机器学习2-14

最新推荐文章于 2024-11-01 15:27:42 发布
最新推荐文章于 2024-11-01 15:27:42 发布
阅读量50 收藏
点赞数
文章标签： 深度学习
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/m0_65259837/article/details/129043008
版权

1.数据可视化六大工程

导入，清洗，特征工程(保留，创建，改造)，算法建模，模型评估，可视化展示

2.kaggle是数据分析师比赛平台

3.shift＋enter是快捷运行键

作业

1.jupyter快捷键将cell下的code改为markbook快捷键是按esc键进入命令模式。在命令行模式在，按m,y切换markdown和code模式。

2.a5c57d225c534dc9a23592a365ca333b.jpg

 

 

BERNICE7
关注
机器学习14 -- Transfer Learning 迁移学习
谢杨易的博客
09-13 1万+
1 总览 迁移学习的目标，是利用一些不相关的数据，来提升目标任务。不相关主要包括 task不相关。比如一个为猫狗分类器，一个为老虎狮子分类器 data不相关。比如都为猫狗分类器，但一个来自真实的猫和狗照片，另一个为卡通的猫和狗 迁移学习中包括两部分数据 source data。和目标任务不直接相关，labeled或unlabeled数据一般比较容易获取，数据量很大。可以利用一些公开数据集，比如ImageNet。又比如在机器翻译任务中，中译英数据量很大，可以作为source data target
机器学习16 -- Lifelong Learning 终生学习
谢杨易的博客
09-14 1万+
1 什么是lifelong learning Lifelong learning终生学习，又名continuous learning，increment learning，never ending learning。通常机器学习中，单个模型只解决单个或少数几个任务。对于新的任务，我们一般重新训练新的模型。而LifeLong learning，则先在task1上使用一个模型，然后在task2上仍然使用这个模型，一直到task n。Lifelong learning探讨的问题是，一个模型能否在很多个task上
机器学习---sklearn
weixin_44838881的博客
05-21 4万+
1.Sklearn简介 sklearn (全称 Scikit-Learn) 是基于 Python 语言的机器学习工具,Sklea是处理机器学习 (有监督学习和无监督学习) 的包。它建立在 NumPy, SciPy, Pandas 和 Matplotlib 之上，其主要集成了数据预处理、数据特征选择，sklearn有六个任务模块和一个数据引入模块： 有监督学习的分类任务 有监督学习的回归任务 无监督学习的聚类任务 无监督学习的降维任务 数据预处理任务 模型选择任务 数据引入 具体流程如下： 下载 skl.
【机器学习-14】K-means聚类算法：原理、应用与优化
热门推荐
qq_38614074的博客
04-07 6万+
在众多聚类算法中，K-means算法因其简单高效而备受青睐。K-means算法的基本思想是：通过迭代的方式，将数据划分为K个不同的簇，并使得每个数据点与其所属簇的质心（或称为中心点、均值点）之间的距离之和最小。具体来说，K-means算法的执行过程通常包括以下几个步骤：首先，随机选择K个数据点作为初始的簇质心；然后，根据每个数据点与各个簇质心的距离，将其分配给最近的簇；接着，重新计算每个簇的质心，即取簇内所有数据点的平均值作为新的质心；
educoder机器学习 --- 神经网络
木右加木 就是木木
11-08 5236
第1关：神经网络基本概念 １、Ｃ 第2关：激活函数 #encoding=utf8 def relu(x): ''' x:负无穷到正无穷的实数 ''' #********* Begin *********# if x <= 0: return 0 else: return x #********* End *********# 第3关：反向传播算法 #encoding=utf8 import os impo
机器学习实验 - 线性回归
qq_41626672的博客
10-25 3748
西南交通大学 机器学习实验5 线性回归 编程实现线性回归模型，使用批梯度下降优化算法，基于MAE评估模型性能，对比不同学习率，绘制损失函数曲线图。
机器学习2-正规方程的学习
Aaron的博客
02-24 2438
机器学习第2天，正规方程的应用的学习！
机器学习 --- 神经网络
weixin_44196785的博客
11-12 4879
神经网络方面的研究很早就已经出现了，最近一类被称为神经网络的算法以深度学习的名字再度流行。深度学习以神经网络为基础，神经网络由多个感知机组成，并引入激活函数，是一个比感知机更复杂，能解决更多问题的模型。 本实训项目的主要内容是基于pytorch框架搭建出卷积神经网络模型，并训练出一个能够正确对手写数字进行识别的模型。 激活函数 #encoding=utf8 def relu(x): ''' x:负无穷到正无穷的实数 ''' #********* Begin ********
机器学习教程 - 分步指南
simplilearnCN的博客
12-10 6642
机器学习 (ML)是技术领域最受关注的话题之一。如果你已经了解机器学习和相关技术的基础知识以及它的应用领域，本文将对这些知识进行补充。如果你还不熟悉机器学习，本教程中涵盖的基础知识会帮你快速上手。文章较长，内容全面、实用，泡好茶，边喝边看。 目录 机器学习 vs. 无机器学习 搜索引擎 语音和面部识别 机器学习基础 - 在日常生活中使用机器学习 游戏世界中的虚拟现实 网上购物 通勤（滴滴） 什么是机器学习？ 机器学习的工作原理 机器学习的类型 监督学习 无监督学...
李宏毅机器学习--课后作业HW_1
青春正当时
07-19 1万+
看了李宏毅老师讲的机器学习课程，真的是受益匪浅，老师讲课非常有意思，不是空洞的讲数学公式，以及抽象的理论，通过在课堂上加入游戏元素来引导大家学习，我个人觉得这种方式是很好的，而且原理讲的也很清楚，适合小白学习，这里有B站的视频链接，有兴趣的可以去看一下【李宏毅《机器学习》-哔哩哔哩】，因为没有字幕，所以可以配着学习笔记学（李宏毅机器学习笔记，来自于Datawhale的学习笔记，这个平台也是国内一个很好的学习AI的开源平台，有兴趣的可以去关注下）
完整版 南京邮电大学 机器学习课程教程PPT课件 1-2 机器学习简介-上课版part2（共55页）.ppt
12-18
完整版 南京邮电大学 机器学习课程教程PPT课件 8-2 模式选择和评估（共14页）.ppt 完整版 南京邮电大学 机器学习课程教程PPT课件 9. 计算学习理论（共26页）.ppt 完整版 南京邮电大学 机器学习课程教程PPT课件 10 ...
matlab分时代码-mlx:机器学习探索-机器学习资源列表
05-21
matlab分时代码机器学习探索 机器学习资源列表。 2020-05-28 OpenAI关于GPT-3训练的论文，GPT-3是一种具有1,750亿个参数的自回归语言模型。 #nlp 2019-05-28 Tan Mingxing和Quoc V. Le的论文，提出了一种缩放方法，...
机器学习基石14 - 2 - Weight Decay Regularization (24-08).mp4
03-29
机器学习基石14 - 2 - Weight Decay Regularization (24-08).mp4
Python轴承故障诊断 (15)基于CNN-Transformer的一维故障信号识别模型
10-28 900
本文基于凯斯西储大学（CWRU）轴承数据，先经过数据预处理进行数据集的制作和加载，最后通过Pytorch实现CNN-Transformer模型对故障数据的分类。
自监督强化学习：对比预测编码（CPC）算法深度解析
m0_70066267的博客
11-01 426
自监督强化学习是一种结合自监督学习与强化学习优势的新兴方法。它利用数据的内在结构生成监督信号，从而减少对外部标签的依赖，使智能体能够在无标签或标签稀缺的环境中学习有效的表示。CPC算法则是自监督强化学习中的一种重要算法，它通过对比学习（Contrastive Learning）来提取全局特征，帮助智能体学习有用的状态表示。CPC算法由DeepMind提出，旨在减少无监督学习中对标签的依赖，同时最大化局部信息和全局特征之间的关联。
【果实种子识别】Python+深度学习+人工智能+CNN卷积神经网络算法+TensorFlow+算法模型训练
最新发布
2301_78372746的博客
11-01 248
果实种子识别系统，使用Python语言进行开发，通过TensorFlow搭建卷积神经网络算法模型，对10种坚果果实（‘杏仁’, ‘巴西坚果’, ‘腰果’, ‘椰子’, ‘榛子’, ‘夏威夷果’, ‘山核桃’, ‘松子’, ‘开心果’, ‘核桃’）等图片数据集进行训练，得到一个识别精度较高的模型文件，让后使用Django搭建Web网页端界面操作平台，实现用户上传一张坚果图片 识别其名称。
《Keras3 深度学习初探：开启Keras3 深度学习之旅》
zheng_ruiguo的专栏
11-01 464
Keras3 以其易于使用、模块化和高度可扩展性等特点，为深度学习开发者提供了强大而灵活的工具。无论是新手还是经验丰富的专家，都能在 Keras3 中找到适合自己的开发方式，实现创新和突破。Keras3 作为一个强大的深度学习框架，具有巨大的发展潜力。在未来，它将继续为深度学习开发者提供强大的工具，推动深度学习技术的不断发展和应用。
现代卷积神经网络(GoogLeNet+批量归一化+ResNet)
m0_63276919的博客
10-29 947
Inception块相当于一个有4条路径的子网络。它通过不同窗口形状的卷积层和最大池化层来并行抽取信息，并使用**1×11×11×1卷积层减少每像素级别上的通道维数**从而降低模型复杂度。GoogLeNet将多个设计精细的Inception块与其他层（卷积层、全连接层）串联起来。其中Inception块的通道数分配之比是在ImageNet数据集上通过大量的实验得来的。GoogLeNet和它的后继者们一度是ImageNet上最有效的模型之一：它以较低的计算复杂度提供了类似的测试精度。
引入了窥视孔连接（peephole connections）的LSTM
m0_73640344的博客
10-29 495
通过引入窥视孔连接，LSTM能够更加精确地控制信息流，因为每个门都可以根据细胞状态的即时值进行调整。这种设计不仅增强了模型的性能，尤其是在需要精细控制内部状态记忆的应用中，如复杂的序列预测和模式识别任务，也提高了决策过程的透明度和直观性。
大规模机器学习系统：ICML14教程报告
2. **分布式计算框架**：如Hadoop和Spark等如何支持大规模机器学习任务。 3. **并行算法设计**：如何将串行算法转化为并行和分布式算法，提高计算速度。 4. **优化技术**：包括内存管理、计算并行化、负载均衡等，以...
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