机器学习“傻瓜式”理解（1）写在前面

最新推荐文章于 2023-05-03 06:48:08 发布
最新推荐文章于 2023-05-03 06:48:08 发布
阅读量188 收藏 1
点赞数 1
分类专栏： 机器学习 文章标签： 机器学习 python
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_41979922/article/details/104619275
版权

介绍一波

本人机器学习小白，通过在波波老师的讲解下以及加上自己的理解，来记录本人在学习机器学习过程中的感悟，分享通过自己的对机器学习的理解以及波波老师的讲解下，而自己封装的一个算法库。
详细代码在本人的GitHub仓库中:CuiZhenKai中详细源码。
贴上链接：CuiZhenKai的Git主页
波波老师地址：推荐波波老师

技术小白，中间如有不足，请各位路过的大神高抬贵手，给予指正。

希望大家2020年都能发大财，武汉加油！

崔振凯
关注
专栏目录
机器学习考试题目及答案1
08-08
机器学习是一种人工智能领域的核心方法，它允许计算机程序通过经验学习并改进其性能。根据Tom Mitchell的定义，机器学习涉及的任务T、性能度量P和经验E，...理解和掌握这些概念对于在机器学习领域深入研究至关重要。
机器学习“傻瓜式”理解（10）模型评估
崔振凯的博客
03-10 307
过拟合与欠拟合问题 我们进行机器学习的目标是寻找出一个模型，使得这个模型对于我们的预测点能够给予准确的解答，而不是让其最大程度的拟合我们的训练数据集的样本点。我们将这种能力称之为模型的泛化能力。（解决模型泛化能力可以称之为机器学习领域十分重要的问题。） 评价方法 我们在之前的KNN中讲过均方误差（MSE），主要用来描述两组数之间的相同程度。我们通过对X_predict预测出y_predict,然后...
机器学习——python训练神经网络模型实战（傻瓜式教学，小学生都可以学会）
m0_69235635的博客
05-03 869
在这里，我们使用的评价指标是准确率，用于衡量模型对数据的拟合度。其中，准确率越高，说明模型的拟合度越好，即预测结果和真实值之间的差距越小。可以使用 TensorFlow Datasets 加载已有的数据集，也可以使用 pandas 库读取 CSV 文件格式的数据集。- 特征选择：可以使用相关性矩阵等方法去除冗余特征，提高模型的训练效率和泛化能力。在这里，我们对训练集进行了数据归一化处理，并批处理成了每批 32 条数据。- 搜索想要的数据集，并点击下载按钮下载数据集(.csv格式为例)。
傻瓜机器学习
weixin_26750481的博客
09-03 161
The algorithms of Machine Learning try to learn from the data, and the more data available to learn and the richer and fuller the algorithm, the better it works. In this post, we will delve into the o...
傻瓜式自动机器学习库：TPOT
alicelmx的博客
05-02 5012
自动机器学习的傻瓜式方法TPOT
ML之ECS：利用ECS的PAI进行傻瓜式操作机器学习的算法
近期请国内外头部出版社可尽快私信博主！——心比天高，仗剑走天涯，保持热爱，奔赴向梦想！低调，谦虚，自律，反思，成长，还算是比较正能量的博主，公益免费传播……内心特别想在AI界做出一些可以推进历史进程影响力的东西(兴趣使然，有点小情怀，也有点使命感呀)…
06-28 9182
ML之ECS：利用ECS的PAI进行傻瓜式操作机器学习的算法 目录 ECS的PAI的简介 优质、丰富的机器学习算法 ECS的PAI的操作攻略 ML案例 ECS的PAI的简介 阿里云机器学习是基于阿里云分布式计算引擎的一款机器学习算法平台，以极低的代价帮助您的业务从BI时代跨入AI时代，真正实现人工智能触手可及。 算法丰富 ：100余种算法组...
机器学习教材习题及答案1
08-08
在这个领域，深度学习是机器学习的一个子集，它利用多层神经网络进行复杂模式识别和决策。人工智能包含了机器学习，而机器学习又包含深度学习。自然智能（NI）指的是人类和其他生物的智能，它涵盖了所有自然形成的...
机器学习“傻瓜式”理解（4）KNN算法（数据处理以及超参数）
12-22
在机器学习领域，K-近邻（K-Nearest Neighbors，简称KNN）是一种简单而有效的非监督学习算法，用于分类和回归任务。本文主要讨论了KNN算法中的数据处理和超参数调整。 首先，数据处理是机器学习中至关重要的一步。...
人工智能+机器学习+机器学习概述+深入理解机器学习原理
最新发布
08-25
随着技术的发展和创新，机器学习技术正在推动人工智能在各个领域取得突破性进展‌。 机器学习可以分为几种主要类型，包括监督学习、无监督学习、半监督学习和强化学习。每种类型都有其特定的应用场景和方法。例如，...
斯坦福机器学习讲义理解笔记以及李飞飞CVppt课件zip
04-26
《斯坦福机器学习讲义理解笔记以及李飞飞CVppt课件》的压缩包内容涵盖了机器学习的基础理论、重要概念和李飞飞教授的计算机视觉（CV）课程资料，是学习机器学习和计算机视觉领域不可多得的学习资源。以下是根据这些...
干货丨机器学习傻瓜指南
人工智能爱好者俱乐部
11-15 1645
作者：mylxiaoyi 成为2级新手 我第一次在工作中遇到实际的机器学习应用。我们要准备一个识别Zooplus商店中欺诈行为的应用。在经过几个月尝试了不同的解决方案之后：外部提供者，在代码中额外的if语句，灭火脚本等诸如此类，我们最终得到机器学习是最适合该工作的结论。自此以后，我们试着说服周围的人投资我们的教育并继续机器学习之路，但是并没有引人关注的成功。然而偶然的一个机会，我通过尝
深度学习之机器学习傻瓜教程
rodneyzhaonet的专栏
12-17 3637
什么是机器学习？ 传统的教科书会用一大堆高等数学，线性代数，概率论，统计学等知识把你拒之门外，这里博主俺决定用一个很简单的例子给不用你任何高深的数学知识来理解。     在写机器学习之前，我们来举个例子。假设你是个古代的国王，那里没有现代的科技，你想找个预报天气比较准的人来帮你预报天气。你要怎么办呢？通常，我们会找一个人，让他预报10000天，看它的准确率如何，然后再找一个人，再预报1
机器学习“傻瓜式”理解（13）混淆矩阵（评价分类结果）
崔振凯的博客
04-03 3088
之前的章节我们介绍了多种机器学习算法： KNN->用于解决分类问题 线性回归->用于解决回归问题 逻辑回归->既可以解决分类问题，又可以解决回归问题 。。。 总体来说，我们机器学习的算法要解决的问题分为两大类，分别为：分类问题和回归问题。 从之前的内容来看，我们通过众多的机器学习算法得到的模型需要进行评估。 评价回归问题：MSE，MAE，RMSE，R^2(目前学习为止最好的评价算...
机器学习“傻瓜式”理解（12）逻辑回归
崔振凯的博客
03-11 829
逻辑回归 算法基础理解 前面我们讲到过线性回归算法和多项式回归算法，算法的本质以及目的便是求出 ý = f(x)，如果给函数输入一个预测样本 x ，经过 f(x) 运算后得到一个 ý；但是这种方法存在问题，那便是，我们得到的预测值是处在负无穷到正无穷之间的，没有限制，这样做的弊端很大。 但是逻辑回归不同，逻辑回归的原理是将样本的特征和样本发生的概率结合起来，预测样本发生的概率，然后再对样本发生的概...
机器学习“傻瓜式”理解（5）线性回归（简单+评估+多元）
崔振凯的博客
03-05 646
1.基础理解： 先来讲解简单线性回归，通过一张图基础理解一下： 通过对上图的理解我们可以简单概括一下简单线性回归： 只有一个特征，在多个数据集中我们尽可能的寻找一条直线能够最大程度的拟合这些数据，正如图片中所示，我们寻找除了一个目标函数，也就是损失函数，来最小化我们预测值与真实值之间的误差。 总结线性回归的特点可得到： ①线性回归如其名，主要用于解决回归问题，并且它是许多非线性回归模型的基础。 ...
机器学习“傻瓜式”理解（11）模型泛化
崔振凯的博客
03-10 441
上一节我们了解到，我们在机器学习领域要解决的主要问题便是高方差的问题，主要的解决的办法便是模型泛化，其功能的概括来说便是通过限制超参数的大小，来解决过拟合或者模型含有巨大的方差误差这样的问题。 岭回归（Ridge Regression） 岭回归也是模型正则化一种方式，通过加入模型正则化的方式来更好的解决模型过拟合的线性的产生。 根数数学的常识，我们拟合住的模型的上下抖动的幅度主要受参数的影响，因...
机器学习“傻瓜式”理解（9）多项式回归（第一部分：基础理解＋应用）
崔振凯的博客
03-08 426
基础理解： 之前我们提到过多元线性回归，多元线性回归指的是每一个特征与目标值（y）呈线性关系，但多项式回归指的是样本特征与目标值（y）呈非线性关系，例如：y = ax^2 + bx + c，其中x^2可以看做是人为添加的另一个特征。 从而我们也可以得出多项式回归的操作步骤：在现有的模型基础上加上x^2，然后后面的操作便和线性回归中实现的一样。 线性回归传送门 多项式回归是对线性回归算法的改进，使得...
机器学习“傻瓜式”理解（3）KNN算法（初步理解）
崔振凯的博客
03-03 419
KNN（K近邻算法） 基础理解 面对这个算法需要蹦出来几个问题：KNN是什么？可以解决什么问题？怎么实现？有什么优缺点？ 首先，KNN我们通常称之为K近邻算法，通俗的理解便是如果我们认为两个特征之间他们足够相似，我们就有理由认为他们属于同一个类别。 丰富上一小节的一张图以后: 接着，通常情况下我们使用KNN是用来解决分类问题，当然，很少情况下我们也会使用它来解决回归问题。 其主要的解决思路为： ...
基于1D-CNN的故障识别机器学习作业
通过1D-CNN_1DCNN_机器学习_python_的课程作业，学生不仅能够掌握构建和训练1D-CNN模型的技术，还能深入了解机器学习在故障识别中的应用。这门课程的知识对于希望从事数据分析、预测建模和智能系统设计的学生来说，...
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