机器学习初步【1】

爱喝热水的呀哈喽

于 2024-10-08 21:04:46 发布

阅读量50

点赞数

文章标签：机器学习

本文链接：https://blog.csdn.net/m0_68339197/article/details/142768999

版权

自助法

每次都随机抽1个在放回，重复m次，得到大小为m的数据集。

一个样本在m次采样中仍不会被踩到概率(1-1/m)^m→1/e

将这1/e数据集作为测试集，剩下的作为训练集

查准率查全率

精度错误率

roc auc

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

爱喝热水的呀哈喽

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

【机器学习】特征工程之特征选择

m0_74195174的博客

02-24

6625

本文将介绍特征选择的概念、优点，以及常用的特征选择方法和实施步骤，帮助读者更好地理解和应用特征选择技术，从而提升机器学习模型的效果和可解释性。

初步学习机器学习.zip

04-03

[1][2]机器学习算法用于各种应用，例如电子邮件过滤和计算机视觉，在这些应用中，开发用于执行任务的特定指令的算法是不可行的。机器学习与计算统计学密切相关，计算统计学侧重于使用计算机进行预测。算法优化的研究...

参与评论您还未登录，请先登录后发表或查看评论

MATLAB初步进行机器学习

C语言/数据结构/数学建模/深度学习/生物信息

09-21

9211

matlab初步进行机器学习、内容来自于数学建模清风课程

机器学习初步了解

qq_62845624的博客

01-18

1508

机器学习历经70年的曲折发展，以深度学习为代表借鉴人脑的多分层结构、神经元的连接交互信息的逐层分析处理机制，自适应、自学习的强大并行信息处理能力，在很多方面收获了突破性进展，其中最有代表性的是图像识别领域。近几年来的机器学习与大数据相结合，使得机器学习往着一个新的方向继续发展，朝着多大规模数据的处理和数据的深层次分析更进一步。器学习算法通常分为以下三大类：有监督学习：需要从有标签的数据中学到或者建立一个模式。无监督学习：数据是无标签的，机器学习算法需要先将数据分类，然后对数据结构进行描述，使

机器学习-课程整理及初步介绍

littleboy_IT

06-17

1296

机器学习是人工智能的一个分支，它使计算机系统能够从经验中学习并改进其在特定任务上的表现，而无需进行明确的编程。机器学习涉及多种算法和统计模型，它们可以从数据中学习规律，并做出预测或决策。机器学习的应用非常广泛，包括图像识别、语音识别、推荐系统、自动驾驶汽车、医疗诊断等。监督学习（Supervised Learning）：算法从标记的训练数据中学习，以便对新的未标记数据进行预测。无监督学习（Unsupervised Learning）：算法从未标记的数据中学习，以发现数据中的结构或模式。

初步认识机器学习（Machine Leaning）

m0_46692607的博客

09-05

1722

入门机器学习，对机器学习有了初步的了解

机器学习笔记1

Yale的博客

01-25

6950

数据很重要。比如在异常检测的情况下，必须特别注意要分析的数据，因为有效的异常检测活动是以训练数据中不包含所寻找异常为前提的。此外，根据GIGO(garbage in,garbage out)原则，输入的数据如果是垃圾，输出的也会是无效的信息，换句话说，如果训练数据与正在调查的异常有偏差，则异常检测的结果可能不再具有可靠性。另外，随着数据量的激增，怎么对原始数据做初步清理也是非常重要的工作，只有做好了预处理，才能消除不相关或者冗余的信息。将恰当处理后的数据以正确的形式提供给模型，才能最大限度利用数据。比如，

西瓜书习题 - 10.机器学习初步考试

热门推荐

wdn blog

10-28

1万+

西瓜书前9章内容考试题目

Python机器学习基础教程

weixin_56368033的博客

06-14

4333

python机器学习基础教程

机器学习 | 模型性能评估

ToBeCeratinToBeTall的博客

03-01

2754

分类模型回归模型评估方法

机器学习-01-课程目标与职位分析

IT从业者的成长历程

02-26

2537

本系列是机器学习课程的第01篇，主要介绍本门课程的课程目标与职位分析。

对量化交易与机器学习的初步探索.zip

04-28

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。它专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的...

机器学习初步——TensorFlow在Linux操作系统下安装的整个过程（包括IDE）

04-27

在机器学习领域，TensorFlow是一个不可或缺的工具，它是一个基于数据流编程的开源库，用于构建和训练复杂的机器学习模型。TensorFlow源自谷歌的DistBelief项目，旨在提供更加高效和灵活的平台，支持各种机器学习算法...

机器学习与深度学习面试系列十七（Embedding初步）1

08-03

在机器学习和深度学习领域，表示学习是至关重要的一步，它涉及如何将原始输入数据转化为能够捕获数据内在结构和语义信息的有效特征。在本文中，我们将重点关注“表示”以及它在机器学习中的应用，特别是嵌入...

Sklearn 与 TensorFlow 机器学习实用指南_机器学习_

09-30

1. 数据预处理：介绍如何使用Scikit-Learn进行数据清洗、归一化、编码和降维，为机器学习模型准备输入数据。 2. 监督学习：详细讲解如何用Scikit-Learn实现常见的监督学习算法，如线性模型、树模型、集成方法等。 3....

细说机器学习和深度学习

最新发布

moandaylab

10-08

703

神经网络，也称人工神经网络。人工神经网络是一种运算模型（就是输入输出的映射），由大量的节点（或称神经元）之间相互联接构成。运算模型指的是：从输入到输出的一种映射。每个神经元里存储着若干权重（weight）、偏置（bias）和一个激活函数（activation）。输入乘上权重加上偏置，经过激活函数得到输出。激活函数用于添加一些非线性变换。神经网络通常包含一个输入层、若干隐藏层、一个输出层。输入层通常不用于计算神经网络的层数。

【机器学习-无监督学习】降维与主成分分析

Morse_Chen的博客

10-01

2427

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。

机器学习框架（含实例说明）

liyy614的博客

09-30

1631

选择合适的机器学习框架取决于具体的应用场景、开发需求和团队的技术栈。TensorFlow和PyTorch是目前最流行的深度学习框架，适用于大多数深度学习任务。Scikit-learn则适合传统机器学习和数据分析任务。其他框架如MXNet、Caffe、Theano和PaddlePaddle也各有特色，适用于特定的应用场景。

Machine Learning Specialization 学习笔记（5）

qq_41136689的博客

10-08

849

博客仅记录个人学习进度和一些查缺补漏。学习内容：BV1Bq421A74G。