![](https://img-blog.csdnimg.cn/6cd194c28ed04561bacd6e4bfc10c9a5.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习
文章平均质量分 90
a
「已注销」
这个作者很懒,什么都没留下…
展开
-
人工智能基础 | 回归分析(四)
回归,指研究一组随机变量 (Y1 ,Y2 ,…,Yi) 和另一组 (X1,X2,…,Xk) 变量之间关系的统计分析方法,回归分析是一种数学模型,当因变量和自变量为线性关系时,它是一种特殊的线性模型。线性回归是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,运用十分广泛。原创 2022-11-13 23:05:26 · 590 阅读 · 1 评论 -
人工智能基础 | K近邻(三)
k-近邻(k-Nearest Neighbor,简称KNN)学习是一种常用的监督学习方法,其工作机制非常简单:给定测试样本,基于某种距离度量找出训练集中与其最靠近的k个训练样本,然后基于这k个“邻居”的信息来进行预测。————根据你的“邻居”判定你的类别,你周围的人决定了你是怎样的人。原创 2022-11-13 10:40:35 · 700 阅读 · 0 评论 -
人工智能基础 | 机器学习模型评估与选择(二)
以下内容是在学习过程中的一些笔记,难免会有错误和纰漏的地方。如果造成任何困扰,很抱歉。对于模型的评估与选择过程中,通常我们会根据样本的错误率与输出误差判断模型的好坏,以做出决策,首先我们从相应的名词解释看背后的问题:样本错误率E = 分类错误的样本数a / 样本总数m = E=a/m样本精度 = 1 - 分类错误的样本数 / 样本总数误差:学习器实际输出与样本的真实输出之间的差异。原创 2022-11-02 22:24:03 · 559 阅读 · 0 评论 -
人工智能基础 | 机器学习介绍(一)
机器学习就是一种机器处理问题使用拟人化方式的一种解决方案,通过自主性的学习问题处理方式来解决问题,在生活中,我们常常说的小红书、淘宝等厂家的大数据算法推荐,都是基于用户习惯进行学习,来给用户推荐最合适的产品/文章。原创 2022-10-30 23:26:40 · 341 阅读 · 0 评论 -
人工智能案例集 | 连续值预测基础
对于连续值的预测,我们常常会说到线性回归模型(当因变量和自变量为线性关系时,它是一种特殊的线性模型),线性回归是利用数理统计中回归分析,来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法,运用十分广泛,例如股票预测原创 2022-10-30 23:25:29 · 374 阅读 · 0 评论 -
Paddle GPU支持平台安装
Paddle GPU支持平台安装原创 2022-10-30 23:24:56 · 167 阅读 · 0 评论 -
人工智能案例集 | 服饰分类识别
此Tensorflow官方案例是机器学习中的Hello World,将训练一个神经网络模型,对运动鞋和衬衫等服装图像进行分类,通过Tensorflow及KerasAPI对图像分类识别有一个基本认知。原创 2022-10-30 23:23:46 · 727 阅读 · 0 评论 -
OpenCV(一)基础API
OpenCV是计算机视觉中经典的专用库,具备支持多语言、跨平台的优点,OpenCV-Python为OpenCV提供了Python接口,这样使用者在Python中能够调用C/C++,从而在保证易读性和运行效率的前提下,实现所需的功能。在深度学习领域中,通过在图像、视频中获取到相应的目标而进行业务分析,那么OpenCV在这里的作用是必不可少。原创 2022-10-30 23:22:34 · 1655 阅读 · 0 评论 -
机器学习之TensorFlow - 补充学习中20220911
以下内容是在学习过程中的一些笔记,难免会有错误和纰漏的地方。如果造成任何困扰,很抱歉。TensorFlow™是一个基于数据流编程(dataflow programming)的符号数学系统,是一个功能强大的开源软件库,它由Google的布莱恩(Brain)团队开发,被广泛应用于各类机器学习(machine learning)算法的编程实现,其前身是谷歌的神经网络算法库DistBelief。我们先从人类的大脑开始构思,人的大脑都是由无数个神经元构成,神经元之间相互通过脉络链接,组成一个庞大的神经元网络。原创 2022-08-21 21:49:54 · 901 阅读 · 0 评论 -
简单回归之电表预测
以下内容是在学习过程中的一些笔记,难免会有错误和纰漏的地方。如果造成任何困扰,很抱歉。提示:这里对文章进行总结:例如:以上就是今天要讲的内容。原创 2022-08-14 12:24:00 · 500 阅读 · 0 评论