- 博客(13)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 机器学习（理论第一课）
人工智能：计算机模拟人的思维与意识。它是一个大的方向，包含很多领域和方向。凡是让计算机系统执行特定的任务时，模仿人的行为、思维等都可以归为人工智能的范畴。大家需要了解的是人工智能分为3大主义。1是行为主义：基于控制论，构建感知-动作控制系统。（控制论，如平衡、行走、避障等自适应控制系统）**2是符号主义：**基于算数逻辑表达式，求解问题时先把问题描述为表达式，再求解表达式。（可用公式描述、实现理性思维，如专家系统）**3连接主义：**仿生学，模仿神经元连接关系。
2024-04-06 17:19:04
1152
1
原创 数据挖掘基础（第一章）
数据挖掘(Data Mining)，就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。广义：数据挖掘是指知识发现的全过程狭义：数据挖掘是知识发现的一个重要环节，利用机器学习、统计分析等发现数据模式的智能方法，侧重于模型和算法。数据挖掘的数据源包括数据库、数据仓库、Web或其他数据存储库。知识发掘的过程如下：（1）数据准备：掌握知识发现应用领域的情况，熟悉相关的背景知识，理解用户需求。
2024-03-04 00:35:33
2664
原创 EDA（Exploratory Data Analysis）数据探索式分析
EDA数据探索性分析是在拿到全新数据集时，通常采用的一个步骤。可以让大家全面了解下数据集的基本情况，和在训练时可能遇到的问题，为后续的训练和分析做准备。数据探索式分析是一种思想，并没有固定的分析方法。我们拿到数据时，要根据数据集的特点，思考具体需要分析哪些内容。
2024-02-25 13:44:48
1479
原创 强化学习极简入门
所谓强化学习（Reinforcement Learning,简称RL），是指基于智能体在复杂、不确定的环境中最大话它能获得的奖励，从而达到自主决策的目的。经典的强化学习模型可以总结为下图的形式（智能体、行为、环境、状态、奖励）：我们知道目前主流的深度学习网络是基于仿生学模仿人脑神经元建立的。而强化学习模仿的是智能体与环境的交互。如上图：Agent：智能体。Environment,即环境。Action()即动作。state:状态.指tt时刻的状态，指t+1时刻的状态。
2024-02-14 21:10:32
1070
原创 一文捋清人工智能机器学习深度学习、大数据、数据分析、数据挖掘的关系
作为一个不断发展的领域，深度学习继续推动机器所能实现的边界，正在进行的研究集中于提高模型的可解释性，解决伦理考虑，并将其适用性扩展到新的领域。从本质上讲，人工智能是一个总体概念，ML作为一个子集提供了学习能力，而DL，ML的一种特殊形式，利用深度神经网络来实现先进的学习和表示，共同推动了智能系统和技术的进化。人工智能的目的是让机器具备人的思维和意识。随着我们的成长，大量的数据通过视觉、听觉涌入大脑，使我们的神经网络连接，也就是神经元连接线上的权重发生变化，有些线权重增强了，有些线上的权重减弱了。
2024-01-24 16:09:20
2351
原创 机器学习理论基础定义
机器学习是人工智能（AI）的一个子领域，它专注于开发算法和模型，使计算机能够从中学习，并基于数据做出预测或决策。机器学习系统使用统计技术从大量数据中学习模式和关系，而不是被明确地编程来执行任务。机器学习中的学习过程包括在一个数据集上训练一个模型，该数据集由输入-输出对组成。该模型通过迭代地调整其参数来学习识别模式并进行预测。有几种类型的机器学习方法，包括有监督学习、无监督学习和强化学习。**监督学习：**在监督学习中，模型在一个有标记的数据集上进行训练，其中输入数据与相应的输出标签配对。
2024-01-22 01:39:05
1014
原创 python第一课：如何学好一门语言
寒假任务：用pytorch构造卷积神经网络完成mnist手写数字识别第一课：python第一课：如何学好一门语言
2024-01-11 04:15:47
2032
2
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人