机器学习零碎知识点总结

最新推荐文章于 2024-10-01 23:50:13 发布
最新推荐文章于 2024-10-01 23:50:13 发布
阅读量1.7k 收藏
点赞数
文章标签： 机器学习 深度学习 人工智能
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/lzjstudy/article/details/121924565
版权

以后学习总结的内容都再github的markdown中展示，欢迎小伙伴们来我的主页issue

新的GitHub链接：经验总结

旧的地址：https://github.com/XingKongXiaDeFeng
已经改名啦，旧的只有个重定向了

详细请看readme的内容呀，下面的是目录
这个目录不定期更新，主要更新还是在github上

机器学习经验整理
kaggle_excel result archives
机器学习模型中的两类参数
参数和超参数的区别
哪些属于超参数
torch.randn()
计算机视觉模型库-Pytorch Image Models (timm)
BCELoss和BCEWithLogitsLoss
k-交叉验证KFold
*args 与 **kwargs 的区别，两者都是 python 中的可变参数
最低0.47元/天 解锁文章
星空下的枫
关注
计算机回归分析功能的实验操作,回归分析实验报告.doc
weixin_31018573的博客
07-21 777
回归分析实验报告实 验报 告实验名称： 数据整理与分析相关分析实验报告实验课程： 统计学数据的整理与分析一、 实验目的：学会运用Excel中次数分布表、透视表、统计图以及描述性统计功能来分析一组有调查意义的数据；从而通过分析得出有意义的结论以及推测预计。二、实验原理 ：次数分布表的制作过程，第一步找出最大、最小值，确定全距R；第二步利用斯透奇斯规则确定组数m，再根据组数与组距的...
Excel中ISEVEN函数用法之判断数值奇偶性
ffcell2016的博客
11-30 1999
如下图，A列是一些数值，现在我们想要判断数值的奇偶性。 在平时大家想到的可能是使用mod函数去进行判断，但是Excel有一个专门判断数值是否为偶数的函数ISEVEN。直接在单元格输入公式=ISEVEN(A2)，即可判断A2单元格数值的奇偶性，如果是奇数返回false，否则返回true 将B2单元格公式下拉填充到底即可判断所有数值的奇偶性。 为了方便查看，我们可以进一步将公式改为=IF(ISEVEN(A2),"偶数","奇数") ISEVEN函数的解释为
excel搜索单元格部分字段_统计学的Excel操作方法（一）
weixin_39566914的博客
11-30 2351
Excel操作方法在《统计学》中非常重要，统计的所有计算都必须通过计算机的运算来完成。具体需要用到Excel操作方法来解决问题的知识点如下表。我们将分两期来介绍统计学的Excel操作方法。今天先介绍《统计学》前三章内容的Excel操作方法。章节知识点第一章统计学及其基本概念1.1 调用函数第二章数据的收集与整理2.1 简单随机抽样2.2 变量数列的次数统计第三章统计表与统计图3.1制作...
Sturges规则
qq_39821554的博客
08-29 1000
设计数据分类时，其基本技术时Sturges规则：分类的数量为xxx介于2n&lt;x&lt;2n+12^n&lt;x&lt;2^{n+1}2n<x<2n+1。例如美国有五十个州，设计分类时25&lt;50&lt;26+12^5&lt;50&lt;2^{6+1}25<50<26+1，分类数量为 5 到 6 个。 ...
文本分类 - 样本不平衡的解决思路与交叉验证CV的有效性
素质云笔记
11-01 9080
现实情况中，很多机器学习训练集会遇到样本不均衡的情况，应对的方案也有很多种。 笔者把看到的一些内容进行简单罗列，此处还想分享的是交叉验证对不平衡数据训练极为重要。 文章目录1 样本不平衡的解决思路1.2 将不平衡样本当作离群点1.2 欠采样/过采样1.3 训练策略的优化1.3.1 Focal_Loss1.3.2 class_weight1.4 不平衡评价指标：不要ROC，用Precision/R...
平时工作中常用的Python零碎知识总结，爬虫学习总结与练习，Python数据分析学习总结，目前正在重新整理中....zip
02-22
Python是一种广泛应用于编程领域的高级编程语言，尤其在数据处理、自动化...总的来说，这份资料集将带你走进Python的世界，无论是初学者还是有一定经验的开发者，都能从中找到有价值的知识点，提升自己的Python能力。
Linux运维从初级进阶为高级知识点总结
01-10
运维工程师在前期是一个很苦逼的工作，在这期间可能干着修电脑、掐网线、搬机器的活，显得没地位!时间也很碎片化，各种零碎的琐事围绕着你，很难体现个人价值，渐渐的对行业很迷茫，觉得没什么发展前途。 这些...
机器学习系列(7)_机器学习路线图(附资料)
热门推荐
龙心尘
02-28 4万+
1. 引言 也许你和这个叫『机器学习』的家伙一点也不熟，但是你举起iphone手机拍照的时候，早已习惯它帮你框出人脸；也自然而言点开今日头条推给你的新闻；也习惯逛淘宝点了找相似之后货比三家；亦或喜闻乐见微软的年龄识别网站结果刷爆朋友圈。恩，这些功能的核心算法就是机器学习领域的内容。 机器学习研究的是计算机怎样模拟人类的学习行为，以获取新的知识或技能，并重新组织已有的知识结构使之不断改善自身。而
Spark零碎知识点
ll谢安生的博客
01-06 1702
RDD的概念： RDD（Resilient Distributed Dataset）叫做分布式数据集，是Spark中最基本的数据抽象，它代表一个不可变、可分区、里面的元素可并行计算的集合。RDD具有数据流模型的特点：自动容错、位置感知性调度和可伸缩性。RDD允许用户在执行多个查询时显式地将工作集缓存在内存中，后续的查询能够重用工作集，这极大地提升了查询速度。 个人注释（非官方）： 不可变：每一个算...
机器学习中的OOF
微电子学与固体电子学-俞驰
08-28 5830
[1]中回答如下： OF simply stands for "Out-of-fold" and refers to a step in the learning process when using k-fold validation in which the predictions from each set of folds are grouped together into one gr...
Stacking Learning在分类问题中的使用
MrLevo520的博客
10-05 7719
建议先阅读以下文章 回归问题构建stacking模型 分类问题构建stacking模型 code Pay Attention Further建议先阅读以下文章 知乎(必读)：Kaggle机器学习之模型融合（stacking）心得 Blog：Stacking Models for Improved Predictions Blog：KAGGLE ENSEMBLING GUIDE(注脚) Blog：如何
目标检测学习笔记——CV与模型融合
phily123的博客
03-28 3126
How To CV and How To Ensemble OOF Files 一、怎么做交叉验证 将完整的数据集划分成N份（如五份，称为Fold1, Fold2, Fold3, Fold4, Fold5),然后我们训练出五个模型，比如用2-5的fold做训练，fold1做预测验证，一次进行五次训练验证。 这样我们就对所有的训练集进行过一次预测，这个预测结果称之为OOF(out of fold),CV的分数就是用所有的训练集以及预测的结果来计算得到 OOF_AUC = roc_auc_score( trai
机器学习竞赛技巧
wtq1993的博客
05-15 2万+
Kaggle 是目前最大的 Data Scientist 聚集地。很多公司会拿出自家的数据并提供奖金，在 Kaggle 上组织数据竞赛。我最近完成了第一次比赛，在 2125 个参赛队伍中排名第 98 位（~ 5%）。因为是第一次参赛，所以对这个成绩我已经很满意了。在 Kaggle 上一次比赛的结果除了排名以外，还会显示的就是 Prize Winner，10% 或是 25% 这三档。所以刚刚接触
【机器学习-无监督学习】降维与主成分分析
Morse_Chen的博客
10-01 2230
本文介绍了数据降维的常用算法之一：PCA算法。数据降维是无监督学习的重要问题，在机器学习中有广泛的应用。利用特征分解进行PCA，动手实现了PCA算法，并使用sklearn实现PCA算法。
机器学习概述
最新发布
西木风落
10-01 767
随着科技的不断更新发展，人工智能与社会生活的关系也越来越紧密。那么，人工智能和机器学习有什么关系，什么是机器学习，机器学习的模型算法有哪些，如何进行机器学习？本系列文章将从上述几个问题展开。
机器学习和深度学习的区别
dhdjjfhdghh的博客
09-26 1909
深度学习是机器学习的一个子集，它基于人工神经网络的概念，特别是那些具有多个非线性变换的层（即深度）。深度学习模型能够自动从原始数据中提取复杂的特征，而无需人为干预。层次结构：深度学习模型由多个层次的神经元组成，每一层都对输入数据进行转换和抽象，从而捕捉数据的复杂特征。自动特征提取：与传统机器学习方法相比，深度学习能够自动从原始数据中学习特征，减少了对人工特征工程的依赖。计算密集型：深度学习模型通常需要大量的计算资源，包括高性能的GPU，以训练大规模的数据集和复杂的模型结构。代表性模型。
【机器学习】——决策树以及随机森林
酷酷的伟的博客
09-28 1327
决策树（Decision Tree）是一种基于树形结构的监督学习算法，广泛应用于分类和回归任务。它通过一系列的决策规则逐步将数据集划分成多个子集，从而构建出易于理解的决策模型。决策树不仅易于可视化、便于解释，还能够处理复杂的多变量决策问题，因此在各类机器学习模型中占有重要地位。
【学习笔记】 陈强-机器学习-Python-Ch15 人工神经网络（2）Keras
2201_76026029的博客
09-30 829
本学习笔记 仅为以防自己忘记了，顺便分享给一起学习的网友们参考。如有不同意见/建议，可以友好讨论。本学习笔记 所有的代码和数据都可以从陈强老师的个人主页上下载陈强.机器学习及Python应用. 北京：高等教育出版社, 2021.数学原理等 详见陈强老师的PPT参考了：网友伪_装的CNN对 MNIST 数据集中的图像进行分类#定义一个用于构建网络的函数，便于后续调用。
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