墨衍会员
·
AI 创作全网分发
墨衍智能分发
本文由作者通过墨衍一键同步至各平台
1分发平台
200+累计阅读
245平均单平台
已同步平台
优快云
微信公众号
微博
知乎
掘金
百家号
博客园
抖音
小红书
你的文章也可以这样分发
墨衍会员 ¥399起/年，写一次发全网
我也要
生成模型是一类机器学习模型，其主要目标是通过学习数据的分布特征来生成新的数据样本。无监督分类是生成模型在无标签数据上进行的一种任务，即将数据样本划分为不同的类别，但并不需要事先知道类别标签。本文将介绍生成模型的无监督分类方法，并提供相应的编程实现。
生成模型的无监督分类方法之一是聚类算法。聚类算法通过计算数据样本之间的相似性或距离，将相似的样本归为同一类别。其中，k-means算法是一种经典的聚类算法。下面是使用Python编程实现k-means算法的示例代码：
import numpy as np
def kmeans(X, k, max_iters=100):
# 随机初始化k个聚类中心面试Python机器学习时，常见的十个面试题
小千整理了一下往期同学再面试Python机器学习工作的时候常见的十个面试题，并且附上了详细解答，供同学们参考，面试前看一看，说不准就用得上呢？ 1.有监督学习和无监督学习有什么区别？ 有监督学习：对具有标记的训练样本进行学习，以尽可能对训练样本集外的数据进行分类预测。（LR,SVM,BP,RF,GBDT） 无监督学习：对未标记的样本进行训练学习，比发现这些样本中的结构知识。(KMeans,DL) 2.什么是正则化？ 正则化是针对过拟合而提出的，以为在求解模型最优的是一般优化最小的经验风险，现在在该经验风险
机器学习面试题（一）
1.有监督学习和无监督学习有什么区别？ 有监督学习：对具有标记的训练样本进行学习，以尽可能对训练样本集外的数据进行分类预测。（LR,SVM,BP,RF,GBDT） 无监督学习：对未标记的样本进行训练学习，比发现这些样本中的结构知识。(KMeans,DL) 2.什么是正则化？ 正则化是针对过拟合而提出的，以为在求解模型最优的是一般优化最小的经验风险，现在在该经验风险上加入模型复杂度这一项（正则化项是模型参数向量的范数），并使用一个rate比率来权衡模型复杂度与以往经验风险的权重，如果模型复杂度越高，结构
机器学习方向企业面试题（一）
Python的机器学习方向是近年来不少大厂非常注重的方向之一，这也让不少同学都开始转行学习机器学习领域，这里小千为大家整理了一下大厂在机器学习方向的面试题，大家在面试前看一下说不准就能压到宝~~ 1.有监督学习和无监督学习有什么区别？ 有监督学习：对具有标记的训练样本进行学习，以尽可能对训练样本集外的数据进行分类预测。（LR,SVM,BP,RF,GBDT） 无监督学习：对未标记的样本进行训练学习，比发现这些样本中的结构知识。(KMeans,DL) 2.什么是正则化？ 正则化是针对过拟合而提
人工智能-机器学习-深度学习-分类与算法梳理
目前人工智能的概念层出不穷，容易搞混，理清脉络，有益新知识入脑。为便于梳理，本文只有提纲，且笔者准备仓促，敬请勘误，不甚感激。。
机器学习概念（一）
是一门使计算机在没有明确编程的情况下具备学习能力的研究领域。
无监督学习对称可变形三维物体的研究与编程实现
通过这篇文章，读者将了解到对称可变形三维物体的无监督学习是如何通过自学习的方式实现特征提取与重建的。为了解决这个问题，研究者提出了一种基于无监督学习的方法，可以自动从未标记的数据中学习对称可变形三维物体的特征。首先，为了学习对称可变形三维物体的特征表示，研究者提出了一种无监督学习的框架。该框架由编码器和解码器组成。实验结果表明，该方法可以成功地学习到对称可变形三维物体的特征表示，并且生成的物体与真实物体非常相似。此外，与传统的监督学习方法相比，该方法不需要额外的标注数据，从而节省了大量的人力和时间成本。
数据结构与算法中决策树的无监督学习拓展
传统决策树（如ID3、C4.5、CART）作为监督学习的核心算法，依赖标签信息进行节点分裂，在分类与回归任务中表现优异。但在无标签数据场景（如用户分群、异常检测、图像分割）中，传统决策树面临分裂准则失效的问题。本文聚焦无监督学习框架下决策树的算法改进与应用拓展，涵盖层次聚类决策树、密度估计决策树、无监督特征选择等核心技术，构建完整的无监督决策树技术体系。核心概念：对比监督与无监督决策树的架构差异，定义无监督分裂准则算法原理：推导基于信息熵、密度函数、方差最小化的分裂算法数学模型。
无监督学习 (Unsupervised Learning) 原理与代码实例讲解
无监督学习 (Unsupervised Learning) 原理与代码实例讲解 关键词： 自然语言处理（NLP） 数据挖掘 分析型学习 模型驱动学习 数据驱动学习
基于GPT的生成模型在AIGC领域的应用实践与技术优化【附核心实战代码】
AIGC技术的核心是通过人工智能模型自动生成符合用户需求的内容。这些内容可以是文本、图像、音频或视频等形式。生成内容的过程通常依赖于深度学习模型，尤其是大规模的生成模型。AIGC在文本生成中的应用，主要依赖于**自然语言处理（NLP）*和*生成模型。# 加载预训练的GPT-2模型和tokenizer# 输入一个较长的文章文本"""# 将文章文本编码为模型输入格式# 生成摘要文本# 解码生成的摘要文本。
AI Mass人工智能大模型即服务时代：从半监督学习到无监督学习
作者：禅与计算机程序设计艺术 1.背景介绍 近几年随着科技进步，人工智能领域正在进入一个全新的阶段——大模型即服务（AI Mass）时代。其核心特征在于对海量数据的训练、分析及应用进行高度自动化，整个过程中不需要人类参与。这项技术带来的重大影响是人们可以在短时间内建立复杂且精确的AI模型，并快速部署
数据科学中的对比学习：无监督大数据表征
对比学习(Contrastive Learning)作为无监督学习的一个重要分支，近年来在计算机视觉、自然语言处理等领域取得了显著成功。本文旨在全面介绍对比学习的基本原理、关键技术以及实际应用，帮助读者深入理解这一强大的表征学习方法。文章首先介绍对比学习的基本概念和背景知识，然后深入探讨其核心算法和数学模型。接着通过实际代码示例展示如何实现对比学习系统，并讨论其应用场景和工具资源。最后总结未来发展趋势和挑战。对比学习(Contrastive Learning)
半监督学习原理与代码实战案例讲解
半监督学习原理与代码实战案例讲解 作者：禅与计算机程序设计艺术 1. 背景介绍 1.1 机器学习简述 机器学习是人工智能的一个分支，其核心目标是让计算机系统能够自动地从数据中学习并改进性能，而无需进行显式编程。机器学习算法可以根
传输线末端短路、开路、加电感的反射系数
时，频率变化约300MHz, 出现这种偏差是因为我们的计算中将电磁波传播速率默认为。时，频率变化约300MHz, 出现这种偏差是因为我们的计算中将电磁波传播速率默认为。下图为用网络分析仪实测一长度为30cm的传输线末端加一0.6uH的线圈的反射系数。下图为用网络分析仪实测一末端短路的长度为30cm的传输线的反射系数。下图为用网络分析仪实测一末端开路的长度为30cm的传输线的反射系数。末端加电感相当于在传输线末端延长了一段后末端短路，使得相位下降速率。幅度为0dB, 相位由。幅度为0dB, 相位由。
国产操作系统应用迁移与适配
了解国产操作系统的背景及意义
LED背光驱动电路解析：从MP3394芯片到液晶屏灯管控制
本文深入解析了以MP3394芯片为核心的LED背光驱动电路工作原理。从升压电路的能量转换到多路LED的均流控制，详细阐述了其作为液晶屏背光“大脑”的关键作用，并提供了黑屏、闪屏、亮度不均等常见故障的实战检修思路与排查方法。
斯坦福HumanPlus机器人核心技术解析：从HST强化学习框架到HIT模仿学习的实现路径
本文深入解析了斯坦福HumanPlus人形机器人的核心技术实现路径。其核心在于HST强化学习框架与HIT模仿学习架构的协同：HST作为“小脑”，通过rsl_rl框架在仿真中训练稳健的低级运动控制；HIT作为“大脑”，基于改进的Transformer架构学习高级任务规划。文章详细拆解了从算法原理、代码实现到硬件部署的全流程，为复现这一前沿机器人系统提供了实战指南。
SAR成像处理基本知识2——图像尺寸与回波尺寸的关系
阅读本文前，请先了解上一篇文章（SAR成像处理基本知识1——常用专用名词解释） 1. SAR图像尺寸预估方法 以C波段2m@20km的SAR图像为例，假设天线中心下视角为35° ，说明图像尺寸的估计方法。 1.1 距离向尺寸估计 地距分辨率为2m时，距离向分辨率约为1.15m，则要求信号带宽不小于130MHz，假设信号带宽为150MHz，采样率为180MHz，那么距离向分辨单元为0.833m。 地距幅宽为20km时，距离向幅宽约为20*sind(3...
Centos7配置阿里云镜像源的教程
查看你的Centos版本，版本过低会导致安装失败，验证网络是否可以连接阿里云镜像，使用阿里云是需要网络的。# wget命令下载: wget [options] [url]# curl命令下载: curl [options] [url]我上面这个图片由于电脑问题是还没有加载完的。删除原来或者之前的yun源。
基于VLFM的中文指令视觉语言导航系统设计与实现
文章摘要 本文介绍了一个基于VLFM（视觉语言边界地图）的中文指令视觉语言导航系统设计与实现。该系统采用模块化架构，包含三维场景渲染、URDF机器人仿真、VLFM导航引擎、中文指令解析和PyQt图形界面五大核心模块。系统支持自定义GLB场景模型和URDF机器人模型，通过transformers和langchain实现中文自然语言指令解析，利用VLFM算法进行语义导航决策。技术实现上详细介绍了GLB模型加载器开发、URDF机器人控制、VLFM导航算法集成以及PyQt界面设计。该系统在Ubuntu环境下运行，依
【RTD】AD7793两线式铂电阻PT100/PT1000应用
两线式RTD是低成本的检测方案，适用于检测精度不高、导线长度较短的场合。
廖雪峰Python教程[完整版]
廖雪峰的python教程整理的，已经排好版了，而且还是完整的，适合小白
OV9734 DATASHEET，完整规格书
OV9734完整规格书，包括电气参数，尺寸规格，寄存器配置表等
IMSL CNL 7.0.0 (x86-64)Crack
IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件，这是C++版本的破解文件
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
订阅专栏 解锁全文
940
扫一扫
