【ML基石】K-Means与KNN

最新推荐文章于 2025-05-20 19:19:54 发布
最新推荐文章于 2025-05-20 19:19:54 发布
阅读量556 收藏
点赞数
分类专栏： 机器学习 文章标签： 机器学习 数据挖掘
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.youkuaiyun.com/AaronYKing/article/details/90485786
版权
「01」机器学习与深度学习，到底在学些什么？
Machine Learning with Tutors
05-31 4546
根据定义，学习是从有限的例子中，找出问题和答案之间规律的一个过程，而所找出的规律叫做知识，而知识，在我们的意识层面上叫做知识，但在数学层面，它的名字叫做模型。经过千万年的进化，人类已经可以熟练利用大脑神经元所组成的生物记忆网络，将感官收集到的信号，如图像、物体、声音、文字，通过长短期的记忆机制进行保存。通过这些信息，大脑会推演出下一个类似情况、问题发生时，我们该做出的反应。这些反应有先天的，比如面对狮子时，我们的祖先遗留下来的对死亡的基因恐惧，驱使大脑发出逃离的指令。...
ML基石_HW0
YoungGy的专栏
09-08 1926
机器学习 MOOC
ML基石_7_VC
YoungGy的专栏
09-29 647
vc bound
机器学习：42篇林轩田老师ML基石+技法笔记汇总
全性保真，不以物累形。
04-27 4475
林轩田老师机器学习基石+技法笔记汇总。
Spark ML
这个人很懒什么都没有~
10-20 787
1.1 机器学习的定义在维基百科上对机器学习提出以下几种定义：“机器学习是一门人工智能的科学，该领域的主要研究对象是人工智能，特别是如何在经验学习中改善具体算法的性能”。“机器学习是对能通过经验自动改进的计算机算法的研究”。“机器学习是用数据或以往的经验，以此优化计算机程序的性能标准。” 一种经常引用的英文定义是：A computer program is said to learn from experience E with respect to some class of tasks T and pe
机器学习的分类与主要算法对比
yamaxifeng_132的专栏
02-27 478
重要引用：Andrew Ng Courera Machine Learning；从机器学习谈起；关于机器学习的讨论；机器学习常见算法分类汇总；LeNet Homepage；pluskid svm 　　首先让我们瞻仰一下当今机器学习领域的执牛耳者： 　　这幅图上的三人是当今机器学习界的执牛耳者。中间的是Geoffrey Hinton, 加拿大多伦多大学的教授，如今被聘为“Google大脑”的...
机器学习-概述
好好学习
07-27 801
概述
机器学习（Machine Learning）大家与资源
热门推荐
战斗蜗牛的专栏
08-03 1万+
=======================国外==================== Machine Learning 大家(1)：M. I. Jordan (http://www.cs.berkeley.edu/~jordan/) 在我的眼里，M Jordan无疑是武林中的泰山北斗。他师出MIT，现在在berkeley坐镇一方，在附近的两所名校（加stanford）中都可以说无出其
算法笔记整理5 - 机器学习的分类与主要算法对比
Sevieryang/FinTech/Statistics/Quant
01-12 645
机器学习可以分为如下几类： 监督学习 分类 回归 无监督学习 聚类 降维 半监督学习 强化学习 半监督学习 半监督学习目前不太流行了。 正好介于监督学习和无监督学习之间，半监督学习有一部分数据有标签，有一部分数据没标签。 强化学习 强化学习是深度学习的一部分，就是模型跟外界环境不断交涉。根据反馈的好坏，不断的进行调整。 意味着外界的反馈都是更好的反馈。如果反馈很低，结果不好，那么就...
coursera机器学习-聚类，降维，主成分分析
weixin_30307267的博客
12-15 107
#对coursera上Andrew Ng老师开的机器学习课程的笔记和心得； #注:此笔记是我自己认为本节课里比较重要、难理解或容易忘记的内容并做了些补充，并非是课堂详细笔记和要点； #标记为<补充>的是我自己加的内容而非课堂内容，参考文献列于文末。博主能力有限，若有错误，恳请指正； #------------------------------------------------...
机器学习基础算法实战：从KNN到K均值聚类
它们分别是K最近邻算法（K Nearest Neighbour，KNN）、逻辑回归（Logistic Regression）、线性回归（Linear Regression）、朴素贝叶斯（Naive Bayes）以及K均值聚类（K-means Clustering）。这些算法广泛应用于分类...
machine-learning:常用机器学习算法实践笔记，持续更新！
05-23
K Means 学习资料 学习资料整理 Link: 《机器学习实战》 《集体智慧编程》 《统计学习方法》 coursera-ML 机器学习基石 5、实践环境 Python 3.5.1 :: Anaconda 2.4.1 (64-bit) 在win下使用Anaconda集成包可以省去...
探索Python中的ML_algorithms算法应用
K最近邻（KNN）算法通过计算测试实例与训练集中K个最近的实例之间的相似度进行分类。梯度提升树是通过对一系列弱学习器进行迭代改善以增强预测准确性的一种集成学习方法。 无监督学习算法中，聚类算法和关联规则...
【算法创新探索】：革新你的KNN算法：鸢尾花数据集案例研究
本文全面探讨了KNN算法的基础原理、数据预处理及特征选择、实现与优化方法，并通过鸢尾花数据集案例研究对算法的应用进行了深入分析。文章首先介绍KNN算法的基本概念和工作原理，随后着重讲解了数据预处理和特征选择...
分类器引导的条件生成模型
qq_36892712的博客
05-19 933
分类器引导的条件生成模型通过外部分类器的梯度信号，在不修改生成模型结构的情况下实现可控生成。其核心在于贝叶斯框架下的梯度融合，既保留了生成模型的多样性，又增强了条件指向性。实际应用中需注意分类器与生成模型的协同性，并通过实验调整参数以达到最优效果。
什么是 AI 人工智能？什么是机器学习？什么是深度学习？三者啥关系
最新发布
人工智能研究所的博客
05-20 639
AI 到底是个啥？跟咱有啥关系？一文帮你搞懂！ 最近是不是老听到 “AI”、“人工智能” ，“机器学习”，“深度学习”这些词？感觉挺高大上，但又有点懵？别担心，今天咱们就用大白话聊聊，AI 到底是个啥玩意儿！
深度学习架构快速入门——卷积神经网络CNN、循环神经网络RNN、生成对抗网络GAN、Transformer以及编码器-解码器
yyyyyybw的博客
05-20 487
Transformer模型是一种复杂的语言模型，它通过将文本拆分成更小的部分并分析它们之间的关系来处理文本，该模型可以对各种查询生成连贯且流畅的响应。它通过为输入序列中的每个单词分配一个权重来实现，该权重指示其与当前上下文的相关性，这使得模型能够关注重要单词，并降低不太相关单词的重要性。它们常用于序列到序列的问题，如机器翻译，其目标是将一种语言（源语言）的输入文本转换为另一种语言（目标语言）的对应文本。它通过自注意力机制将文本拆分成更小的部分并分析它们之间的关系，从而能够生成对各种查询的连贯且流畅的响应。
【计算机方向海外优质会议推荐】第二届图像处理、机器学习与模式识别国际学术会议（IPMLP 2025)
m0_73083823的博客
05-20 466
图像处理、深度学习、计算成像、可视化、光信号处理、图像采集、模式识别与分析、图像压缩、实时信号处理、人脸识别、云与边缘计算安全、数字信号处理、深度学习与神经网络）机器学习、自然语言处理、智能软件、图像处理、机器学习与软计算、数据挖掘、大数据技术、人工智能、深度学习、数据处理（计算机视觉、信号和图像处理、人机交互、模式识别、视觉学习、模式识别原理、机器人和深度学习、模型表示和选择、图像处理与分析、数据挖掘和大数据、生物识别、模式识别与信号处理、自动化、迁移学习、人工神经网络、人机交互
机器学习自然语言处理
yzx991013的博客
05-20 707
早期词向量是静态的，无法处理多义词。词向量是将语言符号（词语）转化为连续稠密向量的技术，核心思想是通过向量表示来反映词语间的语义关联。在实际应用中，词向量为 NLP 任务（如文本分类、机器翻译、命名实体识别等）提供低维、稠密的特征输入，也是预训练模型（如 BERT、GPT）的底层技术支撑。它通过数学空间中的向量表示，捕捉词语的语义和语法信息，有效解决了传统离散表示的 “维数灾难” 和 “语义鸿沟” 问题。资源稀缺语言的词向量质量低，静态词向量难以捕捉新词和领域特定术语，向量空间的语义映射缺乏明确物理意义。
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