机器学习乱七八糟

残念369

已于 2023-11-23 12:27:13 修改

阅读量45

点赞数

文章标签：算法机器学习人工智能

于 2023-11-19 11:46:20 首次发布

本文链接：https://blog.csdn.net/qq_64243507/article/details/134488539

版权

正则化：

正则化（Regularization）-CSDN博客

L1正则化的作用是使得大部分模型参数的值等于0，

L2正则化对于绝对值较大的权重予以很重的惩罚，对于绝对值很小的权重予以非常非常小的惩罚，当权重绝对值趋近于0时，基本不惩罚。

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

残念369

关注关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

机器学习乱七八糟

weixin_44569326的博客

01-20

机器学习正负样本

weixin_59295776的博客

09-14

253

在分类问题中，这个问题相对好理解一点，比如人脸识别中的例子，正样本很好理解，就是人脸的图片，负样本的选取就与问题场景相关，具体而言，如果你要进行教室中学生的人脸识别，那么负样本就是教室的窗子、墙等等，也就是说，不能是与你要研究的问题毫不相关的乱七八糟的场景图片，这样的负样本并没有意义。负样本可以根据背景生成，有时候不需要寻找额外的负样本。一般3000-10000的正样本需要5，000,000-100,000,000的负样本来学习，在互金领域一般在入模前将正负比例通过采样的方法调整到3:1-5:1。

参与评论您还未登录，请先登录后发表或查看评论

机器学习算法总结

weixin_40411446的博客

08-19

8257

~~~~~·个人整理，如需转载，请说明并备注，不甚感激~~~~~~ （这篇文章我很早发布在简书上，不用简书好多年了，哈哈哈，居然上了热搜，特复制在CSDN上供大家参考，为秋招攒点人品）suxuer简书原文地址 BAT机器学习面试系列 1.请简要介绍下SVM。 SVM，全称是support vector machine，中文名叫支持向量机。SVM是一个面向数据的分类算法，它的目标是为确定一个...

机器学习常用数据清洗方法

weixin_43760440的博客

07-10

1402

最近做机器学习的项目，汇总一下用得比较多的数据清洗方法，主要有：重新命名列名、去除空值、去除0值（或负值） 1.重新命名列名平时读数据的时候，原始数据总是有各种乱七八糟的命名，可以通过命名便于理解第一种方法：直接按顺序修改，替换掉原始的columns df=pd.read_csv(r'E:\00learning\01Python\机器学习\04SVR\train_data.csv') df.columns=['I','F']#重新命名列名第二种方法：使用.rename()函数 df.rename(

找组织——机器学习社区、团体洞察

zhuliyeer的博客

03-12

604

在Github上，有一些中文社区可以看一看：prompt“如果我是个AI小白，想参加到一个组织，接收最新的AI有趣源项目、一些定期的刊物等。我应该加入哪些组织？

机器学习之名词解释

mingyuli的博客

07-22

2561

train? valid? or test? 机器学习最明显的一个特点是需要大量的数据。特别对监督学习来说，就是需要大量的带标签数据（labeled data）。很多入门的朋友很快就会遇见模型训练和测试这两个阶段，进而也就了解到带标签数据是要被划分成两个部分的：训练集 (training set) 与测试集 (test set)。这两个概念也很直观，大部分朋友非常快就能接受。可是到后面，...

读周志华《机器学习》第一章有感（白话总结）

qq_40694323的博客

04-09

1713

机器学习的基本概念，周志华《机器学习》

机器学习提高准确率的一些思路和技巧

07-26

1914

我们项目中用到yolo和resnet以及deepsort和CRNN，为了提高准确率，从刚开始的调参到现在的固定几种技巧，基本足够应付目前的项目首先对于实际项目中，调整参数对于准确率提升基本影响不大，所以我后来基本不调参了为了提高准确率，目前主要使用如下技巧: 1. 验证数据集的准确性，之前被实习生坑过，做的数据集完全是乱七八糟的，导致训练loss一直下降不了，找了好久才发现是数据集的问题 2. 数据增强，这个比较常用，主要是模拟现实场景的光照，起雾等，当然都是比较简单的效果，复杂的我们也做不出来

吴恩达机器学习作业一Python实现

Leezed525的博客

03-21

1773

最近开始学习机器学习，看了吴恩达的网课，做了作业发现有点意思，但是当时关于作业有一点疑惑不能解决，所以自己解决后决定发一篇博文，算是留个档（ps:疑问是通过问newbing解决的）

机器学习学习笔记——以波士顿房价问题为例

the best messi的博客

10-20

4519

说起入坑机器学习，还是因为在学校一个偶然的机会：那时候在我们教三楼验收数据库课设，然后去学办逛了逛，就看到了有一个百度菁英俱乐部的创立请求书，然后觉得百度这个头衔听牛批的，并且主席刚好是我的一个朋友，然后就找到了他，当天中午去参加了面试（没有走后门嗷），还是正经的写了简历和做了题目的，然后一个研究生学长面试我们（我也比较熟），由于想学技术，就选了技术部，刚好他问的问题我

【机器学习】—— 什么是机器学习

努力学挖掘机的李某某的博客

01-19

2437

什么是机器学习（Machine Learning） Machine Learning这个词，我第一次听到感觉就是怪怪的，其实我们可以把它倒过来理解，“LearningMachine” ，好吧，似乎还是怪怪的，那么我们把Machine换成Algorithm就好理解了，“Learning Algorithm”，没错，就是“学习算法”。机器学习就是具有学习能力的算法。那么接...

机器学习算法---决策树中用于特征选择的信息增益

Nick_Dizzy的博客

04-03

697

首先总体上理解三个概念：熵：表示随机变量的不确定性。条件熵：在一个条件下，随机变量的不确定性。信息增益：熵 - 条件熵然后我们分别来理解这三个概念：一、熵信息量信息量是对信息的度量，就跟时间的度量是秒一样。多少信息用信息量来衡量，我们接受到的信息量跟具体发生的事件有关。信息的大小跟随机事件的概率有关。越小概率的事情发生了产生的信息量越大，如湖南产生的地震了；越大概率的事情发生了产...

【学习笔记】李宏毅2021春机器学习课程第6.1节：生成式对抗网络 GAN（一）

Harryline的博客

07-23

965

文章目录1 能够作为生成器的神经网络 GAN2 动漫人物头像生成3 判别器（Discriminator）4 从自然选择看GAN的基本思想5 GAN 的具体实现过程步骤一：固定 generator G 的参数，只更新discriminator D步骤二：固定 discriminator D 的参数，只更新generator G6 动漫头像生成的具体实验结果 1 能够作为生成器的神经网络 GAN 生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型

白话机器学习算法理论+实战之EM聚类

Miracle8070

02-14

3407

1. 写在前面如果想从事数据挖掘或者机器学习的工作，掌握常用的机器学习算法是非常有必要的，比如我之前写过的一篇十大机器学习算法的小总结，在这简单的先捋一捋，常见的机器学习算法：监督学习算法：逻辑回归，线性回归，决策树，朴素贝叶斯，K近邻，支持向量机，集成算法Adaboost等无监督算法：聚类，降维，关联规则, PageRank等为了详细的理解这些原理，曾经看过西瓜书，统计学习方法，机...

34. 在排序数组中查找元素的第一个和最后一个位置

weixin_61695887的博客

10-12

492

请你找出给定目标值在数组中的开始位置和结束位置。给你一个按照非递减顺序排列的整数数组。你必须设计并实现时间复杂度为。如果数组中不存在目标值。

图算法之Floyd-Warshall 算法（全点对最短路径）详细解读

m0_61840987的博客

10-11

802

Floyd-Warshall 算法是求解全点对最短路径的经典算法，适用于需要处理负权边的场景。它的时间复杂度较高，因此适合处理顶点较少的密集图，而不是稀疏图。如果图中存在负权环，该算法可以用来检测。

【从零开始的LeetCode-算法】3099. 哈沙德数

机器学习 乱七八糟

正则化：

维度：

张量：

batch_size:每次进入训练数据的个数

激活函数：

机器学习乱七八糟