关于机器学习入门的一些小问题的每日记录

最新推荐文章于 2024-09-05 23:38:35 发布
最新推荐文章于 2024-09-05 23:38:35 发布
阅读量155 收藏
点赞数
分类专栏： 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_43687485/article/details/120208513
版权

Jupyter Notebook 代码规范 Codeprettify yapf 格式化
关键词由CSDN通过智能技术生成

关于机器学习入门的一些小问题的每日记录

2021.9.9

  1. 代码格式规范
    form
    https://mp.weixin.qq.com/s?__biz=MzIwOTc2MTUyMg==&mid=2247524841&idx=3&sn=f45e54bf7aa0a2f43014823da3b457b1&chksm=976cc474a01b4d62234b7c2e10e42431adb051ff9a1e0129546dc01049148d07d46a6fd222eb&mpshare=1&scene=23&srcid=0909NBMyK5RJnv95TFDWzh6j&sharer_sharetime=1631187834370&sharer_shareid=979ececba97c9bda9c0937cb1cb66a3c#rd
    一、Jupyter notebook 篇

Jupyter notebook的代码要想写得规范，推荐用Code prettify插件。

安装插件

首先插件Nbextensions

执行以下命令

pip install jupyter_contrib_nbextensions

无报错再执行：

jupyter contrib nbextension install --user

选取Code prettify模块
备注：需要安装 yapf模块

pip install yapf

在这里插入图片描述

  1. juoyter改变原始的文件位置

在这里插入图片描述

forestelk
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
基于Nonebot的QQ群机器人，特色功能是利用机器学习算法，基于每日聊天记录生成每日总结.zip
02-15
本项目以Nonebot为基础，打造了一个具有独特功能的QQ群机器人，即能够利用机器学习算法对每日聊天记录进行分析，自动生成每日总结。这不仅提升了QQ群的互动体验，也为用户带来了智能化的信息管理方式。 Nonebot是一...
基于Nonebot2的QQ群机器人️插件，特色功能是利用机器学习算法，基于每日聊天记录生成每日总结
11-09
3、如果基础还行，也可在此代码基础上进行修改，以实现其他功能，也可用于毕设、课设、作业等。 下载后请首先打开README.md文件（如有），仅供学习参考, 切勿用于商业用途。 -------- ----------------------------...
基于Nonebot2的QQ群机器人️插件，特色功能是利用机器学习算法，基于每日聊天记录生成每日总结。.zip
02-18
对于有一定基础或热衷于研究的人来说，可以在这些基础代码上进行修改和扩展，实现其他功能。 【沟通交流】： 有任何使用上的问题，欢迎随时与博主沟通，博主会及时解答。 鼓励下载和使用，并欢迎大家互相学习，共同...
基于机器学习大数据挖掘的饮食推荐小程序源码+项目说明(课程设计).zip
01-16
基于机器学习大数据挖掘的饮食推荐小程序源码+项目说明(课程设计).zip 功能介绍 - 身体记录：记录身体数据，作为饮食推荐的依据，并给出健康评分。支持智能设备云同步 - 创建菜谱：自主搭配食材建立菜谱，动态对...
纸机视觉：记录每天整理的计算机视觉深度学习机器学习相关方向的论文
02-03
总的来说，“纸机视觉”资料库涵盖了从基础的图像处理到前沿的深度学习模型，以及它们在计算机视觉和机器学习领域的广泛应用。通过对每日更新的论文进行学习和研究，我们可以跟踪最新的研究成果，提升自己的专业水平...
【机器学习】交通勘测
边走、边悟、迟早变好
09-05 584
机器学习在交通勘测中的应用非常广泛，可以用于交通流量预测、事故检测、车辆分类、道路拥堵管理等多个方面。通过结合传感器数据、视频监控、GPS信号等多源数据，机器学习模型能够帮助交通管理部门优化交通调度、提升道路安全，并提供实时的交通状态信息。
第G7周：Semi-Supervised GAN 理论与实战
a536723241的博客
09-05 241
简单来说，SGAN与普通GAN不同的点在于判别器普通的GAN的判别器只输出“真或假”而SGAN在输出真假的同时还充当分类器，将真分为真1、真2…nn.Tanh(),return imgSGAN在判别器的输出中增加了一个分支，用以对“真”进行分类# 判断真假# 判断类别由于aux_layer是多分类输出，因此激活函数使用Softmax，其输出是个概率分布，总和为1。
机器学习概述
Letmooning的博客
09-04 1030
房价预测案例有监督学习模型训练和预测sklearn 中的算法选择图（中文）_sklearn算法地图-CSDN博客
【机器学习】模型性能与可解释性的矛盾以及如何提高可解释性和模型性能
ya的博客
09-05 629
模型性能与可解释性之间的权衡是机器学习中的一个重要问题，需要根据具体的应用场景和需求来做出合理的选择通过上述方法，可以有效地提高机器学习模型的可解释性，帮助用户理解模型的预测，并在模型部署前进行必要的调整和优化提高模型性能通常需要实验和迭代。重要的是要有一个清晰的评价指标，以便能够客观地衡量不同策略的效果。此外，保持对最新研究和技术动态的关注，可以帮助你发现新的方法和工具来进一步提升模型性能。
【机器学习】决策树与随机森林：模型对比与应用案例分析
2301_76677973的博客
09-05 893
决策树是一种树状结构的模型，用于解决分类和回归问题。模型通过递归地将数据集分割成更小的子集，最终到达叶子节点，每个叶子节点表示一个预测结果。决策树的每个节点代表对某个特征的测试，每个分支代表测试结果，而每个叶子节点则表示最终的预测类别或值。随机森林是一种集成学习方法，通过构建多个决策树并结合它们的预测结果来提高模型的准确性和鲁棒性。随机森林通过集成多个基学习器（通常是决策树），并利用投票机制（分类任务）或平均机制（回归任务）来生成最终的预测结果。
机器学习：opencv图像识别--模版匹配
纸上得来终觉浅
09-05 541
opencv图像识别--模版匹配
线性代数|机器学习-P33卷积神经网络ImageNet和卷积规则
scar2016的博客
09-04 661
文章目录1. 卷积规则2. 循环卷积网路3. ImageNet 1. 卷积规则 2. 循环卷积网路 3. ImageNet
Spark MLlib模型训练—聚类算法 Bisecting K-means
09-05 623
Bisecting K-Means 聚类算法结合了 K-Means 和层次聚类的思想，其核心思想是通过递归地分裂簇来优化聚类效果。初始化簇：将所有数据点视为一个初始簇。选择簇分裂：在每次迭代中，选择一个簇进行分裂。执行 K-Means：对选定的簇进行 K-Means 聚类，将其分裂成两个子簇。更新簇列表：将新的子簇添加到簇列表中，并将被分裂的簇从列表中移除。重复操作：继续选择簇进行分裂，直到达到预定的簇数量或其他终止条件。输出结果：输出最终的簇划分结果。
什么是机器学习中的 Bagging？带有示例的指南
gongdiwudu的专栏
09-05 785
集成方法是机器学习中强大的技术，它可以结合多种模型来提高整体预测准确性和模型稳定性。Bootstrap Aggregating（俗称 Bagging）是一种流行且广泛实施的集成方法。在本教程中，我们将深入研究 bagging、其工作原理以及其优势所在。我们将它与另一种集成方法 (Boosting) 进行比较，并查看 Python 中的 bagging 示例。最后，您将对 bagging 有扎实的了解，包括最佳实践。
machine learning - 2
wrj1472583690的博客
09-02 296
3）：就像在一个抽奖盒里面摸，训练集摸n次，测试集摸m次，但是每摸一次会把小球放回盒子里。折交叉验证法， 就的每k个数据取一个座位测试集。训练误差 并不是越小越好，太小会过拟合。泛化误差 也可以认为是预测时的误差。差全率：猜对答案是“Yes”的概率。查准率：猜“Yes”猜对的概率。
【机器学习】Boosting与Bagging算法
边走、边悟、迟早变好
09-05 681
特性BaggingBoosting核心思想并行训练多个模型，平均结果减少方差串行训练模型，每次迭代纠正上一步的错误数据采样随机有放回采样，生成多个子集通过权重调整关注难以分类的样本弱学习器独立训练每个学习器依赖前一个学习器的结果训练效率并行训练，训练速度较快串行训练，训练时间较长偏差与方差减少方差，防止过拟合减少偏差，提升精度代表算法随机森林适用场景高方差的模型，如决策树、神经网络高偏差的模型，如线性模型、弱决策树。
成功之路：如何获得机器学习和数据科学实习机会
2401_85233349的博客
09-05 471
突出你解决的问题、你使用的方法和结果。讨论你面临的任何挑战以及你是如何克服这些挑战的。我在国外完成的两次实习是我职业生涯起步的关键，我希望我分享的技巧和建议也能帮助你做到这一点！就我个人而言，我使用过 Udemy 和 Coursera，但 DataCamp 对于获得更实用、更实际的动手技能特别有效。如果招聘人员会测试你的概念而不是硬技能，你可以查看数据科学/机器学习中最常见的问题。获得数据科学或机器学习领域的实习机会似乎是一项艰巨的任务，但只要有正确的策略和坚持，它绝对可以实现！成长机会的一种方式。
机器学习周报（8.26-9.1）
weixin_51923997的博客
09-01 1264
本周先是好好理解了一下self-attention的QKV的理解，关于如何让自注意力机制更有效的问题，学习了self-attention的多种变形，包括减少注意力矩阵的计算量、加快注意力机制的运算速度、去掉attention等。本周主要是复习了self-attention的基本原理的前提下，学习了对self-attention的一下更有效的方法，然后有些公式推导理解还不够透彻，我会继续研究推导理解。
【机器学习】任务三：基于逻辑回归与线性回归的鸢尾花分类与波士顿房价预测分析
最新发布
FHY26828的博客
09-05 732
回归分析：用于分析特征与目标变量之间的关系，常用于连续变量的预测任务。数据预测：通过机器学习的回归模型，进行模型选择、训练和评估，提升预测效果。特征重要性与模型优化：通过特征选择、正则化、超参数调整和交叉验证，简化模型并提升预测能力。
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