视频《白话机器学习》

已于 2022-07-18 22:45:57 修改
阅读量429 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习 人工智能 深度学习 强化学习
于 2022-07-18 18:47:39 首次发布
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_36870202/article/details/125857656
版权

这是一个引流贴 👀
记录第一次成为阿婆主

【白话机器学习-哔哩哔哩】 https://b23.tv/1CX8Rcx👇

内容结构：

  • 发展史：三次高峰，两次低谷
  • 方法论：问题提出、解决、评价、优化
  • 技能树：入门资料推荐
  • 基础1：导数——人往高处走
  • 基础2：矩阵——简单事情重复做
  • 基础3：概率——可能、也许和大概
  • 问题1：降维——抓住主要矛盾
  • 问题2：聚类——物以类聚，人以群分
  • 问题3：拟合——商品颜值对点击率的影响
  • 问题4：分类——“你是什么垃圾？”
  • 问题5：深度——从半自动，到全自动
  • 问题6：决策——AlphaGo的思维方式

在这里插入图片描述

End

哈喽十八子
关注
专栏目录
《白话大数据与机器学习》
薯饼的博客
06-07 1455
白话大数据与机器学习第四章高斯距离 曼哈顿距离同比和环比高斯分布（正态分布）泊松分布伯努利分布第六章 信息论信息量香农公式信息熵多维空间第八章 回归（分类算法）线性回归过拟合欠拟合第九章 聚类K-means 算法孤立点层次聚类层次聚类的应用密度聚类聚类评估聚类趋势簇数决定测定聚类质量（轮廓系数 Silhouette Coefficient） 该笔记只摘取重要部分进行记录，像有些章节讲述平均值，加权平均这些都不会讲述。 第四章 高斯距离 曼哈顿距离 高斯距离是各个维度平方和开方 曼哈顿距离是对于不同维度分别做
机器学习之西瓜书白话解读学习
guguo666的博客
06-15 286
西瓜书，机器学习
白话机器学习之KNN算法
QianT
03-05 1129
大家好，我是AI阿聪，入门机器学习算法小白。这篇主要讲述机器学习算法之KNN算法。我将从以下几个方面介绍它：KNN介绍，工作流程，示例，用Python实现，KNN优缺点及其应用等。希望大家能 get 它哦！
一文带你了解机器学习
自成背后的博客
02-10 4095
文章目录1. 什么是机器学习2. 机器学习和人工智能，深度学习的关系3. 机器学习算法分类 1. 什么是机器学习 我们人可以从大量的日常经验中归纳规律，当面临新的问题的时候，就可以利用以往总结的规律去分析现实状况，采取最佳策略。 而机器学习也是类似这样： 所以对于机器学习可以给出如下定义： 机器学习的定义:机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。 机器学习应用领域有很多，可以说渗透到了各个行业领域当中，比如医疗、航空、教育、物流、电商等等领域的各种场景。下面大概列举一下： 数
百面机器学习W1
weixin_51373736的博客
01-17 951
百面机器学习整理
白话机器学习-循环神经网络从RNN、LSTM到GRU
老码农
04-18 1455
循环神经网络全景介绍，从RNN到LSTM再到GRU，全面介绍循环神经网络全貌。
学习之路 | 《机器学习》西瓜书白话学习笔记-第1~7章
uuyymilkyl的博客
08-17 944
即如果在m个样本中有a个样本分类错误，则错误率E=a/m;相应的1-a/m称为“精度”(accuracy)，即“精度=1-错误率”，更一般地，我们把学习器的实际预测输出与样本的真实输出之间的差异称为“误差”(error)学习器在训练集上的误差称为“训练误差”(trainingerror)或“经验误差”(empirical error)，在新样本上的误差称为“泛化误差”(generalization)留出法 交叉验证法 自助法。.........
机器学习笔记
weixin_43741711的博客
03-01 1445
包括了机器学习各类课程、讲义、手推笔记，经典demo的机器学习新手笔记，旨在利用现有大量资源快速入门机器学习。
机器学习-常用回归算法归纳(全网之最)
热门推荐
WGS.
10-28 2万+
文章目录前言一元线性回归多元线性回归局部加权线性回归多项式回归Lasso回归 & Ridge回归Lasso回归Ridge回归岭回归和lasso回归的区别L1正则 & L2正则弹性网络回归贝叶斯岭回归Huber回归KNNSVMSVM最大间隔支持向量 & 支持向量平面寻找最大间隔SVRCART树随机森林GBDTboosting思想AdaBoost思想提升树 & 梯度提升GBDT面试题整理XGBOOST面试题整理LightGBMXGBoost的缺点LightGBM的优化基于Hist
毕业设计+课程设计+基于Python的机器学习应用，针对监控视频完成行人轨迹搜索+yolo
06-08
基于Python的机器学习应用，针对监控视频完成行人轨迹搜索。通过一张目标图像，能自动从大量视频中搜索出包含目标的视频片段，并标记目标。 运行环境 Python 3.6.2 TensorFlow-GPU 1.6.0 opencv-python numpy ...
机器学习 笔记（一）机器学习定义、数据集构成、机器学习算法分类、机器学习开发流程
希望每天都能进步一点点
01-06 1217
文章目录参考资料一、机器学习的定义二、数据集构成三、机器学习算法分类3.1 白话理解3.2 练习题3.3 官方概念四、机器学习开发流程五、总结与收获 参考资料 视频链接 一、机器学习的定义 关键词 ： 数据、 模型、预测 定义：机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。 人类从大量的日常经验中归纳规律，当面临新的问题的时候，就可以利用以往总结的规律去分析现实状况，采取最佳策略 二、数据集构成 构成元素：特征值 + 目标值 房子面积 房子位置 房子楼层 房子朝向 目标值
Machine Learning Specialization 学习笔记（5）
qq_41136689的博客
10-08 1135
博客仅记录个人学习进度和一些查缺补漏。学习内容：BV1Bq421A74G。
2 机器学习之基本术语
此博客内容主要是小可日常工作中的一些问题解决的记录整理而成
10-11 659
这组记录的集合称为一个“数据集”(data set)，其中每条记录是关于一个事件或对象（这里是一个西瓜）的描述，称为一个“示例”(instance)或“样本”(sample)反映事件或对象在某方面的表现或性质的事项，例如“色泽”​“根蒂”​“敲声”​，称为“属性”(attribute)或“特征”(feature)；xid)是d维样本空间中的一个向量，xi∈，其中xij是xi在第j个属性上的取值（例如上述第3个西瓜在第2个属性上的值是“硬挺”​）​，d称为样本xi的“维数”(dimensionality)。
机器学习Python实战-第三章-分类问题-2.逻辑回归算法
Hdejac的博客
10-12 1185
逻辑回归算法详解以及实验源码。
机器学习笔记（五）--神经网络
weixin_43899239的博客
10-08 911
神经元接收来自其他n个神经元传递过来的信号，这些信号通过有权重的连接进行传递，神经元接收到的总输入值将与神经元的阈值进行对比，通过激活函数的处理产生神经元的输出。
线性回归损失函数的推导
qq_72175463的博客
10-08 1080
此损失函数是均方误差损失的一种形式，广泛应用于线性回归等模型中。通过这种方式，我们既可以有效地表示损失，也可以在模型优化时更容易计算梯度。
4 机器学习之归纳偏好
此博客内容主要是小可日常工作中的一些问题解决的记录整理而成
10-11 719
例如，若认为相似的样本应有相似的输出（例如，在各种属性上都很相像的西瓜，成熟程度应该比较接近）​，则对应的学习算法可能偏好图1.3中比较“平滑”的曲线A而不是比较“崎岖”的曲线B。敲声=沉闷）​”​，学得模型时而告诉我们它是好的、时而告诉我们它是不好的，这样的学习结果显然没有意义。对“根蒂”还是对“敲声”更重视，看起来和属性选择，亦称“特征选择”(featureselection)有关，但需注意的是，机器学习中的特征选择仍是基于对训练样本的分析进行的，而在此处我们并非基于特征选择做出对“根蒂”的重视；
机器学习：强化学习中的探索策略全解析
2302_81410974的博客
10-13 909
在机器学习的广阔领域中，强化学习（Reinforcement Learning, RL）无疑是一个充满魅力的子领域。它通过智能体与环境的交互，学习如何在特定的任务中做出最优决策。然而，在这个过程中，探索（exploration）和利用（exploitation）的平衡成为了智能体成功的关键。本文将深入探讨强化学习中的探索策略，包括其重要性、常用方法以及代码示例来论证这些策略的效果。
【机器学习】特征降维|低方差过滤|主成分分析PCA|相关系数法|皮尔逊相关系数|斯皮尔曼相关系数
最新发布
weixin_57336987的博客
10-14 827
【代码】【机器学习】特征降维|低方差过滤|主成分分析PCA|相关系数法|皮尔逊相关系数|斯皮尔曼相关系数。
深度学习资源全览：神经网络与机器学习源码案例
资源摘要信息: 本次提供的文件信息包含丰富的深度学习、神经网络、机器学习资源，以及相关算法、代码、项目和电子书。资源内容涵盖了从基础的线性神经网络到复杂的循环神经网络等多个子领域，适合不同层次的学习者和...
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