机器学习
文章平均质量分 77
传统机器学习算法,线性回归,逻辑回归,决策树,随机森林,聚类,降维,集成学习,贝叶斯回归等等。
人工智能大讲堂
这个作者很懒,什么都没留下…
展开
-
微软重磅发布4个适合初学者的机器学习资料
自媒体火起来后,很多科技大佬都开始写博客,录视频了,大佬一入行,整个行业卷上天,像我这样的也只能走资源整合之路了,不过这样也好,科技进步,人类发展需要他们。除了个人,科技公司也没闲着,吃饱喝足后也开始在教育方面秀肌肉,露大腿,不过你可别以为他们是在做慈善,这不过是吸引用户的一种手段罢了。课程中会推荐自家的云平台,AI芯片,AI产品,甚至鼓动你弄个全息眼镜玩玩,不过也别在意,他家的东西还是可以的。数据科学中的一些方法仍然是机器学习中所必需的,例如,数据获取,数据清洗,数据预处理,模型选择等等。原创 2023-11-22 12:57:55 · 827 阅读 · 0 评论 -
Essential Math for AI:高效的人工智能数学原理晋级读物
数据格式不同,模型自然也就不同,CV应用CNN,ANN应用前馈神经网络,NLP则使用RNN,但RNN不能解决长程依赖问题,以及串行计算效率低下,导致了后续的各种变体的出现,如LSTM,Transformr等。在传统的机器学习算法中,普通的线性回归,逻辑回归,SVM都可以看作是凸优化问题,对于凸优化,局部最优解就是全局最优解,只要找到梯度等于零的点就可以了。矩阵分解就是一个普通矩阵分解为具有良好性质的矩阵,例如,将矩阵分解为对角矩阵,对角矩阵有一个非常好的性质,矩阵的任意次方都等于矩阵对角元素的任意次方。原创 2023-11-10 19:46:18 · 450 阅读 · 0 评论 -
【机器学习】Github上爆火的机器学习资源numpy-ml
1.高级机器学习算法:NumPy 只提供了有限的几种经典算法,不如完整框架包括的算法多,如果需要更高级的功能和优化。专门的机器学习框架提供了丰富的工具和函数,用于数据加载、转换、特征工程和数据增强等操作。4.分布式计算和加速计算:对于大规模的数据集和复杂的模型,需要进行分布式计算和高性能的加速计算。一些机器学习框架提供了分布式计算的支持,可以在集群或GPU等加速硬件上运行模型训练和推理,以提高计算效率和速度。但是,当你想调试时,或者想查看某些细节是如何实现时,你会发现,这些框架都依赖了很多其他的库。原创 2023-11-10 19:42:03 · 132 阅读 · 0 评论 -
GeoGebra:数学动画制作工具重磅来袭
但我之前的描述有些许偏差,这里要更正一下,manim不仅限于制作线性代数动画,也可以制作数学其他学科的动画,例如微积分,概率与统计等等,甚至还可以制作物理动画。manim需要python编程基础,这对没有基础的人来说是一个缺点,但通过编程的方式能够精确控制元素的运动,这对于高级用户来说却是一种优点。他们可以看作是一个平台,集成了上面所有分支工具,将每个分支工具看作是一个插件,这样就不用分别安装每个分支软件了。上述工具除了绘制图形外,还提供了各种工具,例如计算函数的根,测量几何角度,根据点拟合函数等等。原创 2023-11-10 19:26:39 · 901 阅读 · 1 评论 -
【机器学习】正则化到底是什么?
正则化到底是什么?原创 2023-11-10 12:53:47 · 548 阅读 · 0 评论 -
【机器学习】给大家推荐几个资源
机器学习必须知道的资源原创 2023-11-10 12:47:45 · 135 阅读 · 0 评论 -
【深度学习】深度学习下的语音识别
机器翻译发展之路原创 2023-11-10 12:36:07 · 161 阅读 · 0 评论 -
AutoGluon:亚马逊自动机器学习工具,初学者的福音
AutoGluon:亚马逊自动机器学习工具,初学者的福音原创 2023-11-10 12:10:06 · 1758 阅读 · 1 评论 -
【机器学习】Kaggle大神出书了
我在kaggle上接触的第一个项目是用机器学习进行房价预测,也被称为机器学习界的hello world,就这么一个简单的回归任务,前十名的解决方案都有所不同,有的80%的代码都在进行特征工程,最后调用简单的线性回归函数进行数据拟合,而有的则把重点放在模型上,例如,使用集成学习模型,所以当你具备了一定的理论基础后,通过学习不同的解决方案拓宽思维,当你遇到新问题时一定能快速找到最合适的方法。另外,这本书中会有大量的代码,请一定不要略过这些代码,即使是一个不起眼的超参数设置,也可能项目成败的关键。原创 2023-09-14 09:17:19 · 480 阅读 · 0 评论 -
【资源推荐】一站式机器学习学习资料
机器学习优质资源原创 2023-09-13 20:27:48 · 367 阅读 · 0 评论