吃瓜教程（2021.07）task1(1-2章)

最新推荐文章于 2024-10-16 22:26:17 发布
最新推荐文章于 2024-10-16 22:26:17 发布
阅读量177 收藏
点赞数
分类专栏： 机器学习 文章标签： 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/lasia_0420/article/details/118680866
版权

第一章 绪论

NFL原理(没有免费的午餐):假设数据的分布均匀，使用任何分类方法的误差的期望是相同的【要针对具体的学习问题来谈论算法的相对优劣】

奥卡姆剃刀：如果多个假设与观察一致，则选择那个简单的

发展进展：
赋予机器逻辑推理能力----->把知识总结起来交给计算机------>让机器自己学习

第二章 模型评估与选择

1.如何划分训练集和测试集
（1）留出法：直接将数据集分为两个互斥的集合
（2）k倍交叉验证：将数据集D划分为k个大小相同的互斥子集，每个子集尽可能保持数据分布的一致性，每次用k-1个自己作为训练集，剩下的一个为测试集，进行k次训练（每次选取的测试集都不一样），然后求平均值
（3）自助法（取样）：适用于数据集小，难以有效划分数据集【集成学习】
2.性能度量

种类真实情况预测情况
TP正正
FN正负
FP负正
TN负负

查准率（P）：TP／（ＴＰ＋ＦＰ）
查全率（R）：ＴＰ（ＴＰ＋ＦＮ）

［查全率和查准率相互矛盾］
平衡点BEP（查全率＝查准率）

lasia_0420
关注
专栏目录
Pytorch图像分类实战笔记Task01-Task07|Datawhale组队学习
weixin_45480097的博客
01-17 890
将数据集统一命名为数字-->获得文件名列表full_dataset-->打乱列表random_dataset-->set train_rate = 0.8,train_dataset = random_dataset[:int(full_dataset)*0.8],test_dataset =random_dataset[int(full_dataset)*0.8:] -->移动文件。文件：gif格式的、非三通道图片（三通道图可以是彩色图，可以是灰度模式的图像。第一步，导入所需要的库。
解决Could not find org.jetbrains.kotlin:kotlin-stdlib-jre7:1.3.20问题
lplj717的博客
09-15 6662
下载了别人的一个项目，项目编译完成没有出错，运行时出现如下错误 Execution failed for task ':app:checkDebugAarMetadata'. > Could not resolve all files for configuration ':app:debugRuntimeClasspath'. > Could not find org.jetbrains.kotlin:kotlin-stdlib-jre7:1.3.20. Searched
2021-07-13
qq_45514643的博客
07-13 232
机器学习(1） 第1章 绪论机器学习(1）1、基本概念和术语1.引入库2.1经验误差与过拟合1.引入库2.读入数据总结 1、基本概念和术语 1.引入库 机器学习是致力于通过计算的手段，利用数据来改善系统自身的性能的学科。 根据预测结果的类型，可以将机器学习任务分为二类。 **分类：**预测结果的类型是离散值，例如"好瓜"，“坏瓜”； **回归：**预测结果的类型是连续值，例如西瓜的成熟度0.37、0.95。 根据训练数据是否拥有标记信息，学习任务也可大致划分为两大类。 **监督学习(supervised l
2021-07-14
Codewith_jing的博客
07-14 438
Datawhale组队学习之集成学习——Task2回归问题前言一、回归和分类1.回归2.分类二、使用sklearn构建完整的机器学习项目流程1.使用sklearn构建完整的回归项目2.作业 前言 机器学习的一个重要的目标就是利用数学模型来理解数据，发现数据中的规律，用作数据的分析和预测。数据通常由一组向量组成，这组向量中的每个向量都是一个样本，我们用xix_ixi​来表示一个样本，其中i=1,2,3,...,Ni=1,2,3,...,Ni=1,2,3,...,N,共N个样本，每个样本xi=(xi1,xi2
2021-07-10
weixin_45485251的博客
07-13 52
吃瓜Task01 第1章 绪论 机器学习研究的主要内容就是关于从数据中产生模型的算法，即从一堆现有的西瓜的数据中产生“模型”，再来一个新瓜，“模型”就会帮助判断是否是好瓜。 第2章 模型评估与选择 ...
CentOS7安装Hadoop-3.3.0集群
web15085181368的博客
03-25 4560
Hadoop 一、环境搭建VMware ,CentOS7,Ubuntu 1、VMware Workstation 15 Pro安装图解教程 详细见：https://www.shuzhiduo.com/A/Gkz1PGeQdR/ 2、VMware Workstation 15 Pro安装带图形化界面的CentOS7 详细见：https://www.shuzhiduo.com/A/qVde08Gg5P/ 3、VMware Workstation 15 Pro中安装ubuntu1804 详细见：https:/
Elastic Stack-01-Filebeat-8.3
qq_22648091的博客
12-29 1619
一、安装 curl -L -O https://artifacts.elastic.co/downloads/beats/filebeat/filebeat-7.10.1-linux-x86_64.tar.gz tar xzvf filebeat-7.10.1-linux-x86_64.tar.gz -C / 二、启用和配置数据收集模块编辑 Filebeat使用模块来收集和解析日志数据。 1 查看可以启用的模块列表 ./filebeat modules list 2 在安装目录中，启用一个或多个模块。
SparkSql读取外部Hql文件的公共类开发
m0_46168848的博客
09-17 1239
SparkSql读取外部Hql文件并执行和传参的公共类开发
Mysql无法正常启动，启动过程无限等待
weixin_43675226的博客
07-15 792
项目场景： Mysql启动一直等待 问题描述： Mysql启动命令执行后一直等待，查询mysql错误日志（cat /var/log/mysqld.log）发现 /usr/sbin/mysqld: File './master-bin.~rec~' not found (Errcode: 28 - No space left on device) 2021-07-15 08:46:25 10460 [ERROR] MYSQL_BIN_LOG::open_purge_index_file failed
ELK部署
qq_44692240的博客
03-16 265
文章目录ELK部署ELK组成ELK作用ELK安装软件前置配置单机安装Elasticsearch集群安装插件Elasticsearch管理 （增删改查）Kibana安装Logstash安装filebeat安装 ELK部署 ELK组成 Elasticsearch: 负责日志检索和储存（数据库） Node: 装有一个ES服务器的节点 Cluster: 有多个Node组成的集群 Index: 拥有相似特征的文档的集合 Type: 一个索引中可以定义一种或多种类型 Document: 一个可被
gradle-3.3-all.zip 绿色版本，欢迎下载
01-09
6. **Task API更新**：Gradle 3.3改进了Task API，使得开发者能更容易地创建和定制任务，提高构建脚本的可维护性。 7. **命令行界面改进**：Gradle的命令行界面变得更友好，增加了新的选项和命令，方便开发者进行...
Firebase引用版本冲突解决：Android dependency 'com.google.android.gms:play-services-basement' has different
小小T的专栏
03-05 7421
前两天在RN项目中集成原生的firebase，之后报错插件版本冲突，报错信息如下： What went wrong: Execution failed for task ‘:app:preDebugBuild’. Android dependency ‘com.google.android.gms:play-services-basement’ has different version f...
自动构建SB项目，pom.xml报错Failure to transfer org.springframework.boot:spring-boot-starter-parent:pom:2.2.6.
热门推荐
handsomepig123_的博客
04-13 2万+
使用idea自动构建springboot项目，出现Failure to transfer org.springframework.boot:spring-boot-starter-parent:pom:2.2.6.RELEASE from https://repo.maven.apache.org/maven2 was cached in the local repository, resolut...
机器学习与深度学习的分类
ydl1128的博客
10-16 296
机器学习和深度学习各有分类和算法，各自适用于不同的问题。机器学习在特定任务上相对简单、易于解释，但在处理复杂模式时可能表现不佳；而深度学习通过复杂的模型能够处理高维数据，但训练成本高且需要大量数据。选择适当的算法和方法，基于具体的应用场景和数据特点，可以更好地实现问题的解决。
demo_GAN
yyfhq的博客
10-16 344
这个操作会将图像数据从0-255的整数值范围（如果是uint8类型）转换为0-1之间的浮点数范围，并且会将图像的形状从(H, W, C)转换为(C, H, W)，其中H是高度，W是宽度，C是通道数。# 这是一个Leaky ReLU激活函数层，它的作用是将负数的输入值乘以一个小的常数（这里是0.2），然后将结果作为输出，在原始数据上进行操作。transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5)) # 归一化到 [-1, 1]
机器学习——解释性AI
hong161688的博客
10-13 726
解释性AI（XAI）是一种人工智能技术，旨在提高ML模型和AI系统决策的解释和可解释性。XAI通过揭示AI系统背后的推理、决策和预测过程，以及解释其结果和行为，使人们能够理解、相信和信任AI系统的行为。传统的机器学习算法（如决策树、逻辑回归等）通常可以提供一定程度的解释性，因为它们的决策过程相对简单和可理解。然而，随着深度学习和神经网络的兴起，由于其复杂的结构和黑盒性质，这些模型往往难以解释，即人们难以理解它们如何进行决策和预测。XAI的目标是开发出一系列技术和方法，以提供对黑盒模型的解释能力。
【动物识别系统】Python+卷积神经网络算法+人工智能+深度学习+机器学习+计算机课设项目+Django网页界面
子午的博客
10-12 731
动物识别系统。本项目以Python作为主要编程语言，并基于TensorFlow搭建ResNet50卷积神经网络算法模型，通过收集4种常见的动物图像数据集（猫、狗、鸡、马）然后进行模型训练，得到一个识别精度较高的模型文件，然后保存为本地格式的H5格式文件。再基于Django开发Web网页端操作界面，实现用户上传一张动物图片，识别其名称。
诺贝尔物理学奖：机器学习与神经网络的时代
Xinnnnn的博客
10-16 214
2024年诺贝尔物理学奖的颁发，无疑是对机器学习与神经网络研究者努力的认可。这不仅是一个奖项，更是新的科研方向的起点。随着科技不断进步，我们将继续深入探讨机器学习在各个领域的潜力与挑战，期待它为人类社会带来更大的变革与进步。在这个充满可能性的时代，科学探索的旅程才刚刚开始。
李宏毅机器学习2022-HW7-BERT-Question Answering
最新发布
Tunny_one
10-16 434
李宏毅机器学习2022-HW7-BERT-Question Answering
tez.task.launch.cmd-opts
05-26
`tez.task.launch.cmd-opts`是用于指定在执行Tez任务时传递给JVM的命令行选项的属性。这些选项可以用来配置JVM的内存使用、垃圾收集器、日志级别等。它通常用于调整任务执行的性能和稳定性。例如，可以使用以下命令设置JVM最大内存为8 GB： ``` tez.task.launch.cmd-opts=-Xmx8G ``` 在Tez中，每个任务都运行在自己的JVM进程中，因此使用`tez.task.launch.cmd-opts`可以为每个任务设置不同的JVM选项。要为整个Tez应用程序设置JVM选项，可以使用`tez.am.launch.cmd-opts`属性。
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