机器学习与其他相似概念

Shingle_ Shingle_ 博客等级 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 700+累计阅读 796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 码龄10年
关注
原创 最新推荐文章于 2026-06-15 15:09:15 发布 796 阅读 AI 写同款· GEO 优化 ›
机器学习————基础概念及NLP基础 文章目录基础概念及NIP基础基础概念简单的机器学习流程训练集/验证集(开发集)/测试集有监督机器学习和无监督机器学习NLP实例1：马蜂窝评论造假文本相似度分析：步骤：步骤详解：代码实现 基础概念及NIP基础 基础概念 简单的机器学习流程 将学习算法细分： 训练集/验证集(开发集)/测试集 在机器学习和模式识别等领域中，一般需要将样本分成独立的三部分训练集（train set），验证集（val... 阅读详情

灌水占位一篇，看后续再详尽论述。

机器学习与数据挖掘

机器学习：一种假设

数据挖掘：从数据中发现模式

机器学习与人工智能

机器学习是实现人工智能的一种方法

机器学习与统计学

统计学可以用来做机器学习和数据挖掘

统计学的目的是通过学习更多的潜在模式和关联关系，来帮助人类深入理解数据。对机器学习的成功应用了解的越多，越会发现应用统计学是机器学习专家经常研究的一个领域。

机器学习基石

收录于
机器学习

当前文章被收录于：

机器学习
48 篇文章 2 人学习
订阅专栏 查看详情
标签
#机器学习 #数据挖掘 #人工智能 #统计学
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。
机器学习中常见的距离公式和相似度计算方法简介 本文将深入简单机器学习中常见的距离公式和相似度计算方法。我们将介绍这些方法的原理、应用场景以及如何在实际问题中选择合适的方法。通过深入了解这些概念，我们将能够更好地理解模型是如何从数据中学习并做出预测的，从而更好地应用机器学习技术解决现实世界的问题。距离公式和相似度计算方法的选择直接影响着模型的性能和泛化能力。因此，深入了解这些方法不仅有助于提高对机器学习算法的理解，还能够在实际问题中优化模型的表现。 阅读详情

相关推荐

语义通信理论必看论文：Towards a Theory of Semantic Communication

了解语义通信发展必看的一篇文章

一去不复返的通信er 3927

人工智能相关概念整理

1.人工智能:（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。 2.机器学习：一种实现人工智能的方法 3.神经网络：一种可以通过观测数据使计算机学习的仿生语言范例，深度学习的形式，从广义上说深度学习的网络结构也是多层神经网络的一种。 DNN：是深度学习的基础，Thensorflo...

lu_linux的博客 6749

ESP32-S3驱动PCA9685模块：I2C扩展16路舵机控制实战指南

本文提供了ESP32-S3通过I2C总线驱动PCA9685模块扩展16路PWM输出的完整实战指南。详细解析了PCA9685模块原理、硬件连接、I2C地址配置，并给出了核心驱动代码与角度控制函数，帮助开发者解决微控制器PWM引脚不足的问题，轻松实现多路舵机控制。

weixin_32005771的博客 523

机器学习的其他名称（找工作模糊搜索）

第一类是 专业领域内的叫法 1、模糊识别 2、数据挖掘 3、统计学习第二类是 机器学习某个领域的叫法 1、计算机视觉 2、语音识别 3、自然语言处理

哦，也好的博客 649

让 AI 变聪明的 20 条指令：如何让大模型回答得更精准、更专业、更实事求是

让 AI 变聪明，本质上不是写几句神奇咒语，而是把你的任务表达得更清楚，把事实标准设得更严格，把输出格式规定得更明确，把不确定性管理得更认真，把历史对话利用得更充分。大模型的强项是语言生成、信息组织、模式归纳和方案扩展；弱项是事实核验、实时更新、责任判断和对模糊意图的准确猜测。好的指令，就是在用人的判断弥补模型的弱点，让模型把强项发挥在正确的地方。

Sumarua的博客 1506

数学不好是原罪——高等数学笔记（汇总版）

这是本人之前考研的高数手写笔记，工科学硕数一考了146（满分150），笔记有一定参考价值，欢迎大家收藏借鉴。

xuuyann 5万+

机器学习——自相似矩阵（Self-Similarity Matrix，SSM）

研究音乐结构及其相互关系的一般思路是将音乐信号转换为合适的特征序列，然后将特征序列中的每个元素与序列中的所有其他元素进行比较。这就产生了一种自相似矩阵(SSM)，它不仅对音乐结构分析具有重要意义，而且对多种时间序列的分析也具有重要意义。 目录基本定义块和路径结构基于色谱图特征的SSMSSM Based on MFCC FeaturesSSM Based on Tempogram Features路径和块的形式化定义音乐结构分析的总体程序进一步说明 基本定义 设F为特征空间，s:F×F→Rs:F×F→Rs:F

qq_40894813的博客 4137

RandLA-Net复现SemanticKITTI和S3DIS数据集

RandLA-Net复现KITTI和室内数据集

weixin_48845174的博客 4117

【机器学习】几种相似度算法分析

最近开始研究推荐系统，其中常见的相似度算法有以下几种：1. 欧几里得距离欧几里得度量（euclidean metric）（也称欧氏距离）是一个通常采用的距离定义，指在m维空间中两个点之间的真实距离，或者向量的自然长度（即该点到原点的距离）。在二维和三维空间中的欧氏距离就是两点之间的实际距离。注意事项：a.因为计算是基于各维度特征的绝对数值，所以欧氏度量需要保证各维度指标在相同的刻度级别，比如对身高...

weixin_39050022的博客 8万+

在 MATLAB/Simulink 中构建一个卫星间激光通信链路的完整仿真系统

摘要： 本文通过Simulink详细演示了卫星间激光通信系统的建模过程，重点分析其在10Gbps高速率、2000km距离下的性能。系统设计涵盖PAM-4调制、自由空间信道建模（路径损耗、指向误差、多普勒效应）、APD探测及链路预算计算，并给出典型场景下18.5dB SNR、1e-9误码率的仿真结果。针对激光通信的μrad级指向精度挑战，提出AI辅助跟踪、混合RF/激光等优化策略，为未来太空高速组网提供可扩展的仿真框架。所需工具箱包括Communications Toolbox和Aerospace Toolb

xiaoheshang_123的博客 383

【存算一体架构实战】四、突破编译壁垒：手把手实现AI模型到存算硬件的自动映射

摘要：存算一体硬件的性能优势难以充分释放，核心瓶颈在于传统编译器无法高效适配"计算-存储融合"的新型架构。本文系统剖析传统编译流程在存算硬件上的三大痛点：数据布局不匹配导致90%带宽浪费、算子映射效率低使硬件利用率不足30%、缺乏专用优化_pass导致延迟居高不下。通过构建MLIR-PIM编译框架，实现从AI模型到存算硬件的全自动化映射，核心流程包括：TensorFlow模型→MLIR Dialect转换→存算优化_pass→硬件指令生成。

专注于人工智能、软件开发、工控自动化、工厂数字化及智能化等领域，希望和大家共同进步！ 242

机器学习的几个误区-转载

http://www.cnblogs.com/CheeseZH/p/4096546.html   写的还不错。里面还引申了好几个概念，包括AdaBoost，L1/L2正则（范数）等。   提纲列一下： 1. 使用模型默认的损失函数 例如我在珍爱网做付费用户预测时，由于付费用户本身数量级就不大，所以我宁可误判十个，也不能错过一个。所以这个时候我们就需要去修改分类器模型的损失函数。   2. 无根据地...

weixin_34349320的博客 120

Unity 面试篇|（四）Unity性能优化篇 【全面总结 | 持续更新】

Unity中，CPU准备好需要绘制的元素，对底层图形程序接口进行调用的过程，每次引擎准备数据并通知GPU的过程称为一次Draw Call。DrawCall越高对显卡的消耗就越大。降低DrawCall的方法：动态合批静态合批降低shader的等级特性场景优化策略——遮挡技术。rectMask2D替代Mask。

游戏开发小Y的博客 13万+

ml/dl中，余弦相似度（cosine similarity）概念、作用机制和应用场景

是一种度量两个向量相似度的方法，尤其适合在文本分析和推荐系统等领域用于比较高维向量的相似性。它计算两个向量夹角的余弦值，余弦值越接近1，说明两个向量越相似；接近0，则表示无相似性；负值则表示相反的方向。cossimAB∥A∥×∥B∥A⋅B​其中，A⋅B表示两个向量的点积，∥A∥和∥B∥分别是向量的模。

小青龙，创造，变强 996

Camera2Demo

在Camera2 的基础上进行封装，使得Camera2一堆初始化逻辑与Activity分离，降低耦合度，完成预览拍照并保存的操作

android 蓝牙通讯demo

android 下蓝牙通讯demo，实现了发现蓝牙，使能蓝牙，通过蓝牙发送消息。

概率论概念及机器学习中样本相似性度量之马氏距离

均值、标准差、方差： 样本均值描述的是集合的中间点、平均值、均值的信息是有限的，有时候甚至是完全没有参考意义的，比如各统计局最喜欢发布的平均工资、年收入等等，只有个文字游戏而已。 标准差描述的是样本集合中的各个样本点到均值的距离的平均值。以集合[0,8,12,20]和集合[8,9,11,12]为例，两者的均值都是10，但显然后都较为集中，故其标准差小一些。所以标准差描述的是集合中样品分布的聚合...

YBAdiam的博客 711

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明，包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

From scikit-learn to Spark ML

From scikit-learn to Spark ML Yoann Benoit PartagerTweeter+ 1E-mail Dans un récent billet de blog de Databricks et Olivier Girardot, From Pandas to Apache Spark’s DataFrame, les aut

dazheng 1906

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。，新界面，新视觉，

统计学相关概念及机器学习中样本相似性度量之马氏距离

均值、标准差、方差： 样本均值描述的是集合的中间点、平均值、均值的信息是有限的，有时候甚至是完全没有参考意义的，比如各统计局最喜欢发布的平均工资、年收入等等，只有个文字游戏而已。 标准差描述的是样本集合中的各个样本点到均值的距离的平均值。以集合[0,8,12,20]和集合[8,9,11,12]为例，两者的均值都是10，但显然后都较为集中，故其标准差小一些。所以标准差描述的是集合中样品分布的聚合

牧野的博客 2592

相似性度量与多样性：影响机器学习的效果

1.背景介绍 机器学习(Machine Learning)是一种利用数据来训练算法的方法，以便让计算机程序能够自动学习并进行预测或决策。在实际应用中，我们经常需要对数据进行处理，以便更好地利用其信息。这些处理方法包括数据清洗、数据归一化、特征选择、特征工程等。在这篇文章中，我们将关注两个重要的概念：相似性度量(Similarity Measurement)和多样性(Diversity)，以及它们...

AI天才研究院 1246

十分钟搞懂机器学习中的余弦相似性

大家好，我是每天分享AI应用的萤火君！在机器学习中，我们经常会使用余弦函数来计算向量之间的相似性。从推荐系统到自然语言处理，再到计算机视觉，余弦相似性在多种机器学习应用中都有其独特的价值。它不仅限于特定领域，而是几乎可以在任何需要比较向量相似度的场景下使用。这里边有两个重要的概念：向量、余弦，这是中学阶段学习的内容，考虑到...

cnzzs的博客 1474

相似度计算

衡量相同维度的不同向量之间的距离称之为两向量的相似度，其计算方法具体可查看。

hzhj的博客 427

向量运算与矩阵变换：从几何直观到机器学习应用

本文深入解析向量点积、叉积、矩阵行列式、线性相关与矩阵可逆性等核心概念，揭示其从几何直观到机器学习应用的桥梁作用。点积衡量投影与相似度，叉积计算面积与方向，行列式表征体积缩放，而矩阵的秩与可逆性则是识别信息冗余、确保模型稳定的关键。理解这些概念是掌握PCA降维、解决多重共线性等机器学习问题的基础。

weixin_29230865的博客 336

余弦相似度 机器学习_机器学习基础：相似度和距离度量究竟是什么

选自 Medium作者：Gonzalo Ferreiro Volpi机器之心编译参与：Panda相似度度量和距离度量在整个机器学习领域都是非常基础的概念，数据科学家 Gonzalo Ferreiro Volpi 近日通过浅显易懂的推荐系统示例介绍了这些概念以及它们的计算方式。在推荐系统中，我们经常谈到「相似度度量」这一概念。为什么？因为在推荐系统中，基于内容的过滤算法和协同过滤算法都使用了某种特定...

weixin_39685392的博客 386
上一篇： 深度学习训练中如何处理NaNs
下一篇： 深度学习库提供了什么？
点赞 2
评论 0
书签 书签 1
Shingle_
Shingle_
博客等级 码龄10年 185粉丝 191原创
+ 关注 专栏目录 订阅专栏
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
 
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