机器学习
学习笔记
Sixm0
这个作者很懒,什么都没留下…
展开
-
Task02 Datawhale AI夏令营-AI极端降水预报挑战赛
通过task2的学习,深入理解了使用PyTorch和深度学习搭建预测任务的流程,掌握了时间序列预测的基础知识,并对伏羲大模型在气象预报中的作用有了初步了解。原创 2024-07-31 23:25:47 · 365 阅读 · 0 评论 -
Task01 Datawhale AI夏令营-AI极端降水预报挑战赛
机器学习是人工智能的一个分支,它使计算机系统利用数据来不断改进性能,而无需进行明确的编程。机器学习像一个学生, 通过给定的教材, 不断地学习教材内容,最终可以在期末考试或者综合实践中取得优异的成绩。核心思想:通过算法和统计模型,机器学习允许计算机从经验中学习,识别模式,并做出预测或决策。监督学习:算法从标记的训练数据中学习,这些数据包含了输入和期望的输出。无监督学习:算法处理未标记的数据,试图找出数据中的结构和模式。同时, 通过任务的输出是否离散, 机器学习的任务又可以划分为分类与回归深度学习。原创 2024-07-26 13:15:44 · 845 阅读 · 0 评论 -
机器学习入门--03决策树
1、决策树学习的目的是为了产生一棵泛化能力强,即处理未见示例能力强的决策树,其基本流程遵循简单且直观的"分而治之" (divide-and-conquer) 策略。5、CART Classification and Regression Tr.胆的简称,这是一种著名的决策树学习算法,分类和回归任务都可用。3、一般而言,信息增益越大,则意味着使周属性 来进行划分所获得的"纯度提升"越大。(2) 当前属性集为空,或是所有样本在所有属性上取值相同,无法划分;(3) 当前结点包含的样本集合为空,不能划分。原创 2023-11-23 23:24:42 · 355 阅读 · 0 评论 -
机器学习入门--01绪论
1、属性张成的空间称为"属性空间" (attribute space) “样本空间” (sample space) 或"输入 空间"。例如我们把"色泽" “根蒂” "敲声"作为三个坐标轴,则它们张成 一个用于描述西瓜的三维空间,每个西瓜都可在这个空间中找到自己的坐标位置。2、一般地,用(Xi,Yi) 表示第 个样例 其中执 εy 是示例 Xi 的标记 是所有标记的集合, 亦称"标记空间" (label space)或"输出空间“。5、监督学习:训练数据有标记信息的学习过程。原创 2023-11-14 23:37:47 · 159 阅读 · 0 评论 -
机器学习入门--02线性模型
2、均方误差(差亦称平方损失)是回归任务中最常用的性能度量。最小化的过程,称为线性回归模型的最小二乘"参数估计"。:渐近等于,随着循环递进,左右两边逐渐相等。5、欠采样法的时间开销通常远小于过采样法。4、单位阶跃函数不连续。原创 2023-11-20 21:56:36 · 35 阅读 · 1 评论