![](https://img-blog.csdnimg.cn/24a5082ea764472a907ac6fe0ce638fb.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
人工智能之旅
文章平均质量分 97
以人工智能背景为基础,介绍当前主流的人工智能领域,通过实战构建人工智能算法解决实际问题,感受人工智能的魅力,开启人工智能之旅。
盼小辉丶
记录学习历程,分享学习心得,关注深度学习,欢迎交流学习.
展开
-
一文开启计算机视觉之旅
计算机视觉的目标是使计算机`“学习”`以人类的方式理解这些图像中像素,甚至能够挖掘出其潜在的信息。本节中,我们介绍了计算机视觉的相关概念和计算机视觉中主流的任务包括:对象识别、实例识别、动作识别、场景重建等。 在人工智能的背景下,我们介绍了现代常用与计算机视觉中的网络架构,并实现了一个基础的卷积神经网络模型。在最后,我们使用两个有趣的计算机视觉项目来作为我们开启计算机视觉之旅的入场券。原创 2022-05-09 09:32:59 · 2368 阅读 · 9 评论 -
一文开启深度学习之旅
近年来,深度学习在多个领域中都取得了突破性进展,尤其是在图像识别、目标检测以及自然语言处理等领域。本文的主要目的是通过介绍深度学习存在的必要性以及相关概念,来快速入门深度学习,感受深度学习的强大魅力。在本节中,我们学习了深度学习的基本思想,同时讨论了卷积神经网络,介绍了经典的 CNN 的架构,同时了解了 CNN 中使用的各种类型的神经网络层。为了直观感受深度学习的强大性能,我们使用 Keras 框架构建了基于感知器的神经网络。最后,我们使用 CNN 构建了一个性能优异的图像分类器。...原创 2022-05-09 09:29:39 · 1550 阅读 · 1 评论 -
一文开启无监督学习之旅
本文主要介绍无监督学习中最重要的分枝之一——聚类。 当我们需要为在不带有标签的数据中挖掘所需的潜在信息时,聚类通常是我们的首选算法。介绍了三种不同的聚类算法,这 3 种算法中从不同的角度解决了聚类任务。K-means 聚类算法试图找到能够归纳数据样本的质心,并围绕它们构建簇。层次聚类方法是一种自下而上的方法,而 DBSCAN 聚类算法引入了核心和密度等概念。同时,由于数据集中缺少标签,因此监督学习中的大多评价标准并不能用于聚类算法,本节中还介绍了新的评估指标用于评价聚类算法,例如调整兰德系数和轮廓系数。原创 2022-05-09 09:44:14 · 1357 阅读 · 13 评论 -
一文开启监督学习之旅
近年来,机器学习已经成为最热门的研究领域之一,机器学习通常可以分为监督学习和无监督学习。本文主要介绍监督学习的两种主要场景:分类和回归。介绍了数据分类问题并构建分类模型,了解了多种数据预处理技术,其中还包括标签编码。还介绍了使用逻辑回归构建分类器,了解了如何构建混淆矩阵。还介绍了如何使用支持向量机构建分类模型。在回归任务中,介绍了如何将线性和多项式回归用于单变量和多变量数据。原创 2022-05-09 09:41:59 · 1798 阅读 · 1 评论 -
一文开启自然语言处理之旅
自然语言处理是人工智能领域最火热的研究方向之一,NLP 为计算机真正理解人类语言提供了基础。在本节中,我们了解了自然语言处理中的各种基本概念,首先介绍了分词技术以将输入文本分成多个 token,然后学习了如何使用词干提取和词形还原将单词转换为基本形式,并介绍了文本分块技术,根据预定义的条件将输入文本分成多个块。然后,综合使用上述方法基于词袋模型构建了一个文档矩阵,学习了如何使用机器学习技术对文本进行分类,最后,介绍了如何识别给定文本中的主题。原创 2022-05-09 09:35:36 · 2485 阅读 · 4 评论 -
使用Scikit-learn开启机器学习之旅
机器学习是令计算机根据可用数据执行相应策略而无需以明确的编程方式执行策略的一门学科。 在过去几十年间,由于可用数据的数量和质量呈指数级增长,同时高性能的计算设备也得到了快速发展。Scikit-Learn 是机器学习的常用库,它包含很多实用工具和算法用于构建机器学习模型,本文通过实例讲解使用 Scikit-learn 构建机器学习模型,包括常见监督学习和无监督学习算法模型。原创 2022-05-09 09:24:55 · 4177 阅读 · 3 评论