Machine Learning

最新推荐文章于 2024-09-02 11:57:50 发布
置顶 最新推荐文章于 2024-09-02 11:57:50 发布
阅读量143 收藏
点赞数
文章标签： 机器学习
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/qq_29917759/article/details/80606393
版权

机器学习

目前所有的代码及笔记都已上传至Git

所有阅读笔记及源码

前言

  • 监督式学习
    • 数据带标签, 需要训练集, 根据训练集得出的学习函数为新的数据预测结果
    • 适用于分类、回归(空间连续的事件)
    • 算法有: 线性回归、决策树、随机森林、K-近邻算法、逻辑回归(Logistic Regression)、BP神经网络等
  • 非监督式学习
    • 数据不包含任何类别信息, 其典型的问题为聚类问题
    • 用在不同的组内聚类分析, 一般用来细分客户
    • 算法有: K-Means、DBSCAN(聚类)算法
  • Deep learning
    • 机器被放在一个能够让它反复试错来训练自己, 加强判断的准确性
  • 半监督学习
    • 监督式学习和非监督式学习的融合, 使用较少

阅读笔记

机器学习 - 赵志勇著

  • GitHub源码
  • 阅读笔记

机器学习实战

源码

Deep Learning Tutorial - Hung-yi Lee(李宏毅)

  • Deep Learning Tutorial PDF
  • Deep Learning 笔记

杂谈

Mountain-Shan
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Machine Learning:What is Machine Learning？
JACKDjn的博客
02-22 306
What is machine learning？ Machine learning is to find functions automatically.For example, speech recognition, image recognition, playing go, dialogue system… 1.regression prediction 2.binary classification output is yes or no 3.multiclass classification L
机器学习基础
jiayk2016的博客
06-25 646
最近为了秋招又重新复习下机器学习的一些基本知识，接下来一段时间将会持续更新自己总结的机器学习中要点，为秋招能去大厂做准备。 机器学习基础 机器学习的基本工作是从收集到的数据中学习规则，利用学习到的规则来预测新的数据。 在机器学习中，根据任务的不同，可以分为监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）、半监督学习（Semi-S...
python机器学习算法-Chapter1
lyk165的博客
06-13 448
0.1 机器学习分类监督学习（Supervised Learning）训练数据包含了类别信息，典型问题为分类（classification）和回归（regression），典型算法有logistic regression， BP神经网络算法和线性回归算法无监督学习，典型问题为聚类（clustering），代表算法为K-Means/DBSCAN半监督学习，训练数据有一部分包含类别信息，有一部分不包含...
Machine Learning Model
GRF-Sunomikp31
11-13 838
机器学习分类
Probabilistic Machine Learning
09-22
概率机器学习（Probabilistic Machine Learning）是机器学习领域中一个重要的分支，它将概率论和机器学习结合起来，旨在处理不确定性和随机性问题。概率机器学习的主要目标是开发能够从数据中学习的概率模型，以便...
Machine Learning Design Patterns
11-22
"Machine Learning Design Patterns" 《Machine Learning Design Patterns》是一本关于机器学习设计模式的书籍，作者是Valliappa Lakshmanan, Sara Robinson和Michael Munn。该书的主要内容是解决数据准备、模型...
Machine Learning Projects with TensorFlow 2.0：Supercharge your Machine Learning
05-02
This course will guide you to upgrade your skills in Machine Learning by practically applying them by building real-world Machine Learning projects. Each section should cover a specific project on a ...
《Approaching (Almost) Any Machine Learning Problem》
09-13
Approaching (Almost) Any Machine Learning Problem是一本旨在帮助读者掌握机器学习问题解决方法的书籍。这本书涵盖了机器学习的基本概念、模型选择、数据预处理、特征工程、模型评估等多方面的知识点。 机器学习...
Transformers for Machine Learning A Deep Dive
07-04
Transformers for Machine Learning A Deep Dive
Datawhale X 李宏毅苹果书 AI夏令营 Task3 深度学习详解 -2 机器学习框架攻略
qq_45418837的博客
09-01 98
Datawhale X 李宏毅苹果书 AI夏令营 Task3 深度学习详解 -2 机器学习框架攻略
机器学习/数据分析案例---糖尿病预测
weixin_74085818的博客
08-30 1901
环境：seaborn绘制热力图的时候，版本需要与matplotlib版本配对，matplotlib版本需要在3.8.0以下随机森林：可以决解多重共线性问题进一步熟悉了数据分析的过程不足：算法的扩展性、数据特征提取没有做。
机器学习中的增量学习（Incremental Learning，IL）策略是什么？
Chauvin的博客
08-31 1990
增量学习（Incremental Learning, IL）是一种使机器学习模型能够在持续获取新数据的同时，保留已学知识的策略。它不仅有助于模型在动态环境中保持性能稳定，还能显著减少重新训练所需的时间和计算资源。这种方法特别适合那些需要长期维护和更新的系统，如在线服务、自动驾驶系统和个性化推荐系统。
基于多种机器学习的房价预测研究【数据抓取、预处理、可视化、预测】
迷茫与徘徊只会让你陷入绝境，欢迎私信博主，带你开始提升变现价值！
08-30 940
在当前经济发展背景下，房地产市场对于国家经济的稳定和发展起着至关重要的作用。佛山市作为中国广东省的重要城市之一，其房地产市场的波动受到了广泛关注。本研究旨在通过采用随机森林算法，对佛山市的房价进行预测和分析，以提供更为准确的市场趋势判断依据。首先，我们通过爬虫技术从链家网站收集了佛山市3000多条房产销售记录，这些数据包括房屋的多个特征，如小区名称、建成时间、成交价格、房屋户型、建筑面积等。随后，我们对数据进行了详细的预处理，包括数据清洗、缺失值处理、数据转换和特征工程等步骤，以保证数据质量和分析的准确性。
机器学习在医学中的应用
边走、边悟、迟早变好
08-30 1466
这篇总结结构紧凑且覆盖全面，既包括了机器学习在医学中的技术应用，也探讨了相关的伦理、法律、社会问题。这种详细的结构可以帮助读者深入理解机器学习如何在医学领域创造价值并解决实际问题。机器学习在医学中的应用是一个广泛且复杂的领域，涵盖了从基础研究到临床应用的多个方面。以下是一个万字总结的结构性思路，分章节深入探讨不同应用场景、技术方法、挑战与未来展望。🎈众口难调🎈从心就好。
Statistical Machine Learning in Finance ECOM193
w976j_的博客
08-30 494
Module Aim。
如何有效管理机器学习与人工智能
边走、边悟、迟早变好
08-29 1115
有效管理机器学习和人工智能中的新模型与新风险，要求在模型开发、部署和运营的各个阶段采取系统性和全面的策略。通过提升模型透明性、保障数据隐私、监控模型性能、管理伦理与合规性，以及引入持续学习机制，可以有效减少AI系统带来的潜在风险，推动AI技术的安全、可靠和负责任的应用。
【机器学习】基扩展的基本概念以及其中的多项式回归、样条方法和广义可加模型的简单介绍（含python代码实例）
最新发布
m0_49243785的博客
09-02 1112
基扩展（Basis Expansion）是机器学习和统计模型中的一种技术，用于将原始的输入变量通过某种方式转换成新的表示形式，从而增强模型的表达能力，使其能够捕捉到数据中的非线性关系样条方法是一种强大的工具，可以在数据分析和建模中提供灵活性和准确性。然而，需要注意的是，样条方法也可能导致过拟合，特别是在样条参数过多时。因此，在使用样条时，应该考虑模型的泛化能力和复杂性在使用MARS时，需要仔细考虑模型的泛化能力，避免仅仅因为拟合训练数据而忽略了模型的实际预测能力。
《机器学习》—— OpenCV 对图片的各种操作
weixin_73504499的博客
08-25 1685
1、安装OpenCV库、2、读取、显示、查看图片、3、对图片进行切割、4、改变图像的大小、5、图片打码、6、图片组合、7、图像运算、8、图像加权运算
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