机器学习优质文章集合

已于 2024-03-16 12:42:20 修改
阅读量440 收藏 8
点赞数 10
分类专栏： 机器学习优质博客集合 文章标签： 机器学习 笔记 学习
于 2024-02-24 12:59:52 首次发布
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/jx232515/article/details/136270529
版权
本文档汇集了作者在学习过程中发现的高质量机器学习博客，旨在方便自我学习和查阅，强调非原创，尊重原作者权益。
摘要由CSDN通过智能技术生成

本博客是将自己在学习中遇到的优质的机器学习的博客进行汇总，会不定期的汇总，方便自己不断的学习查阅，没有抄袭的意思，还请原作者理解。

2017-2018年机器学习顶会优质论文集合
07-23
这个论文集合为了解和追踪机器学习领域的前沿动态提供了宝贵资源。通过深入阅读和研究这些论文，我们可以洞察到过去两年中技术的发展趋势，同时为未来的创新提供灵感和基础。无论是对于研究人员、开发者还是爱好者，...
机器学习算法快速入门
图像学习之旅
04-15 2032
机器学习（Machine Learning，简称 ML）是人工智能领域的一个分支，也是人工智能的核心，其涉及知识非常广泛，比如概率论、统计学、近似理论、高等数学等多门学科。就当下而言，Python 无疑是机器学习领域最火的编程语言，这得益于 Python 对科学计算的强大支持。因此，本套教程中关于机器学习算法的代码均采用 Python 机器学习库 sklearn 编写。
揭秘AI：机器学习与深度学习的奥秘
Edison's 小宇宙
03-14 1749
从0到1：揭秘人工智能背后的机器学习与深度学习
【机器学习-01】机器学习基本概念与建模流程
qq_38614074的博客
03-15 7756
机器学习基本概念和建模流程介绍
50个最佳机器学习公共数据集
weixin_61057398的博客
08-21 696
下面的这些数据集对于数据分析以及人工智能、深度学习有很大帮助，可以用来训练我们的模型。！！！！外国自体mlmemoirs根据github、福布斯、CMU官网等信息，整理了一张50个最佳机器学习公共数据集的榜单，为大家分享一下~
【机器学习】《机器学习算法竞赛实战》第7章用户画像
weixin_43416960的博客
04-04 1395
机器学习中提到的用户画像，通常是基于给定的数据对用户属性、行为进行描述，然后提取个性化指标，再以此分析可能存在的群体共性，并落地应用到各种业务场景中。
机器学习基础总结
changreal的博客
08-31 2112
目录 文章目录分类模型指标数据预处理非数值型重复值、缺失值、异常值处理多重共线性问题样本不平衡过拟合正则化PCA主成分分析介绍应用优缺点决策树决策树的生成过程决策树优缺点应用场景不同的决策树算法辨析树的集成算法Bagging和boosting随机森林介绍构建步骤应用场景优势劣势逻辑回归介绍优缺点应用朴素贝叶斯介绍条件独立性假设应用场景优缺点常见类型的贝叶斯支向量机SVM介绍优缺点KNN算法介绍k值选择优缺点K-means 分类模型指标 ROC, AUC accuracy, precision, recall
机器学习day02
qlyyds123的博客
08-20 1051
字典列表特征提取是指从一系列字典组成的列表中提取特征，并将其转换成机器学习算法可以使用的数值型数据的过程。这些字典通常包含了一些非数值型的数据，比如类别型特征（如城市名、颜色等）和数值型特征（如温度、价格等）。CountVectorizer 是一个用于文本特征提取的工具，它主要用于将文本数据转换成数值型特征向量。这些特征向量可以被机器学习算法用来进行分类、聚类等任务。jieba 是一个非常流行的中文分词库，它可以帮助我们将中文文本分割成一个个有意义的词语。
python深度学习机器学习必备的学习网站集合！
06-02 3173
python深度学习机器学习必备的学习网站集合！
【机器学习-05】模型的评估与选择
热门推荐
qq_38614074的博客
03-19 1万+
在前面的文章中我们已经知道了机器学习的一些基本概念和模型构建的流程，本章我们将介绍模型训练出来后如何对模型进行评估和选择等。
【机器学习】舍友居然偷偷在看这篇文章·入门机器学习
kikokingの比特宇宙
04-12 6007
kiko力求用最通俗的语言和实战案例来解释机器学习的相关内容！
Python机器学习算法入门教程（一）
生产队的刘同学
08-16 1006
很早就想写一门关于 Python“机器学习”的教程，不过碍于自身知识的局限性，不知如何下手。如果写的教程通篇只是探讨代码、数学知识、算法原理，这样的教程读起来必然索然无味。经过冥思苦想，终于突发灵感，可不可以写一部关于“机器学习算法”的入门教程呢？让初学者更容易理解常用的机器学习算法，从而帮助那些想要了解机器学习的人，打开通往人工智能世界的大门。机器学习是一门涉及了大量逻辑与算法的技术，令很多人望而却步，既想掌握，又害怕自己数学知识“拖后腿”，最终导致前功尽弃。......
Python机器学习：适合入门的8个项目
python2021_的博客
06-14 1709
再多的理论也不能代替动手实践。教科书和课程会让你误以为精通，因为材料就在你面前。但当你尝试去应用它时，可能会发现它比看起来更难。而「项目」可帮助你快速提高应用的 ML 技能，同时让你有机会探索有趣的主题。此外，你可以将项目添加到你的投资组合中，从而更轻松地找到工作，找到很酷的职业机会，甚至协商更高的薪水。在这篇文章中，我们将为初学者介绍 8 个有趣的机器学习项目。你可以在一个周末完成其中的任何一个，或者如果你很喜欢它们，可以将它扩展为更长的项目。我们亲切地称其为「机器学习角斗士」，但它并不新鲜。这是围绕机器
AutoML：自动化机器学习
AI天才研究院
08-21 1533
随着人工智能和机器学习技术的快速发展，其应用范围不断扩大，涵盖了从医疗诊断到金融预测、从自动驾驶到智能制造等多个领域。然而，构建高性能的机器学习模型通常需要深厚的专业知识和大量的时间投入。这一现状不仅限制了机器学习技术的普及，也为许多企业和组织带来了巨大挑战。在这样的背景下，自动化机器学习（Automated Machine Learning，简称AutoML）应运而生。
【机器学习】什么是随机森林？
m0_59252838的博客
03-24 476
每棵树独立地做出预测，最终随机森林通过投票（分类问题）或平均（回归问题）得到最终的预测结果。每个学生（决策树）都有自己的观点和判断标准，但是由于每个人的经验和知识不同，他们的答案可能会有所不同。通过让所有学生投票并选取最常见的答案，我们可以减少单个学生错误判断的概率，从而得到更准确的答案。每棵决策树会根据这些特征来判断动物是不是鸟，而随机森林则是由多棵决策树组成，最后通过多数投票来决定最终结果。这个过程类似于随机森林，它由多个决策树组成，每棵树独立地做出预测，最后通过“多数投票”来得出最终的预测结果。
【漫话机器学习系列】153.残差平方和（Residual Sum of Squares, RSS）
IT古董
03-21 723
在机器学习和统计建模中，衡量模型的拟合优劣是一个重要问题。残差平方和（Residual Sum of Squares, RSS）是一个常用的误差度量方法，它衡量了模型预测值与真实值之间的偏差。本文将深入解析残差平方和的定义、数学表达、计算方式、作用以及在实际应用中的意义。
机器学习中的 K-均值聚类算法及其优缺点
最新发布
编程在手天下我有的博客
03-25 247
K - 均值聚类是无监督学习算法，经选初始中心、归类样本、算新中心等迭代步骤聚类。其简单有效，适用于大规模及均匀分布数据的聚类和数据集初步分析，但存在 K 值需调整、易局部最优、对异常值噪声敏感等局限，处理复杂数据集时需斟酌。
【机器学习】线性回归和逻辑回归的区别在哪？
m0_59252838的博客
03-24 434
在这个例子中，逻辑回归模型输出的是一个概率值，表示给定学习时间为 5 小时，学生通过考试的概率为 57%。线性回归和逻辑回归是两种常见的回归模型，它们有一些相似的地方，但也有很大的区别。让我们通过通俗的例子来理解它们的不同，并提供代码示例。在这个例子中，线性回归模型通过学习数据中的关系（面积和价格之间的线性关系）来预测价格。模型的输出是一个连续的值（房价）。假设你想根据房子的面积来预测它的价格。我们想知道，给定一个学习时间，预测考试是否通过。的数值，例如预测房价、温度、收入等。来预测给定面积的房价。
【机器学习】什么是线性回归？
m0_59252838的博客
03-24 537
线性回归是一种简单而强大的方法，用于预测数值型结果。通过拟合数据点并找到最佳的线性关系，我们可以预测新数据的结果。简单来说，线性回归就是找出一个数学方程（通常是线性方程），它能够预测一个数值结果。你可以通过线性回归找出面积和房价之间的关系。通过这种方式，线性回归帮助我们找到了房价和面积之间的关系，进而可以预测其他房子的价格。假设你有一个简单的数据集，想要预测某个城市的房价。，它通过拟合一个直线（或平面，高维空间下是超平面）来建立。你希望通过这些数据来预测一个新房子的价格。，即每平方米的价格是 3 万元。
AI与Web安全精选资料库：优质博客与项目集
资源摘要信息:"本资源库名为‘Ai与Web安全相关资料的总结库’，它包含了一系列精选的博客文章、项目案例和数据集等，这些内容专注于人工智能（AI）、机器学习（ML）以及深度学习（DL）领域的知识和应用。通过本资源...
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