Machine Learning 101

最新推荐文章于 2025-12-11 12:02:01 发布
原创 最新推荐文章于 2025-12-11 12:02:01 发布 · 555 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：

#机器学习

本文详细介绍了TF-IDF算法的基本原理，包括词频（TF）和逆文档频率（IDF）的概念。TF-IDF是一种常用于信息检索与文本挖掘的技术，能够评估一个词对于一篇文档集或一个语料库中的某篇文档的重要程度。

TF-IDF: Term Frequency-Inverse Document Frequency
- TF: local frequency of a word
- IDF: global frequency of a word

Explore Machine Learning 101, Basic Concepts，一
HcKrinston的博客
01-08 363
Explore Machine Learning 101, Basic Concepts Note:本文系LeetCode专题“Basic Concepts in ML，Basic Concepts in ML”的翻译，期间加有笔者个人的见解，如有错误，欢迎评论区留言讨论，共同进步。 #综述 ...
Machine Learning 期刊投稿记录
qq_24694365的博客
01-15 1631
Machine Learning 期刊投稿记录以及遇到的问题
Machine Learning Model
GRF-Sunomikp31
11-13 1026
机器学习分类
Machine Learning Engineering Open Book 机器学习工程开放书
AI工程化、开源分享、文档翻译、代码笔记
01-31 1294
一、关于 Machine Learning Engineering Open Book 二、书籍目录 三、关键对照表 四、快捷方式
Machine Learning Guide
BerMaker
07-29 537
Machine Learning Guide Machine Learning Guide Steps Data Exploration Data Preprocessing Train a Model Steps Data Exploration Data Properties and Data Visualization data analysis to ge...
Paper reading (十八)：Machine learning applications in genetics and genomics
wxw060709的专栏
09-27 3416
论文题目：Machine learning applications in genetics and genomics scholar 引用：528 页数：12 发表时间：2015.05 发表刊物：nature REVIEWS genetics 作者：Maxwell W. Libbrechtand William Stafford Noble 摘要： The field of ma...
interpretable machine learning
travalscx的博客
12-02 2498
最近入了可解释机器学习的坑。 Stop explaining black box machine learning models for high stakes decisions and use interpretable models instead 1.模型的准确度和可解释度成反比，accuracy/ interpretability/explainability trade-off。有图...
Machine Learning-A Probabilistic Perspective笔记——第一章 INTRODUCTION
qq_34134404的博客
01-02 1833
Machine Learning-A Probabilistic Perspective笔记 MLAPP是统计机器学习领域内一本经典著作。就兴起先后顺序来说，统计机器学习较如今大火的深度学习神经网络更久远，不同于神经网络作为一个端到端的系统，将输入到输出过程看做一个黑匣子，统计机器学习更多地从概率论和数理统计角度诠释数据，可解释性更强。 2012版本分享链接（仅用于学术交流用途）： 链接: ...
Programming Machine Learning Coding-From Deep Learning
Alexquyun的专栏
06-26 1024
《Programming Machine Learning》这本书是为开发者编写的机器学习入门书籍，旨在帮助开发者理解机器学习的基本原理，并能够编写自己的机器学习程序。书中的例子使用Python语言，从最基础的线性回归开始，逐步引导读者构建复杂的机器学习系统。内容包括监督学习、神经网络和深度学习，并且所有代码都是从零开始编写的，以帮助读者深入理解每一行代码的含义。
Probabilistic Machine Learning
09-22
概率机器学习（Probabilistic Machine Learning）是机器学习领域中一个重要的分支，它将概率论和机器学习结合起来，旨在处理不确定性和随机性问题。概率机器学习的主要目标是开发能够从数据中学习的概率模型，以便...
精选资源
Machine Learning Design Patterns
11-22
"Machine Learning Design Patterns" 《Machine Learning Design Patterns》是一本关于机器学习设计模式的书籍，作者是Valliappa Lakshmanan, Sara Robinson和Michael Munn。该书的主要内容是解决数据准备、模型...
精选资源
Machine Learning for Kids
07-04
《Machine Learning for Kids》是一本专门为孩子们准备的书籍，作者Dale Lane通过一系列有趣且易于理解的项目，将复杂的机器学习概念变得简单易懂。本书的出版旨在激发儿童对人工智能的兴趣，并帮助他们掌握这一领域...
Machine Learning Projects with TensorFlow 2.0：Supercharge your Machine Learning
05-02
This course will guide you to upgrade your skills in Machine Learning by practically applying them by building real-world Machine Learning projects. Each section should cover a specific project on a ...
精选资源
Mathworks R2019b Statistics and Machine Learning Toolbox
01-07
同时，它还与MATLAB的其他产品紧密集成，如Parallel Computing Toolbox和Deep Learning Toolbox，为用户提供了一个强大的计算平台，可以处理大规模数据集，并加速算法的训练和模型的部署。 最后，该工具箱支持开放...
肝硬化患者肝功能分级临床预测模型：基于机器学习的多变量分析
huanghm88的专栏
12-11 181
摘要 本研究基于128例肝硬化患者的34项临床指标，采用机器学习方法构建肝功能分级预测模型。通过XGBoost、随机森林等多种算法比较，发现XGBoost模型表现最优，预测准确率达86.5%，AUC值0.89。研究确定了总胆红素、白蛋白等10个关键预测因子，为临床肝功能评估提供了新的辅助工具。该模型整合了多维临床数据，较传统Child-Pugh评分更具综合性，有助于优化肝硬化患者的个体化诊疗决策。未来需扩大样本量进行多中心验证，进一步完善模型性能。 关键词：肝硬化；肝功能分级；机器学习；预测模型；XGBoo
机器学习进阶＜5＞K-means智能客户分群与可视化分析系统
2303_77568009的博客
12-09 1248
这篇博客详细介绍了基于Streamlit构建的交互式K-means聚类学习平台。该项目通过模块化设计，带领用户从数据生成、算法原理演示、最佳K值选择，到实际应用场景（如客户细分、图像颜色量化）和交互式练习，完整实践无监督学习流程。平台集成了丰富的可视化组件与即时反馈功能，特别适合机器学习初学者直观理解K-means的核心概念与实现步骤。博客还提供了完整的代码解析、运行指南及资源推荐，是一份深入浅出的实战教程。
机器学习进阶＜4＞探索数据中的物以类聚——直观理解k-均值聚类算法
2303_77568009的博客
12-09 673
这篇博客以生动的生活场景（如手机相册分类、商场客户分组）为引，深入浅出地介绍了经典的K-means聚类算法。通过“选班干部”的比喻和宠物数据集的Python可视化演示，清晰阐释了其“初始化、分配、更新、判断”四步核心流程，并展示了如何用肘部法则科学选择聚类数量。
机器学习与深度学习基础（五）：深度神经网络经典架构简介
最新发布
TracyCoder的博客
12-11 768
本文学习要点：1.深度神经网络分层架构：全连接层卷积层池化层2.深度神经网络代表:CNN：CNN、AlexNet、VGG-Net、GoogLeNet（Inception）、ResNet（残差连接）编码器-解码器架构：序列到序列模型（Seq2Seq）
小白从零开始勇闯人工智能：机器学习初级篇(pandas库)
m0_52496416的博客
12-09 1292
在上一篇文章中，我们学习了Python科学计算的核心库Numpy，在本章中我们将学习机器学习中负责数据处理和分析的Pandas库。Pandas是一个用Python编写的数据分析库，可以轻松处理数百万行数据，是AI工程师最常用的工具。
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