机器学习
文章平均质量分 83
appron
这个作者很懒,什么都没留下…
展开
-
贝叶斯优化及其python实现
通过对先前的经验反复迭代更新当前参数的概率分布,从而找到最佳参数的方法,就是贝叶斯优化。这种方法不断地使用当前最佳估计,尝试下一个点,并使用新的观测数据进行调整,这样每次使用的点都会更加有效,从而加快寻找优化的速度。使用贝叶斯优化进行参数优化时,我们需要将优化目标定义为一个函数,在这个例子中是rfc_cv。接下来,我们定义我们的参数空间,并使用贝叶斯优化器对参数进行迭代优化。基本思想是将我们在过去的观察和体验,传递到下一个尝试中,从而在等待数据的反馈时,逐渐提高任务的成功率。原创 2023-03-09 21:04:07 · 2034 阅读 · 1 评论 -
XGBoost(eXtreme Gradient Boosting)
XGBoost 的基本原理和 Gradient Boosting 类似,都是采用加法模型的形式来建立基本分类器集合,不过和普通的 Gradient Boosting 不同的是,XGBoost 通过对损失函数进行二阶泰勒展开并采用新的代价函数,引入了正则化项,增加了模型的鲁棒性,避免过拟合,并且引入了特征子采样和使用列存储块来减小计算开销,大幅提高了算法在大量数据下的效率。fm = np.log(Pm / (1 - Pm)) + 0.5 * np.log((1 - Pm) / Pm) # 计算更新值。原创 2023-03-08 23:21:22 · 522 阅读 · 0 评论 -
Le-Net、AlexNet、VggNet、googlenet、Resnet的发展与区别
Le-Net、AlexNet、VggNet、googlenet、Resnet的发展与区别原创 2022-08-18 21:40:48 · 1910 阅读 · 0 评论 -
CV,NLP等计算机领域顶会顶刊代码
1.CVPRhttps://github.com/extreme-assistant/CVPR2021-Paper-Code-InterpretationCVPR2021:https://github.com/extreme-assistant/CVPR2021-Paper-Code-Interpretation/blob/master/CVPR2021.mdCVPR2020:CVPR2021-Paper-Code-Interpretation/CVPR2020.md at master · e原创 2021-10-04 19:39:13 · 1224 阅读 · 0 评论 -
A Detailed Investigation and Analysis of Using Machine Learning Techniques for Intrusion Detection译一
入侵检测是当今网络世界的重要安全问题之一。已经开发了大量的基于机器学习方法的技术。然而,它们在识别所有类型的入侵方面并不十分成功。在本文中,我们对各种机器学习技术进行了详细的调查和分析,以找到与各种机器学习技术在检测入侵活动方面的问题的原因。攻击分类和攻击特征的映射被提供给每个攻击对应。还讨论了与使用网络攻击数据集检测低频攻击有关的问题,并提出了可行的改进方法。机器学习技术在检测各类攻击的能力方面进行了分析和比较。还讨论了与每一类技术相关的局限性。本文还包括各种机器学习的数据挖掘工具。最后,提供了使用机器学翻译 2021-05-19 16:56:56 · 784 阅读 · 0 评论 -
半监督聚类方法
传统无监督聚类算法在划分数据时并不需要任何数据属性,但在实际应用中,存在少量带有独立类标签或成对约束的监督信息的数据样本,学者们致力于将这些为数不多的监督信息运用于聚类,以得到更优的聚类结果,从而提出 了半监督聚类。1.无监督聚类先说无监督聚类,如图 1-2 所示,现有的无监督聚类算法按照度量数据样本间相似度的方式, 以及聚类过程中数据样本之间的关系被划分为五大类,即基于划分方法的聚类、 基于层次方法的聚类、基于密度方法的聚类、基于网格方法的聚类、基于模型方 法的聚类[7]。所谓基于划分方法的聚类(原创 2021-05-13 21:09:56 · 9472 阅读 · 5 评论 -
Towards OpenWorld Recognition
Abhijit Bendale, Terrance BoultUniversity of Colorado at Colorado Spring0.摘要随着计算机技术的发展,丰富的分类模型和高计算能力的视觉识别系统得到了广泛的应用。在现实世界中的识别提出了在受控的实验室环境中不明显的多重挑战。数据集是动态的,必须不断地检测并添加新的类别。在预测时,一个训练有素的系统必须处理无数看不见的类别。操作系统需要最少的停机时间,即使是学习。为了处理这些操作问题,我们提出了开放世界识别的问题并对其进行了正式原创 2020-07-08 11:56:50 · 1415 阅读 · 0 评论 -
西瓜书的集成学习
所谓集成学习,就是集成多个个体学习器来完成同一个任务,集成的方式可以是投票、加权什么的,这里的个体学习器可以是决策树、神经网络、朴素贝叶斯、SVM等。集成学习针对弱学习器(略强于瞎猜的学习器)的效果更为明显,因此通常这里的个体学习器都比较弱。其次,虽然对弱学习器的效果更明显,但为了在得到相同效果下使用更少的学习器,大家还是用强学习器比较好。最后,如果这里的个体学习器只包括一种学习器,这种集成学习是同质学习,学习的方法通常也叫基学习算法,而这里的学习器则称为基学习器。如果这里的个体学习器只包括...原创 2020-05-10 20:38:33 · 220 阅读 · 0 评论