我的创作纪念日

最新推荐文章于 2025-07-20 17:31:12 发布
原创 最新推荐文章于 2025-07-20 17:31:12 发布 · 186 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 #自动化 #windows #人工智能

机缘

从学习到分享学习的过程

收获

收获了广大的粉丝关注，和访问。再接再厉

日常

既是生活也是工作，工作中需要学习的内容，未来的发展趋势，底层的核心逻辑等。都是息息相关吧

成就

Windows内核方面的文章吧

憧憬

更多的偏向于发展和核心底层逻辑

我的创作纪念日--码农阿豪
私聊前往站内信：https://i.youkuaiyun.com/#/msg/chat/weixin_44976692
06-20 5万+
未来，我计划继续在技术领域深耕，希望能够通过我的努力达到更高的技术水平。同时，我也计划扩展我的创作范围，不仅限于技术文章，也包括视频教程和在线课程，以此来帮助更多的人学习编程，实现自我提升。
喵喵在优快云的2048天(创作纪念日)
热门推荐
weixin_43178406的博客
08-31 16万+
今天一大早收到了优快云官方的私信，发现已经在优快云持续创作了2048天。官方还很贴心的准备了专属小礼物，真的是很赞啊。
我的创作纪念日哈哈哈哈
05-24
在IT行业中，特别是前端开发领域，一套良好的项目配置和组织结构对于提高开发效率和代码质量至关重要。这个压缩包文件中的内容似乎对应一个前端项目的初始结构，让我们逐一解析这些文件的作用和相关知识点： ...
我的创作纪念日-成为优快云创作者的 第4096天
少莫千华
06-04 589
我希望能够成为一个优秀的技术专家，并通过自己的努力影响更多的人，推动行业的发展和进步。在各种技术论坛和社区中，我看到了许多优秀的技术文章，也看到了其他人的问题和困惑。我收到了许多赞赏和鼓励的言论，有些读者甚至分享了我的文章给他们的朋友和同事。我已经习惯了每天花一些时间来思考和创作，无论是写作、编程还是其他形式的创作，都成为了我生活的一部分。我的创作逐渐吸引了一批忠实的读者和粉丝，他们对我的内容感兴趣，并积极参与讨论和交流。通过我的创作，我结识了许多志同道合的朋友和同行，我们相互学习、交流经验，共同进步。
【我在优快云成长】我的两周年创作纪念日
jks212454的博客
04-17 1584
【我在优快云成长】我的两周年创作纪念日
《机器学习数学基础》补充资料：标准差与标准化
CS创新实验室
07-16 1031
摘要 标准差是衡量数据离散程度的重要指标，通过计算数据与平均值的偏离程度来反映数据分布的集中或分散情况。为避免正负抵消问题，采用离均差平方的平均（方差）再开方得到标准差。数据标准化是将原始数据转换为均值为0、标准差1的Z分数，便于不同量纲数据的比较。例如，小明身高标准化得分为3，表示高于平均值3个标准差。标准化后的数据具有无单位特性，适用于跨数据集比较。门萨俱乐部要求IQ130（高于均值2个标准差）的入会标准即基于此原理。这些统计概念在《机器学习数学基础》中有详细阐述。
【机器学习|学习笔记】详解支持向量机（Support Vector Machine，SVM）为何要引入核函数？为何对缺失数据敏感？
2401_89898861的博客
07-20 1193
【机器学习|学习笔记】详解支持向量机（Support Vector Machine，SVM）为何要引入核函数？为何对缺失数据敏感？
【机器学习【6】】数据理解：数据导入、数据审查与数据可视化方法论
hiliang521的博客
07-16 1276
本文系统介绍了机器学习数据准备的关键技术和方法。首先详细对比了三种数据导入方式，指出Pandas在类型推断、缺失值处理等方面的优势。然后提出"六维数据画像"方法，从数据结构、质量、目标变量等维度进行全面分析。最后通过五种可视化技术（直方图、箱线图等）揭示数据分布特征和异常模式，为后续算法选择提供依据。文章强调数据理解应遵循"从宏观到微观"的认知规律，并展示了如何将数据特征映射到合适的算法选择，构建了完整的数据分析决策链条。
推荐系统---AUC计算
weixin_44880995的博客
07-18 179
auc计算
图机器学习（12）——社区检测
盼小辉丶的博客
07-18 701
社区检测是识别图中紧密连接节点集群的关键技术，广泛应用于社交网络和文本挖掘等领域。主流方法包括基于嵌入的技术(如 HOPE 结合 K-means)、谱方法(利用邻接矩阵特征向量或矩阵分解)、概率模型(如随机块模型)以及优化方法(如 Louvain 模块度最大化或 Girvan-Newman 边移除算法)。这些方法各具特点：基于嵌入和谱方法计算高效，概率模型能揭示社区间关联，而优化方法则直接针对社区结构质量。实际应用中需根据图规模、是否需要重叠社区以及计算资源等因素选择合适方法。
VSCode使用Jupyter完整指南配置机器学习环境
最新发布
weixin_44903776的博客
07-20 91
本文详细介绍了在VSCode中使用Jupyter Notebook的完整配置指南。主要内容包括：安装必要的Python、Jupyter等VSCode扩展；配置Python环境（推荐Anaconda或虚拟环境）；优化VSCode设置；创建和使用Jupyter Notebook的基本操作；环境切换与内核管理；以及实用技巧（魔法命令、调试、输出优化等）。最后提供了测试代码验证环境配置是否成功。该指南适合机器学习初学者快速搭建开发环境。
从高斯噪声的角度分析MAE和MSE
哪惧明天，风高路斜
07-17 1517
特性MSEMAE对离群点敏感度高（平方放大误差）低（线性处理误差）噪声分布假设高斯分布拉普拉斯分布梯度特性梯度随误差减小而衰减梯度恒定（除零点外）稀疏性不易产生稀疏解易产生稀疏解优化稳定性平滑优化，数值稳定性好非光滑优化，可能需要特殊处理在实际应用中，如果数据包含较多离群点或需要进行特征选择，MAE是更合适的选择；如果追求预测精度且噪声近似高斯分布，MSE通常表现更好。
机器学习sklearn入门：归一化和标准化
weixin_46407807的博客
07-16 289
本文介绍了数据预处理中的归一化和标准化方法。归一化（MinMaxScaler）将数据线性变换到指定范围（默认[0,1]），适用于限定输入范围的情况；标准化（StandardScaler）将数据转换为均值为0、方差1的分布，适用于需要正态分布的算法。两种方法都可通过scikit-learn实现，支持一步转换(fit_transform)和逆向转换(inverse_transform)。归一化适合神经网络输入和图像处理，标准化适合PCA、线性回归等算法。文章还演示了改变归一化范围和使用标准化查看统计量的具体代码
图机器学习（10）——监督学习中的图神经网络
盼小辉丶的博客
07-16 746
在本节中，我们深入探讨图神经网络 (GNN) 在监督学习中的应用，重点实现图分类与节点分类任务。首先，基于图卷积网络 (GCN) 在 PROTEINS 数据集上完成图分类，通过全局排序池化整合多层级特征。其次，利用 GraphSAGE 模型处理 Cora 引文网络的节点分类任务，通过三层邻域采样聚合特征。结果表明，GNN 在结构化数据的监督学习中具有显著优势，能够有效捕获图拓扑与节点属性的复杂关系。
搜广推校招面经九十五
Y1n的博客
07-18 748
保留高梯度样本，提高模型关注重点大幅减少样本数，加速训练几乎不影响模型精度（因为补偿机制）
【机器学习&深度学习】什么是量化？
qq_62223405的博客
07-20 579
量化是通过减少模型参数的精度（如从32位浮点数降为8位整数）来压缩模型体积、加速计算、降低对硬件的依赖，从而提升模型部署和推理效率。
数据降维方法：PCA
2301_81197800的博客
07-16 1022
它通过线性变换将原始数据变换到一个新的坐标系中，使得第一个坐标（第一主成分）具有最大的方差，第二个坐标（第二主成分）具有次大的方差，以此类推。PCA的目的是从高维数据中提取出最重要的特征，通过保留最重要的主成分来实现数据的降维，同时尽可能保留原始数据的结构。特征值表示对应特征向量方向上的数据方差大小，特征向量给出了数据的主要分布方向（即主成分）。对于标准化后的数据，协方差矩阵可以通过计算特征之间的协方差得到。为了消除不同特征之间的量纲影响，通常需要对数据进行标准化处理，使得每个特征的均值为0，标准差为1。
csdn我的创作纪念日
11-06
优快云我的创作纪念日是指您在优快云上发布第一篇博客的日期。这个日期对于您来说是非常重要的，因为它标志着您开始了自己的技术博客之旅。在优快云上，您可以记录自己的学习历程、分享自己的技术经验、结交志同道合的朋友...
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

打赏作者

平凡而伟大.

你们的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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