评论 -
建议收藏的人工智能书籍-《图解机器学习》
第一部分:绪论(什么是机器学习、学习模型)第二部分:有监督回归(最小二乘学习法、带有约束条件的最小二乘法、稀疏学习、鲁棒学习)第三部分:有监督分类(基于最小二乘法的分类、支持向量机分类、集成分类、概率分类法、序列数据的分类)第四部分:无监督学习(异常检测、无监督降维 、聚类)第五部分:新兴机器学习算法(在线学习、半监督学习、监督降维、迁移学习、多任务学习)原创 2023-02-04 21:00:00 · 198 阅读 · 0 评论 -
计算机视觉六大技术:图像分类、目标检测、目标跟踪、语义分割、实例分割、影像重建..
计算机视觉是当前最热门的研究之一,是一门多学科交叉的研究,涵盖计算机科学(图形学、算法、理论研究等)、数学(信息检索、机器学习)、工程(机器人、NLP等)、生物学(神经系统科学)和心理学(认知科学)。由于计算机视觉表示对视觉环境及背景的相对理解,很多科学家相信,这一领域的研究将为人工智能行业的发展奠定基础。原创 2022-11-01 16:29:37 · 5286 阅读 · 0 评论 -
研究生如何入门机器学习?
机器学习融合了概率论、线性代数、凸优化、计算机、神经科学等多方面的复杂技术,但是其实真正学的时候,最有用的还是线性代数和高等数学的知识,所以一定要把这两个科目的基础打牢。教授的课程也不错,讲课生动有趣,并且有的内容是可以和Ng相互补充,还有唐宇迪的课也适合小白入门,比较通俗易懂,有时间的话建议一起看。西瓜书的时候,整个人学完一天脑袋都是痛的,公式晦涩难懂,不适合新手学习,不是直接学习西瓜书。通过自己大半年的接触和了解,结合一些大佬们的需求,对于如何入门机器学习提出自己的几点看法。.........原创 2022-08-10 15:55:18 · 761 阅读 · 1 评论 -
一起啃书《Python深度学习》比啃书更有效的人工智能深度学习初学者入门(附视频、源码及中英文书籍)
本书由Keras之父、现任Google人工智能研究员的弗朗索瓦·肖莱(François Chollet)执笔,详尽介绍了用Python和Keras进行深度学习的探索实践,涉及计算机视觉、自然语言处理、生成式模型等应用。原创 2022-06-27 17:36:06 · 230 阅读 · 0 评论 -
卷积神经网络之父Yann LeCun 最新发声:自监督+世界模型,让 AI 像人类与一样学习与推理
如何突破当代人工智能(AI)的瓶颈?不同学者存在不同观点。总体来看可以概括为两类,其一监督学习者,提倡通过改善数据标签质量,从而完善监督学习。代表人物有发起“以数据为中心AI”革命的吴恩达,提倡设计“合成数据自带所有标签”的Rev Lebaredian。其二,无监督学者,例如Yann LeCun,提倡下一代AI系统将不再依赖于精心标注的数据集。近日,Yann LeCun在meta AI(原Facebook)官方博客上以及IEEE采访中,深度阐述了他的自监督学习思路,他认为AI想要突破现在的...转载 2022-02-27 16:16:29 · 715 阅读 · 0 评论 -
人工智能-机器学习学习路线及详细的机器学习入门资源整理
导读:学习是一项复杂的智能活动,学习过程与推理过程是紧密相连的,按照学习中使用推理的多少,机器学习所采用的策略大体上可分为4种——机械学习、通过传授学习、类比学习和通过事例学习。学习中所用的推理越多,系统的能力越强。转载 2022-02-21 15:58:45 · 578 阅读 · 0 评论