深度学习(part2)--机器学习及深度学习基础

已于 2022-08-14 23:54:08 修改
阅读量982 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习 深度学习 sklearn
于 2021-12-04 13:20:08 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/m0_37422217/article/details/121714481
版权
机器学习 专栏收录该内容
413 篇文章 55 订阅 ¥99.90 ¥299.90
订阅专栏
本文介绍了机器学习的基础，特别是深度学习的原理。讨论了机器学习框架scikit-learn，强调了特征处理的重要性，如归一化和标准化。深度学习部分涵盖了单层和多层感知机、网络训练过程、激活函数和损失函数。最后，提到了深度学习中的关键概念，如Epoch、Batch Size和Iteration。
摘要由CSDN通过智能技术生成

学习笔记，仅供参考，有错必纠

文章目录

深度学习


机器学习概述

机器学习常用框架–scikit-learn
  • scikit-learn算法地图

在这里插入图片描述

  • scikit-learn常用API

sklearn.base：所有估算器的基类；

sklearn.calibration：预测概率的校验；

sklearn.cluster：该模块包含了流行的无监督聚类算法;

sklearn.cluster.bicluster：双聚类算法；

sklearn.covariance：该模块提供了在给定一组样本点的情况下稳健地估计特征协方差的方法和算法，协方差估计与高斯图形模型理论密切相关；

sklearn.cross_decomposition

了解本专栏 订阅专栏 解锁全文
GUI Research Group
关注
专栏目录
订阅专栏
【深度学习】IP-Adapter-FaceID，IP-Adapter: Text Compatible Image Prompt Adapter for Text-to-Image Diffusion
q742971636的博客
04-01 1422
近年来，大型文本到图像扩散模型的强大能力在创造高保真图像方面取得了令人印象深刻的成果。然而，仅使用文本提示来生成所需图像是非常棘手的，因为这通常涉及复杂的提示工程。文本提示的一个替代方案是图像提示，正如俗话所说：“一幅图胜过千言万语”。尽管现有的直接从预训练模型进行微调的方法有效，但它们需要大量的计算资源，并且与其他基础模型、文本提示和结构控制不兼容。在本文中，我们提出了IP-Adapter，这是一种有效且轻量级的适配器，用于实现预训练文本到图像扩散模型的图像提示能力。
深度学习-计算机视觉入门-part1
weixin_43186779的博客
04-01 1412
未完待续。
深度学习-面经（part1、常规问题）
qq_40102160的博客
03-08 2154
1 神经网络深度学习是算法工程师面试必定绕不开的一个话题，有关于他的面试题目和知识点层出不穷，所以这里依靠一些经验结合自己的面试经历，总结出下面的深度学习面试点，其中共有8个章节，目前更新章节3、4；RNN与LSTM网络
Datawhale AI 夏令营：从baseline入门深度学习----Task 2
2302_80309108的博客
07-17 1472
ImageNet 包含超过1400万张注释过的图像，这些图像分布在超过2.2万个类别中。它的规模之大使得它成为深度学习模型训练和评估的理想数据集。ImageNet 数据集中的图像包含了各种场景、物体、背景和遮挡情况，这为算法提供了极大的挑战。这种多样性使得在 ImageNet 上训练的模型能够学习到鲁棒的特征，从而在现实世界应用中表现良好。ImageNet 提供了一个标准的性能基准，研究者可以通过在 ImageNet 上的表现来比较不同模型的性能。
基于AMDGPU-ROCm的深度学习环境搭建
tugouxp的专栏
02-24 2895
在风起云涌的AI江湖，NVIDIA凭借其CUDA生态和优秀的硬件大杀四方，立下赫赫战功，而另一家公司AMD也不甘示弱，带着他的生态解决方案ROCm开始了与不世出的NVIDA的正面硬钢，"ROCm is the answer to CUDA", AMD官网如是说。ROCm全称是Radeon Open Compute，从功能上，它是AMD提供的一套用于支持异构计算和GPU加速计算的开发工具和平台。
机器学习/深度学习资料
2401_86435672的博客
07-30 989
新年大礼包：机器之心2018高分教程合集CVPR2019目标检测方法进展综述。
机器学习入门基础（万字总结）（建议收藏！！！）
热门推荐
subsistent的博客
12-04 4万+
机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本文章涵盖了机器学习的基础知识，主要包括机器学习的概述、 回归、分类、聚类、神经网络、文本分析、图像分析、深度学习等经典的机器学习基础知识，还包括深度学习入门等拔高内容。介绍机器学习的基础概念和知识，包括机器学习简史、主要流派、与人工智能、数据挖掘的关系、应用领域、算法、一般流程等。伴随着计算机计算能力的不断提升以及大数据时代的迅发展人工智能也取得了前所未有的进步。
信号处理深度学习机器学习_机器学习与信号处理
weixin_26752765的博客
09-05 4201
信号处理深度学习机器学习 机器学习性能与两种关键信号处理算法(快速傅里叶变换和最小均方预测)的有趣对比。 (A fun comparison of machine learning performance with two key signal processing algorithms — the Fast Fourier Transform and the Least Mean Squares...
收藏的博客 -- 深度学习AI框架与数学基础
$firecat利白的代码足迹$
12-08 1429
需要的数学基础： 有了基础的《概率/统计》、《线性代数》、《微积分》知识，就可以上手深度学习的算法和实践了。但经过一段时间的工程实践，慢慢觉得大多数时间都用在选模型，调超参，或者是网络结构的排列组合上。深度学习的黑盒特性越来越明显。难道深度学习工程师就当真是数据“炼丹师”吗？机器学习以数学理论为基础，要学好机器学习必须做好艰苦奋斗的准备，坚持对数学知识的追求。掌握机器学习至少需要微积分，线性代数.........
《TensorFlow2.0》一、机器学习和深度学习简介及基础编程 part 2
12-21
在《TensorFlow2.0》一、机器学习和深度学习简介及基础编程 part 2中，作者主要讨论了机器学习和深度学习中的一个重要组件——卷积神经网络（CNN），特别是卷积过程中的过滤器（Filter）概念。首先，文章提到了...
深度学习500问-Tan-16第十六章 NLP1
08-03
本章“深度学习500问-Tan-16第十六章 NLP1”主要探讨了NLP的基础知识和常用工具。 首先，NLP的基本任务包括文本分析、词性标注（part-of-speech tagging）、命名实体识别（NER）、句法分析（parsing）、语义理解等...
基于机器学习与深度学习不同算法的中文分词实现.zip
02-15
在人工智能领域，机器学习与深度学习是两个至关重要的分支，它们在中文自然语言处理中扮演着核心角色。本文将深入探讨如何运用这两种技术实现中文分词，并基于提供的压缩包文件"Chinese-Participles-master"进行解析...
分类预测|基于贝叶斯优化长短期记忆网络的数据分类预测Matlab程序 多特征输入多类别输出 BO-LSTM 附赠预测新数据
2401_86241083的博客
09-12 1483
分类预测|基于贝叶斯优化长短期记忆网络的数据分类预测Matlab程序 多特征输入多类别输出 BO-LSTM 附赠预测新数据
infoNCE损失和互信息的关系
weixin_43845922的博客
09-12 541
都是从数据中采样得到的。但在推导互信息时，我们通常计算的是所有可能的样本对上的平均值，而不仅仅是单一的样本对。因此，将相似度函数视为联合概率对数的依据源于能量基模型的思想，即通过能量（或相似度）函数衡量样本间的匹配程度，然后使用指数函数将其转换为概率分布。通过 InfoNCE 损失对正样本对进行优化，本质上就是在最大化这些正样本对的互信息，因此引入期望是为了与互信息的定义保持一致。因此，InfoNCE 损失通过最大化正样本对的联合概率和最小化负样本对的边缘概率，从而实现对正样本和负样本之间互信息的优化。
机器学习和深度学习的区别
qq_38162031的博客
09-18 973
作为人工智能的两大重要分支，机器学习（Machine Learning）和深度学习（Deep Learning）在各个领域中都发挥着不可或缺的作用。然而，这两者之间的区别和联系常常让初学者感到困惑。本文将深入探讨机器学习和深度学习之间的区别，帮助读者更好地理解和应用这两种技术。本篇文章由浪浪云赞助发布。作为领先的云计算服务提供商，浪浪云致力于为企业和开发者提供高效、可靠的云计算解决方案。浪浪云不仅拥有强大的技术实力和创新能力，其优质的客户服务和支持更是获得了业界广泛的认可和好评。
SVM原理
最新发布
super晓权的博客
09-19 384
SVM 这里由于过了很长时间 博主当时因为兴趣了解了下 博主现在把以前的知识放到博客上 作为以前的学习的一个结束 这些东西来自其他资料上 小伙伴看不懂英文的自行去翻译下吧 博主就偷个懒了 多维空间和低维空间 不一样的分法，将数据映射到高维 ，不改变数据 ...
机器学习与深度学习的区别详解
不止顾望 不怠所学
09-15 861
在数据科学和人工智能领域，机器学习（Machine Learning, ML）和深度学习（Deep Learning, DL）是两个非常重要的概念。本文将详细介绍机器学习和深度学习的不同之处，帮助读者更好地理解这两个技术的特点和应用场景。机器学习方法在处理小数据量和需要解释性的任务时表现良好，而深度学习方法在处理大规模数据和复杂任务时具有显著优势。深度学习是机器学习的一个子领域，主要依赖于人工神经网络，尤其是深层神经网络（即具有多层隐藏层的神经网络）。希望本文能够帮助你更好地理解机器学习和深度学习的区别。
机器学习特征-学习篇
qq_38925911的博客
09-12 1440
特征是事物可供识别的特殊的征象或标志在机器学习中，特征是用来描述样本的属性或观测值的变量。它们可以是任何类型的数据，包括数字、文本、图像、音频等。特征是训练和评估机器学习模型的基础。好的特征选择和提取能够显著提高模型的性能和准确度。对一个学习任务而言，有些特征可能很有用，另一些可能没什么用对当前任务有用的属性称为“相关特征”、没用的属性称为“无关特征”。从给定的特征集合中选出相关特征子集的过程称为“特征选择”。有经验的人往往只需要看看根蒂、听听敲声就知道是否好瓜。
深度学习与浅层学习在文本分类的综述
在《文本分类综述——从浅层到深度学习》中，作者首先介绍了文本分类的基础概念，这是一个关键的自然语言处理任务，涉及将文本自动分配到预定义的类别中。该领域已有60年的研究历史，且随着机器学习和深度学习技术的...
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

打赏作者

GUI Research Group

谢谢支持！

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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