机器学习的下一步 笔记 -1 总览

最新推荐文章于 2024-07-14 21:02:28 发布
最新推荐文章于 2024-07-14 21:02:28 发布
阅读量80 收藏
点赞数
分类专栏： 机器学习的下一步-课程笔记
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_30776035/article/details/99945068
版权
  • 知道“我不知道” -Anomaly Detection
  • 解释为什么“我知道” - Explainable AI
  • 恶意攻击 - Adversarial Attack
  • 终身学习 - Life-long Learning
  • 学习如何学习 - Meta Learning
  • 增强学习 - Reinforcement Learning
  • 神经网络压缩 Network Compression
tsstaitixu
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
笔记回顾1|Adversarial Machine Learning的总览1
weixin_41764426的博客
11-10 2132
笔者原先是做传统安全的，专注于系统安全与软件安全的任务研究和算法优化。但是近几年，在“人工智能”话题火热的情况下，有关机器学习安全的问题，也是层出不穷。因此这段时间，对于这个方向有所初探，并把相关的内容自己总结成文记录下来。 注：这里引用一下我师弟Zhongling He当时在做报告时候的ppt时候的截图，帮助我总结来提炼重点。（虽然我也给了点微小的指点） 首先来回顾下机器学习的概念，其概...
入门笔记：机器学习与建模
GoToPro的博客
08-15 1176
我常想，如果我重新开始学习，那么在入门机器学习之前，我希望自己先了解哪些信息？本文旨在以一种速览、直白的方式，向有意入门的新手分享一下我对机器学习的浅见。 常见的机器学习问题包括分类，聚类，回归，关联规则等。其中分类算法是最广泛使用，而二分类又是其中最常见的。一封邮件是否是垃圾邮件（正常邮件/垃圾邮件），一个病灶是否是良性（良性/恶性），一个用户是否会违约（违约/不违约），一张图片是否人脸肖像（...
ai学习笔记-入门
窦再兴的博客
12-20 843
👉主要是指在各类机器载体（手机、电脑、交通工具、机器人、机械设备等）上模拟并拥有类似生物/超越生物的智能（感知、学习、推理、交流等）。👉人工智能初期属于计算机科学的分支，研究领域涉及计算机视觉、自然语言处理、机器学习、语音处理等，同时又与多个学科紧密相关，包括自动控制、电子技术、数学、心理学、语言学、哲学等。
【李宏毅机器学习笔记】03
qq_30043925的博客
07-14 606
这周学习了机器学习的任务攻略。在机器学习中我们通过损失函数的值来判断模型性能的好坏。当训练中的loss值达不到我们理想的结果时我们需要分析loss值过高的原因，有可能是model bias也有可能是optimization。当我们在训练集中的loss取得很好的结果之后就要去观察测试集上的loss。测试集上loss过大则可能产生过拟合，如何解决过拟合也是本周需要学习的内容。此外还学到了一种模型评估办法——K折交叉验证法。本文还介绍了局部最小点和鞍点，对判断局部最小点和鞍点的方法进行了手写推导。
机器学习损失函数 / 激活函数 / 优化算法 总览
noobiee的博客
08-26 2301
关键词：交叉熵，KL散度（相对熵），BCELoss，Contrastive loss，triplet loss，n-pair loss，focal loss sigmoid，tanh，ReLU，PReLU，ELU，GeLU BGD，SGD，momentum，NAG，AdaGrad，RMSprop，Adam，AdamW
学习笔记 —— 吴恩达《机器学习》课程
CodeLuweir 的博客
11-21 1767
一、前言 1.1 监督学习： 监督学习：见度给出数据集和正确答案，要求机器给出更多的正确答案（实现预测） 数据问题 && 分类问题 单个 or 多个 特征/属性 特征：年龄、肿瘤尺寸； Q：无数个特征又该怎么办？ 1.2 无监督学习 将数据集分簇 -> 聚类算法，聚类算法只是无监督算法中的一种； 无监督学习：给定数据集，但没有给出正确答案，要求机器对其分类，我们不知道这个数据集有多少类， 看机器把它们分成多少个簇； 计算机集群 、社交网络、市场分析； 鸡尾酒会算法：一个
机器学习笔记(3)——梯度下降算法
m0_56602092的博客
11-21 1612
如上文所说，面对高维度、更多参数的情况时，通过画图来寻找最小代价函数值是不现实的，因此本文介绍一种可以将代价函数J最小化的算法——梯度下降（Gradient Descent）。梯度下降是很常用的算法，不仅被用在线性回归上，还被广泛应用于机器学习的众多领域。 直观理解梯度下降 以包含两个参数的如下代价函数J为例，首先任选一个参数点作为起始点，然后我们需要一点一点的改变（微分）这两个参数的大小，并且每一次改变都要使代价函数值减小最多，直到到达一个无法再下降的最低点，这就是梯度下降。这就如同下山一样，假设下图.
B站：李宏毅2020机器学习笔记 4 —— 深度学习优化 Optimization for Deep Learning
共同进步
04-25 489
总览学习目录篇 链接地址：https://blog.csdn.net/xczjy200888/article/details/124057616 B站：李宏毅2020机器学习笔记 4 —— 深度学习优化 Optimization for Deep Learning
吴恩达机器学习笔记
The Best or Nothing.
10-05 550
网易云课堂地址：https://study.163.com/course/courseMain.htm?courseId=1004570029 字幕组干的还算不错！ Chapter 1：绪论 支持向量机－>支持无限维度的特征   无监督学习之鸡尾酒算法？ “鸡尾酒会问题”（cocktailparty problem）是在计算机语音识别领域的一个问题，当前语音识别技术已经可以以较高...
机器学习-西瓜书笔记汇总1
08-03
1绪论傍晚小街路面上沁出微雨后的湿润，和熙的细风吹来，抬头看看天边的晚霞，嗯，明天又是一个好天气。走到水果摊旁，挑了个根蒂蜷缩、敲起来声音浊响的青绿西瓜，一边满
吴恩达机器学习笔记-人工智能机器学习算法入门笔记
01-26
【机器学习基础介绍】 机器学习是人工智能的一个分支，它的核心目标是使计算机系统通过学习数据，而不是被显式地编程，来改善其执行任务的能力。机器学习可以分为监督学习、无监督学习和强化学习等主要类型。 ...
《机器学习-周志华》学习笔记
10-17
为了训练一个真正有效、优化的模型，需要学习一下机器学习的理论知识。周志华的教材非常经典，但概念较多，特别是前两章，在学习中作了笔记，现分享出来，希望能有帮助。
机器学习笔记-Chapter 1 – The Machine Learning landscape
02-13
机器学习笔记 Chapter 1 – The Machine Learning landscape 本篇属于概念性笔记，代码在后几章的学习中会总结出来
机器学习学习笔记-英文版
07-25
【机器学习学习笔记-英文版】是一份详细阐述机器学习概念和算法的资料，由Jim Liang创作。本文档旨在帮助读者理解机器学习的基础、常用算法以及一些扩展话题。以下是笔记的主要内容： **Part 1: 基本概念** 1. **...
JavaScript练手项目.zip
08-15
项目工程资源经过严格测试可直接运行成功且功能正常的情况才上传，可轻松copy复刻，拿到资料包后可轻松复现出一样的项目，本人系统开发经验充足（全栈开发），有任何使用问题欢迎随时与我联系，我会及时为您解惑，提供帮助 【资源内容】：项目具体内容可查看/点击本页面下方的*资源详情*，包含完整源码+工程文件+说明（若有）等。【若无积分，此资源可私信获取】 【本人专注IT领域】：有任何使用问题欢迎随时与我联系，我会及时解答，第一时间为您提供帮助 【附带帮助】：若还需要相关开发工具、学习资料等，我会提供帮助，提供资料，鼓励学习进步 【适合场景】：相关项目设计中，皆可应用在项目开发、毕业设计、课程设计、期末/期中/大作业、工程实训、大创等学科竞赛比赛、初期项目立项、学习/练手等方面中 可借鉴此优质项目实现复刻，也可基于此项目来扩展开发出更多功能 #注 1. 本资源仅用于开源学习和技术交流。不可商用等，一切后果由使用者承担 2. 部分字体及插图等来自网络，若是侵权请联系删除，本人不对所涉及的版权问题或内容负法律责任。收取的费用仅用于收集和整理资料耗费时间的酬劳
【轨迹优化】基于matlab脉冲干扰下高超声速飞行器轨迹优化【含Matlab源码 7221期】.mp4
08-15
Matlab研究室上传的视频均有对应的完整代码，皆可运行，亲测可用，适合小白； 1、代码压缩包内容 主函数：main.m； 调用函数：其他m文件；无需运行 运行结果效果图； 2、代码运行版本 Matlab 2019b；若运行有误，根据提示修改；若不会，私信博主； 3、运行操作步骤 步骤一：将所有文件放到Matlab的当前文件夹中； 步骤二：双击打开main.m文件； 步骤三：点击运行，等程序运行完得到结果； 4、仿真咨询 如需其他服务，可私信博主或扫描视频QQ名片； 4.1 博客或资源的完整代码提供 4.2 期刊或参考文献复现 4.3 Matlab程序定制 4.4 科研合作
基于springboot的厨艺交流平台 源码+数据库（毕业设计）
最新发布
08-15
基于Vue.js和SpringBoot的厨艺交流平台是一个功能丰富的在线社区，旨在为烹饪爱好者提供一个分享和学习烹饪技巧的平台。该平台分为管理后台和用户网页端，支持管理员和普通用户两种角色。管理后台提供对菜谱分类、菜谱信息、食材信息、商品信息和美食日志模块的全面管理功能，包括添加、编辑、删除和查询等操作。用户网页端则为用户提供了一个友好的界面，可以浏览和搜索各种菜谱，查看食材和商品信息，发表自己的美食日志，与其他用户互动交流。整个平台采用现代化的前端技术和后端框架，保证了良好的用户体验和高效的数据处理能力。 录屏：https://www.bilibili.com/video/BV1uz42197zu 教程：https://space.bilibili.com/417412814/channel/collectiondetail?sid=2242844
超声波肾脏结石分类数据集9416张2类别.7z
08-15
数据集类型：图像分类用，不可用于目标检测无标注文件 数据集格式：仅仅包含jpg图片，每个类别文件夹下面存放着对应图片 图片数量(jpg文件个数)：9416 分类类别数：2 类别名称:["normal","stone"] 每个类别图片数： normal 图片数：4414 stone 图片数：5002 重要说明：暂无 特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理分类存放 更多信息：https://blog.csdn.net/FL1623863129/article/details/141230956
斯坦福大学2014机器学习教程笔记-吴恩达
这些工具帮助模型在给定输入和输出的情况下学习规律，从而进行预测。 2. 无监督学习：涵盖聚类、降维、推荐系统和深度学习推荐。在没有明确标签的数据集上，无监督学习能发现数据中的内在结构和模式。 3. 最佳实践：...
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