【更新情况】近期因为工作原因，针对机器学习方面文章停更。

最新推荐文章于 2025-10-21 08:37:18 发布
原创 最新推荐文章于 2025-10-21 08:37:18 发布 · 999 阅读 · 0 ·
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。

由于当前工作重点偏向数据治理及项目实施，机器学习系列文章将暂停更新。公司技术处于起步阶段，工作内容涵盖多个领域。待工作内容稳定后，将继续深入研究图像领域的深度学习。

由于近期工作状况，重心偏数据治理和项目实施，机器学习为内容的系列文章暂时停更，如果看到国外好的文章也会不定期的更新。

所在公司技术在起步阶段，工作内容较为“跨界”，所以发文告知一下关注我的小伙伴。

等工作内容稳定下来就继续开始研究图像方面的深度学习。

                                                                                                                 ————  敬：   关注我的小伙伴

机器学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-12 17万+
机器学习按照模型类型分为监督学习模型、无监督学习模型和概率模型三大类,文章对十大机器学习算法进行详细介绍并阐述机器学习其他概念问题，可作为机器学习初学者学习使用。
机器学习分类算法之XGBoost（集成学习算法）
迷茫与徘徊只会让你陷入绝境，欢迎私信博主，带你开始提升变现价值！
02-14 10万+
目录 走进XGBoost 什么是XGBoost？ XGBoost树的定义 XGBoost核心算法 正则项：树的复杂程度 XGBoost与GBDT有什么不同 XGBoost需要注意的点 XGBoost重要参数详解 调参步骤及思想 XGBoost代码案例 相关性分析 n_estimators（学习曲线） max_depth（学习曲线） 调整max_depth 和min_child_weight 调整gamma 调整subsample 和colsample_bytree 调整正则
近期文章与教程和其他情况说明
喵叔
07-17 1115
一，近期文章与教程预告 << 十七天十七个设计模式 >>将继续发布，我会尽快将此系列教程完成; << Python从入门到精通 >>，我会在7月21日开始编写并发布; 近期我也会发布一些小的知识点，比如* 装饰器* ，* 生成器* ，以及* Python3.7 * 的新特性 二，相关事情说明 因为最近很忙，所以上博客的次数较少，有些...
最近状况
weixin_33701294的博客
03-08 277
最近状况 好久没写文章了。最近也荒废了许多，自己都感觉过意不去了。简单总结下最近工作中的事情 主要工作 由于年后调离的原部门，现在在新的部门，现在这一段时间主要是进行ng-zorro的开发。主要是前段页面，对于一个我从来没写过前端和ng-zorro的人来说。有点痛苦的。好在还能粘贴复制，加上询问同事，还能勉勉强强的应付过去。 奇怪想法 现在忽然感觉自己什么都不会了。学习也没有动力了。心中有个想...
AI的提示词专栏：Prompt 与传统机器学习特征工程的异同
优快云博客专家，系统架构师，有合作、疑惑请私信博主。
10-21 14万+
本文围绕 Prompt 与传统机器学习特征工程展开分析，二者本质均为构建 “人类需求” 与 “模型能力” 的输入桥梁，目标一致（降低模型理解成本）、依赖领域知识、需迭代优化。但核心差异显著：特征工程作用于模型训练前，需结构化数据，高度依赖人工且适配特定模型，适用于需求稳定、高并发的线上业务；Prompt 作用于推理时，输入灵活，可部分自动化且跨模型通用，更适合需求多变、非结构化数据处理场景。文章还指出二者可协同应用，如 Prompt 辅助特征设计、特征工程提升 Prompt 精准度……
机器学习入门基础（万字总结）（建议收藏！！！）
热门推荐
subsistent的博客
12-04 18万+
机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本文章涵盖了机器学习的基础知识，主要包括机器学习的概述、 回归、分类、聚类、神经网络、文本分析、图像分析、深度学习等经典的机器学习基础知识，还包括深度学习入门等拔高内容。介绍机器学习的基础概念和知识，包括机器学习简史、主要流派、与人工智能、数据挖掘的关系、应用领域、算法、一般流程等。伴随着计算机计算能力的不断提升以及大数据时代的迅发展人工智能也取得了前所未有的进步。
【一起啃西瓜书】机器学习-期末复习（不挂科）
风口IT猪的成长录
12-11 3万+
【机器学习-期末复习爆肝2w字笔记整理分享】 《机器学习》致力于研究如何通过计算的手段，利用经验来改善系统自身的性能，从而在计算机上从数据（经验）中产生“模型”，用于对新的情况给出判断（利用此模型预测未来的一种方法）。 分为三类：监督学习、元监督学习、强化学习。
揭秘AI：机器学习与深度学习的奥秘
Edison's 小宇宙
03-14 4万+
从0到1：揭秘人工智能背后的机器学习与深度学习
机器学习在安全领域的应用：从大数据中识别潜在安全威胁
科技改变人类，技术成就未来
04-14 4万+
当谈到机器学习在安全领域的应用时，不可否认其在提升安全保障能力方面的重要性。机器学习技术的迅猛发展和不断完善，为威胁检测、视频监控和自然语言处理等安全领域带来了前所未有的机遇和挑战。本博客将深入探讨机器学习在安全领域的广泛应用，以及其对安全保障能力的提升。在过去的几年中，安全风险与威胁不断增加，传统的安全技术已经不能满足当今快速发展的威胁。因此，人们开始将机器学习技术引入安全领域，以帮助分析、监控和预防安全威胁。
机器学习——十大算法
Like_July_moon的博客
03-16 2万+
线性回归是机器学习中最基础也是应用最广泛的算法之一。它主要用于预测一个或多个自变量（输入特征）与一个因变量（输出标签）之间的线性关系。线性回归模型试图找到一条直线（在二维空间中）或一个超平面（在更高维空间中），使得所有数据点到这条直线或超平面的垂直距离之和最小，这样的直线或超平面称为最佳拟合线或最佳拟合超平面。线性回归模型通常表示为：其中：*y 是因变量，即我们想要预测的输出。*x 是自变量，即输入特征。*w 是权重，表示每个特征对输出影响的程度。
[Python从零到壹] 十三.机器学习之聚类算法四万字总结全网首发（K-Means、BIRCH、树状聚类、MeanShift）
杨秀璋的专栏
07-06 2万+
欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍，看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解，真心想把自己近十年的编程经验分享给大家，希望对您有所帮助，文章中不足之处也请海涵。Python系列整体框架包括基础语法10篇、网络爬虫30篇、可视化分析10篇、机器学习20篇、大数据分析20篇、图像识别30篇、人工智能40篇、Python安全20篇、其他技巧10篇。您的关注、点赞和转发就是对秀璋最大的支持，知识无价人有情，希望
基于亚马逊云科技新功能：Amazon SageMaker Canvas无代码机器学习—以构建货物的交付状态检测模型实战为例深度剖析以突显其特性
一键难忘的博客
12-14 10万+
我以前使用过Amazon SageMaker来训练一些模型，当然都是高度需要代码，是传统的深度学习模型，但是这次的新产品Amazon SageMaker Canvas给我带来了极大的震撼，现在不用代码就可以继续模型训练，这是之前闻所未闻的！
根据软件架构设计与评估的叙述开发一套机器学习应用开发平台
帅次的博客
09-26 2129
在当今快速发展的科技环境中，机器学习应用开发平台的架构设计面临着前所未有的挑战与机遇。本文探讨了在设计此类平台时，如何平衡灵活性与可扩展性两大核心要素。通过对平台用户角色的深入分析，明确不同用户需求，结合质量属性效用树的构建，识别出关键的性能与可修改性要求。同时，对三种架构风格——解释器、管道-过滤器与隐式调用进行比较，探讨它们在实现机器学习流程定义和算法扩展方面的优劣势。最终，提出基于解释器架构的设计方案，以其自定义规则和跨平台适配能力，确保平台不仅能满足初学者与高级用户的需求，还能在未来快速响应技术发展
基于uni-app跨平台框架构建的每日内容迭代美团风格智能点餐系统_集成在线下单菜单浏览订单管理支付接口用户评价商家后台实时更新与二维码体验功能的综合性移动应用_旨在为.zip
12-21
基于uni-app跨平台框架构建的每日内容迭代美团风格智能点餐系统_集成在线下单菜单浏览订单管理支付接口用户评价商家后台实时更新与二维码体验功能的综合性移动应用_旨在为.zip
VDA 5 V3_2021 Measurement and Inspection Processes EN 测量检验过程.rar
12-21
VDA 5 V3_2021 Measurement and Inspection Processes EN 测量检验过程.rar
使用Java技术输出Word文件中嵌入图像
12-21
代码转载自：https://pan.quark.cn/s/06a8ab9292f2 python3导出mysql表结构到word文件 在config.properties配置数据库连接信息,运行Main.py export mysql database to microsoft word file config database information in config.properties file then run Main.py word样例
【风光场景生成】基于改进ISODATA的负荷曲线聚类算法（Matlab代码实现）
最新发布
12-21
【风光场景生成】基于改进ISODATA的负荷曲线聚类算法（Matlab代码实现）
仿网上自助点餐的微信小程序_自助点餐系统_城市定位餐厅选择_商品菜单浏览_食品详情展示_购物车订单管理_用户登录注册_轮播图展示_图标资源管理_用于提供便捷的线上自助点餐服务_支持.zip
12-21
仿网上自助点餐的微信小程序_自助点餐系统_城市定位餐厅选择_商品菜单浏览_食品详情展示_购物车订单管理_用户登录注册_轮播图展示_图标资源管理_用于提供便捷的线上自助点餐服务_支持.zip
基于Python+Django+Vue+MySQL的高校实习管理系统设计与实现（含源码、论文及演示）
12-21
**高校专业实习管理平台设计与实现** 本设计项目旨在构建一个服务于高等院校专业实习环节的综合性管理平台。该系统采用当前主流的Web开发架构，基于Python编程语言，结合Django后端框架与Vue.js前端框架进行开发，实现了前后端逻辑的分离。数据存储层选用广泛应用的MySQL关系型数据库，确保了系统的稳定性和数据处理的效率。 平台设计了多角色协同工作的管理模型，具体包括系统管理员、院系负责人、指导教师、实习单位对接人以及参与实习的学生。各角色依据权限访问不同的功能模块，共同构成完整的实习管理流程。核心功能模块涵盖：基础信息管理（如院系、专业、人员信息）、实习过程管理（包括实习公告发布、实习内容规划、实习申请与安排）、双向反馈机制（单位评价与学生反馈）、实习支持与保障、以及贯穿始终的成绩评定与综合成绩管理。 在技术实现层面，后端服务依托Django框架的高效与安全性构建业务逻辑；前端界面则利用Vue.js的组件化特性与LayUI的样式库，致力于提供清晰、友好的用户交互体验。数据库设计充分考虑了实习管理业务的实体关系与数据一致性要求，并保留了未来功能扩展的灵活性。 整个系统遵循规范的软件开发流程，从需求分析、系统设计、编码实现到测试验证，均进行了多轮迭代与优化，力求在功能完备性、系统性能及用户使用体验方面达到较高标准。 **核心术语**：实习管理平台；Django框架；MySQL数据库；Vue.js前端；Python语言。 资源来源于网络分享，仅用于学习交流使用，请勿用于商业，如有侵权请联系我删除！
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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