机器学习Day05（下）

最新推荐文章于 2025-11-30 16:20:21 发布
原创 最新推荐文章于 2025-11-30 16:20:21 发布 · 617 阅读 · 10 ·
CC 4.0 BY-SA版权
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。
文章标签：

#机器学习 #人工智能

深度学习框架

  • TensorFlow
    • 上一代框架
    • 静态图起家
    • 深度学习前期很重要
    • 执行性能高，但是模型搭建和调试困难
  • PyTorch
    • 现阶段主流，特别是大模型时代，市场占有率100%
    • 动态图起家
    • 执行性能低，但是编程效率高
    • 直接把模型的搭建，编程了Python编程，消除了一切难度
    • API很稳定，从0.几到现在，几乎不变
    • 升级都是内功修炼，不要求编程人员根据版本的升级而更改代码
  • PaddlePaddle
    • 百度，国货
    • 战略储备

深度学习框架给我们带来了什么？

  • 深度学习框架：是一个针对深度学习的科学计算库
  • Numpy：是一个通用科学计算库
  • 历史演进的角度来说：
    • 深度学习框架是一个NumPy++
      • 1. 实现了NumPy的所有功能、使用习惯、命名等。
      • 2. 实现了自动求导。
      • 3. 实现常用的模块（层、优化器……）

PyTorch

最低0.47元/天 解锁文章
机器学习Day01
weixin_74173895的博客
04-22 1410
人工智能（AI）：使用计算机来模拟或者代替人类机器学习（ML）：机器自动学习，并不只由人定义规则编程深度学习（DL）：大脑仿生，模拟人大脑神经网络，设计一层层神经元模拟事物机器学习是实现人工智能的一种途径，深度学习是机器学习的一种更加深入的方法。
机器学习建模流程 day02
qq_56750282的博客
08-04 1633
模型参数是模型在训练过程中学习得到的，用于描述数据的特征或关系；泛化能力（generalization ability）指的是机器学习模型对未见过的数据的适应能力或表现能力。数据库是计算机里面的存储的数据的，当然可以对数据进行一些操作增删改查，通常用于存储大量结构化数据，并提供高效的数据操作和查询功能。数据漂移就是一种影响因素。数据漂移（Data Drift）是指在机器学习模型部署后，输入数据的分布发生变化，导致模型的性能下降的现象。
python之np.var()函数解析
热门推荐
脑机接口社区
07-17 4万+
np.var()函数： def var(a, axis=None, dtype=None, out=None, ddof=0, keepdims=np._NoValue): axis : None or int or tuple of ints, optional Axis or axes along which the variance is computed. The...
python var函数_Python numpy.nanvar函数方法的使用
weixin_32722049的博客
12-23 926
numpy.nanvarnumpy.nanvar(a, axis=None, dtype=None, out=None, ddof=0, keepdims=) [source]沿指定轴计算方差，而忽略NaN。返回数组元素的方差，即分布分布的度量。默认情况下，将为展平数组计算方差，否则将在指定轴上计算方差。对于全NaN切片或自由度为零的切片，将返回NaN并引发RuntimeWarning。1....
pd.dataFrame的var()默认求的居然是样本方差!!!
a857553315的博客
11-23 3060
x = pd.DataFrame([[1, 2, 3], [4, 5, 6], [10, 20, 30]]) print("伪方差:\n", x.var()) # 默认 ddof=1 是伪方差 print("\n方差:\n", x.var(ddof=0)) # 方差 结果: 计算验证: 以第一列为例,平均值是5...
机器学习day1
qq_74261455的博客
04-22 1477
人工智能三大概念 人工智能（AI）、机器学习（ML）和深度学习（DL）人工智能：人工智能是研究计算代理的合成和分析的领域。人工智能是使用计算机来模拟，而不是人类的大脑。人工智能（AI）是一个广泛的概念，它涵盖了使计算机能够执行类似人类智能任务的技术和方法。AI的目标是使计算机系统能够理解和分析复杂的信息，从而做出决策、学习、推理、理解语言、识别模式等。AI的应用领域非常广泛，包括语音识别、自然语言处理、计算机视觉、机器人技术、专家系统等。机器学习：允许计算机无需明确地自动学习的研究领域。
机器学习 Day1
weixin_48093379的博客
05-23 1476
机器学习是从数据中自动分析获取模型，并利用模型对未知数据进行预测。直观理解:所以是从历史数据中获取规律，那么这些历史数据是怎么构成的呢？
机器学习拟合概念 day04
qq_56750282的博客
08-06 2239
过拟合（Overfitting）是指机器学习模型在训练数据上表现很好，但在测试数据或新数据上表现不佳的现象。有多种因素可能导致过拟合,其中最常见的情况是由于学习能力过于强大,以至于把训练样本所包含的不太一般的特性都学到了，而欠拟合则通常是由于学习能力低下而造成的.欠拟合（Underfitting）是指模型在训练数据上表现不佳，通常表现为模型不能很好地捕捉数据中的趋势和模式。总之，拟合是一种重要的数学工具，它帮助我们从数据中提取出有用的信息，进而理解数据背后的模式和规律。拟合（fitting）
小白学机器学习（day1)
2301_80139340的博客
04-22 2308
选择合适的模型来表示学习任务中的数据和变量之间的关系。常见的模型包括线性模型、非线性模型（如神经网络）、贝叶斯网络、隐马尔可夫模型等。
机器学习Day1--机器学习方法
qq_56281949的博客
06-28 2205
机器学习Day1--机器学习方法
机器学习day1资料.zip
06-06
在本压缩包“机器学习day1资料.zip”中，我们主要关注的是Python机器学习的基础内容。这个资料包涵盖了多种常用且重要的机器学习算法，包括分类和回归两大类。接下来，我们将详细探讨这些算法及其在Python中的实现。...
黑马机器学习day01
08-08
黑马机器学习day01
day7 机器学习加油1111
11-17
day7 机器学习加油1111
机器学习周报二十四
weixin_60864619的博客
11-30 746
本周学习了潜在扩散模型的概念，潜在扩散模型的实现是很简单的，之后学习了变分自编码器(VAE)。同时解决了之前的RCNN目标检测的模型，但是效果很差。This week, I studied the concept of latent diffusion models. The implementation of latent diffusion models is quite simple. Afterwards, I learned about variational autoencoders (VAE)
11.1 高斯消元法的应用
passxgx的博客
11-26 777
高斯消元法实际应用
AAAI-2013《Spectral Rotation versus K-Means in Spectral Clustering》
Christo的博客
11-30 485
这篇论文成功地将谱旋转技术应用于谱聚类，解决了传统K-Means在处理松弛谱向量时的偏差问题。通过引入正交旋转约束，方法在理论上保证了更好的连续-离散逼近，并在实验中证明了其在图割优化和聚类指标上的优越性。论文结构清晰：从谱聚类背景引入问题，推导优化算法，提供理论证明，并通过基准数据集验证。该工作强调了谱聚类后处理的的重要性，为后续研究（如自适应谱聚类）提供了基础。
深度学习、机器学习、人工智能三者的关系
casually的博客
11-29 678
以上就是深度学习、机器学习、人工智能三者的关系。
【机器学习】21-22 机器学习系统开发流程 & 倾斜数据集
最新发布
weixin_54010404的博客
11-30 459
本文摘要：文章介绍了机器学习开发流程的关键环节，包括迭代开发过程、错误分析方法、数据增强与合成技术、迁移学习的应用场景与策略。详细阐述了倾斜数据集下的评估指标（准确率、召回率、F1分数）及其权衡关系，并概述了完整机器学习项目的生命周期（从任务定义到部署监控）。特别强调了在数据不平衡情况下传统准确率的局限性，提出了使用精确率和召回率作为替代指标，并通过F1分数进行综合评估的方法。最后提及了机器学习项目中的伦理考量和数据偏见问题。
机器学习初级
2401_87118211的博客
11-28 525
机器学习初级
深入探索sklearn机器学习算法应用
1. 02_机器学习算法day05.rar 2. 02_机器学习算法day06.zip 3. 02_机器学习算法day07.zip 这些文件名暗示了内容可能与机器学习算法的学习和实践有关，同时提到了时间序列，可能是指课程或讲座的连续性。由于文件名...
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