实践出真知-无监督学习

最新推荐文章于 2025-12-23 09:41:33 发布
原创 最新推荐文章于 2025-12-23 09:41:33 发布 · 127 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。
文章标签：

#学习 #人工智能 #机器学习

聚类算法

图像帧聚类的核心是将语义 / 视觉相似、时序相关的视频帧归为一类，其结果好坏的衡量需结合「通用聚类指标」和「图像帧的特殊性（时序连续性、视觉一致性）」，分为无监督指标（无真实标签） 和有监督指标（有真实标签） 两大类：

无监督指标：

Victory_tc
关注
深度增强学习——Q-learning和决策梯度
weixin_45268911的博客
07-23 3386
深度增强学习——Q-learning和决策梯度 一、什么是强化学习 强化学习是指，我们有一个智能体（agent），能够在其环境（environment）中采取行动，也可以因为其行动获得奖励，它的目标是学会如何行动以最大限度地获得奖励。强化学习多是一种动态规划的思路，使用生活化语言描述，就叫做：实践出真知。与之前学过的监督学习和无监督学习不同，强化学习本身并不依赖于数据或者数据的标签，而是依赖于对输入数据预测之后的反馈，因此它介于监督学习和非监督学习之间。 如上图所示，一个agent(例如：玩家)做出了一个
精选资源
基于卷积神经网络的手写数字识别-机器学习课设（代码+文档）
12-08
此外，项目还涉及到机器学习领域的基础概念和理论知识，例如监督学习、深度学习、模型评估标准等。通过本项目的学习，学习者不仅能够掌握卷积神经网络在实际问题中的应用，也能够加深对机器学习基础知识的理解，为...
机器学习026:无监督学习【聚类算法】（DBSCAN）-- 像找“人群聚集地”一样发现数据中的自然群体
最新发布
这里是数字化与人工智能的 “实验场” 与 “瞭望台”
12-23 462
像人眼一样直观地发现数据中的自然聚集，不强行分割，也不遗漏异常。理解密度思想：忘掉“距离中心点远近”，记住“周围邻居多少”掌握三个角色：核心点、边界点、噪声点——这是理解算法的钥匙学会参数调节：ε和MinPts不是魔法数字，需要根据数据特点调整明确适用场景：知道什么时候该用DBSCAN，什么时候该选其他算法实践出真知：只有亲手在数据上尝试，才能真正理解算法的行为DBSCAN之美在于它的直观性。
2、机器学习中的预测与学习：从理论到实践
efc12345678的博客
09-09 30
本文深入探讨了机器学习中预测与学习的理论基础与实际应用，阐述了学习任务与预测任务的形式等价性，并通过多种预测游戏示例揭示其内在规律。文章详细介绍了监督学习、概念与分类学习、行为学习及金融预测的应用场景与挑战，强调了合理学习标准的重要性。同时结合英特尔奔腾芯片的历史事件，反思技术发展中的可靠性问题，呼吁在追求算法进步的同时注重严谨性与伦理责任。最后展望了机器学习未来的发展方向。
【运维安全】带你熟悉常见的安全防御，实践出真知
2401_83946826的博客
04-19 923
工作在主机边缘或者网络边缘对数据报文进行检测，并且能够根据事先定义的规则，对数据报文进行相应处理的模块。
机器学习021:监督学习【分类算法】（LightGBM）-- 一棵让数据“说话”的智慧树
这里是数字化与人工智能的 “实验场” 与 “瞭望台”
12-22 612
XGBoost：适合追求稳定精度、数据量不大的场景，是梯度提升树的“基准标杆”。LightGBM：适合大数据量、对训练效率要求高的场景，是工业界大规模预测任务的“首选工具”。LightGBM就像是机器学习世界里的**“瑞士军刀”**——它不是专门为某一种任务设计的，但在大多数结构化数据预测问题上，它都能交出出色的答卷。
Python机器学习：从入门到精通
YunWisdom
07-18 1262
当您翻开此书，您正踏入一场数据与智慧的修行。机器学习，并非冰冷的符码，而是机器模拟人类洞察世界的法门。本书将带您，以Python为舟，泛游于算法之海。我们不只传授“术”，更探求其后的“道”——从数据的生灭流转中观照规律，于模型的迭代演进里体悟得失。愿您合上书卷时，收获的不仅是驾驭数据的技能，更有一双洞悉复杂、化繁为简的“智慧之眼”。现在，让我们一同启程。
《AI应用架构师注意！对比学习实践的细节指南》
AI 算法实战派
10-01 918
对比学习的魅力在于它能无监督/自监督地学习到强大的通用表示，但其强大的威力与其实现的脆弱性并存。避免生搬硬套标准增强方案（如商品图片裁剪、医疗文本增强）。远超训练Loss的关注，狠抓Embedding健康度与下游代理任务表现。警惕训练/推理环境分布不一致（Skew），主动设计校准策略（如τ调整）。建立持续集成、持续训练（CI/CT）的Pipeline以对抗Embedding漂移。选型并调优好向量检索引擎（如FAISS），保证线上召回效率和稳定性。
《学习科学与技术》复习提纲
C_Lxq的博客
06-28 1729
因此，我们在学习的时候，要注重协作、会话，并通过任务来学习。到了大学，需要学习的知识更加多，资料更加复杂，而且老师再也不会象以前中小学那样进行密集式监控，更多的是自己计划、评价、调控自己的学习过程，作为学习者的我们自由度增加，而老师只是作为一个指导者从旁指导，大多数需要的是学习者自己的自我监控。自主学习是学生以课程教学目标和内容为依据，结合自身发展需要，在教师和同伴帮助下，主动分析自己的需求，设计个性化的学习目标、选择学习内容、策略与方法，创设学习环境，选择有效的监控与评价方式的学习活动。
[机器学习-01]一文了解｜机器学习简介、工具选择和Python包基础应用
一伦明悦的博客
05-03 2301
通过本篇基本可以了解关于机器学习需要完成的所有前期准备工作，包括机器学习基础知识，机器学习工具选择，Python工具包基本使用方法等。机器学习是一种人工智能（AI）的分支，旨在让计算机系统自动通过数据学习并改进。它能够让机器通过分析大量数据来做出决策，而无需编程指定特定任务的解决方案。机器学习的核心思想是通过训练模型来使计算机系统能够自动进行决策，并不断地通过数据来改进自身的性能。
【实践出真知】：数字图像处理实验技巧（期末复习实践指南）
[【实践出真知】：数字图像处理实验技巧（期末复习实践指南）](https://ciechanow.ski/images/alpha_premul_blur@2x.png) # 摘要 数字图像处理是计算机视觉领域的核心，涉及图像的基本概念、存储格式、数学基础以及...
机器学习入门：核心概念与线性回归实践解析
随后，资源详细介绍了机器学习的主要任务类型，包括监督学习中的回归与分类任务，以及无监督学习中的聚类与降维等任务。这些任务类型的区分对于后续学习具体的模型和算法至关重要。 接下来，资源重点讲解了线性回归...
Javaweb 学习笔记——html+css
hssfscv的博客
12-18 916
以上是Javaweb中关于前端html和css的相关内容，主要制作了两个页面，了解了如何使用AI生成我们需要的内容，有利于了解前端知识，接下来将进行剩余前端知识的学习
【学习笔记】安全模型
tpriwwq的专栏
12-22 427
安全模型是指描述安全重要方面（机密性，完整性等）及其与系统行为的关系（允许/拒绝访问、加密/解密数据等）的框架。
CAPL学习-AVB交互层-媒体函数1-回调&基本函数
车载网络测试工程师的博客
12-21 799
可基于对象（如 MediaGetMediaType 返回的媒体类型对象）检索属性。可基于对象（如 MediaGetMediaType 返回的媒体类型对象）设置属性。可基于对象（如 MediaGetMediaType 返回的媒体类型对象）设置属性。可基于对象（如 MediaGetMediaType 返回的媒体类型对象）检索属性。可基于对象（如 MediaGetMediaType 返回的媒体类型对象）设置属性。可基于对象（如 MediaGetMediaType 返回的媒体类型对象）检索属性。
Java 学习路线及学习周期
前端金牌摸鱼达人
12-17 1654
Java 学习路线及学习周期
Ape.Volo项目源码学习（4：限流设置）
gc_2299的博客
12-20 320
学习并记录项目中接口限流的用法。
使用 Python 语言 从 0 到 1 搭建完整 Web UI自动化测试学习系列 34--基础知识 9--文件上传功能
我的xiaodoujiao，软件测试人员
12-21 722
Web UI自动化测试学习系列第三十四篇
【每天一个AI小知识】：什么是多模态学习？
码道源码
12-20 794
多模态学习是人工智能的重要分支，让AI能同时处理文本、图像、音频等多种数据形式。本文系统介绍了多模态学习的概念、发展历程、核心技术（如模态融合、对比学习）、主流模型（CLIP、GPT-4、Gemini等）及其在智能助手、内容创作等领域的应用。文章还探讨了当前面临的模态异质性、数据稀缺性等挑战，并展望了全模态学习、实时理解等未来趋势。多模态学习正推动AI向更接近人类智能的方向发展，同时也引发了对智能本质、人机关系等哲学思考。
编程学习：实践出真知
“关于编程学习的七点思索” ...编程学习是一个不断实践和反思的过程，通过解决实际问题，我们可以从实践中获得真知。同时，选择合适的工具和技术，以及积极参与学习社区，都将有助于编程技能的提升。
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