机器学习的一些基础知识

最新推荐文章于 2024-09-14 20:23:55 发布
最新推荐文章于 2024-09-14 20:23:55 发布
阅读量82 收藏
点赞数
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_42409834/article/details/99175561
版权

学习机器学习有一段时间了，所以想记一下关于机器学习的笔记

机器学习基础

关于数据

在这里插入图片描述

  • 数据整体叫数据集
  • 每一行是数据成为一个样本
  • 除最后一列，每一列表达样本的一个特征
  • 最后一列，称为标记在这里插入图片描述
    花瓣长度，花瓣宽度等就是特征，下面的数据为特征向量
    特征的分布称为特征空间，分类任务的本质就是在特征空间切分
    对于图像来说，每一个相随点都是特征，如3*5的图像就是有15个特征

机器学习的基本任务

主要是分类任务和回归任务

分类任务
  • 二分类任务：如合法邮件和垃圾邮件的分类
  • 多分类任务：如数字识别和图像识别
  • 多标签分类
回归任务

结果是一个连续数字的值，不是类别

  • 房屋价格
  • 市场分析
  • 学生成绩

回归任务可以简化成为分类任务

想修炼成魔
关注
专栏目录
机器学习基础知识
10-23
机器学习基础知识涵盖了广泛的算法和技术，用于构建能够从数据中学习并做出预测或决策的模型。这些基础知识包括基本概念、数学模型、算法分类和评价准则，以及各类具体的学习算法和模型。 首先，机器学习的基本数学...
机器学习相关基础知识课件ppt
08-19
**机器学习相关基础知识** 在信息技术领域，机器学习（Machine Learning, ML）是人工智能的一个重要分支，它关注如何使计算机系统通过经验改善其性能。在这个"机器学习相关基础知识课件ppt"中，我们可以深入探讨几...
机器学习_基础知识.zip
11-04
这个名为"机器学习_基础知识.zip"的压缩包可能包含了入门机器学习所必需的一些关键概念、方法和代码示例。让我们逐一探讨这些元素。 首先，"face_test1.py"可能是关于面部识别的一个实验项目，这是机器学习在计算机...
机器学习的数学基础知识
04-28
为了深入理解机器学习模型的工作原理，并有效地运用这些模型，掌握相关的数学基础知识是必不可少的。本文将详细阐述机器学习所依赖的数学基础，主要包括线性代数和概率论两个部分。 首先，线性代数在机器学习中扮演...
机器学习--VGG
ID246783的博客
09-14 802
我们已经见过了LeNet和AlexNet，一个是3层，一个是7层，那么如果我们想实现一些更多层的神经网络要怎么办呢，还是手动开每一层吗？显然不能这么原始，所以我们想到了一件事：为社么不试试for循环呢qwq这就是vgg的本质了。
机器学习自动化建模AutoML
西木风落
09-14 135
实体entity: 可以简单理解为特征列关系relationship：实体与实体之间的关联键定义特征算子：一些特征工程函数，应用于特征实体集合关系来构造新的特征，如groupby, mean,max等；
第十一周：机器学习
Zcymatics的博客
09-07 1266
本周周报主要讲述了注意力机制中更加细节的内容，周报讲述了相关的复杂性如果通过多头注意力机制解决的方法，并讲述了注意力机制如果通过位置编码方式解决先后位置的问题。此外，本周周报在注意力机制的章节中，将self-attention与CNN和RNN进行了比较以及其在实际场景的应用。在RNN的章节中，本周报详细描述了RNN的概念、RNN的变形拓展、以及LSTM。然后，本周报在Pytorch的章节，讲述了优化器的概念以及原理，并在最后展示了优化器使用的代码。
机器学习与深度学习的区别
警警的博客
09-14 1042
机器学习与深度学习
ARMxy系列边缘计算网关用于智慧工厂机器学习智能分析
weixin_49512855的博客
09-14 590
ARMxy 系列边缘计算机以其卓越的性能和优势，在机器学习、人工智能、云边端智能终端、AIoT、边缘计算等领域具有广阔的应用前景。它的发布将为这些领域的发展带来新的机遇和挑战，开启机器学习与人工智能的新征程。这种模式可以有效降低延迟、提高响应速度，并减少对云端的依赖，为实时性要求较高的应用提供了有力支持。它为机器学习和人工智能在边缘端的应用提供了强大的计算平台，开启了机器学习与人工智能的新征程。人工智能则以其强大的数据分析和决策能力，为人们的生活和工作带来了极大的便利。
深度学习--对抗生成网络（GAN, Generative Adversarial Network）
GDHBFTGGG的博客
09-07 1309
对抗生成网络（GAN）是近年来在生成式模型领域的重要突破，通过生成器与判别器的对抗博弈，GAN能够生成高度逼真的数据。其应用范围广泛，涵盖了图像生成、数据增强、超分辨率重建、风格迁移等多个领域。然而，GAN的训练过程具有挑战性，特别是在平衡两者的对抗关系上仍然存在技术难题。随着技术的不断发展，GAN在生成数据、创造内容等方面的应用前景将更加广阔。
【机器学习】10——logistic的直观理解
最新发布
qq_43507078的博客
09-14 289
logistic，逻辑斯蒂
机器学习--AlexNet
ID246783的博客
09-14 629
这个netnetnet其实就是比LeNetLeNetLeNet# 第一阶段# 第二阶段# 第三阶段# 第四阶段net.add(nn.Dropout(.5)) # 50% 的概率的丢掉 但期望不变# 第五阶段# 第六阶段net.add(nn.Dense(10)) # 真实的AlexNet是1000 但是我们这里还是用的mnist 所以就是10print(net)我们可以看看打印出来的netnetnet然后我把LeNetLeNetLe。
机器学习（Machine Learning, ML）和深度学习（Deep Learning, DL）对比
man2017的博客
09-11 708
机器学习：是让计算机通过数据来改进算法的性能，而不需要显式编程。机器学习的目标是从数据中自动分析获得规律，并利用规律对未知数据进行预测或决策。深度学习：是一种特殊的机器学习方法，它模仿人脑神经网络的工作原理，尤其是人工神经网络中的深层结构。深度学习依赖于神经网络模型，通过多层非线性变换来表达和学习数据中的复杂模式。
基础GAN生成式对抗网络（pytorch实验）
weixin_47696370的博客
09-10 359
采用MNIST数据集，如下是训练集中的一张图片。
第十二周：机器学习
Zcymatics的博客
09-14 428
本周主要继续对RNN的更深层次内容进行了学习，例如学习了RNN的是如何train的、RNN特殊的性质以及如何解决RNN的特殊性质引发的vanish gradient问题，最后对RNN的应用进行了总结。此外，本周还继续对Pytorch进行了学习，主要学习了如何将一个数据集训练的模型通过调参应用到另一数据集中。最后，还对高斯分布的数学推导过程进行了研究学习。
机器学习-------数据标准化
yanminghe66666的博客
09-10 805
在做训练时，需要先将特征值与标签标准化，可以防止梯度防炸和过拟合；将标签标准化后，网络预测出的数据是符合标准正态分布的—StandarScaler()，与真实值有很大差别。因为StandarScaler()对数据的处理是（真实值-平均值）/标准差。同时在做预测时需要将输出数据逆标准化提升模型精度：标准化 / 归一化使不同维度的特征在数值上更具比较性，提高分类器的准确性。提升收敛速度：对于线性模型，数据归一化使梯度下降过程更加平缓，更易正确的收敛到最优解。
GANs-生成对抗网络
qq_46143063的博客
09-12 962
一：什么是生成式对抗网络（GAN）？
简单易懂的方式来解释机器学习（ML）和深度学习（DL）的区别与联系
man2017的博客
09-11 428
让我们从多个角度出发，用一些简单易懂的方式来解释机器学习（ML）和深度学习（DL）的区别与联系。
机器学习基础知识与知识发现
"知识发现处理过程-机器学习PPT" 这篇PPT主要探讨了知识发现的处理过程，并聚焦于机器学习这一重要领域。机器学习作为人工智能的核心组成部分，涉及到系统通过经验自我改进，提升性能的过程。这一过程可以被看作是...
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