机器学习总结9_未完待续

算法复习与求职准备
最新推荐文章于 2025-08-06 16:21:38 发布
原创 最新推荐文章于 2025-08-06 16:21:38 发布 · 538 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

本文作者计划更新关于机器学习的内容，并着手准备《算法第四版》的课后习题，为即将到来的求职季做足准备。

就先写这么多吧~~
如果有一些比较好的想法，或者看到别人写的比较对自己胃口的博客，我还是会继续更新<机器学习总结>这个系列的。
接下来准备写一下《算法第四版，Robert sedgewick著》的课后题。毕竟马上要开始找工作了，算法也该刷一刷了。
好运~~

机器学习知识点全面总结
专注大数据与人工智能技术分享，欢迎私信加群互相学习！
04-12 17万+
机器学习按照模型类型分为监督学习模型、无监督学习模型和概率模型三大类,文章对十大机器学习算法进行详细介绍并阐述机器学习其他概念问题，可作为机器学习初学者学习使用。
机器学习笔记1_LightGBM算法实践
muyu9527的博客
07-05 929
个人学习LightGBM算法的笔记和实践
机器学习笔记5未完待续
十一月里美的博客
04-07 257
5：Logistic regression step1 step2.goodness of function 可以最大化L的w和b最佳 转为求最小化-LnL(w,b) 属于class1的标1，class2的标0 cross entropy 算两个distribution有多接近 最终是要使cross entropy最小则function最佳（target与output越接近越好） 区别...
机器学习基础（粗学）【未完待续】
weixin_50348308的博客
05-12 679
理解基础，梳理一下模型、优化算法
天池-新闻文本分类-task1机器学习算法（未完待续）
qq_56591814的博客
10-23 1501
一、文本挖掘原理 1 分词的基本原理   现代分词都是基于统计的分词，而统计的样本内容来自于一些标准的语料库。假如有一个句子：“小明来到荔湾区”，我们期望语料库统计后分词的结果是：“小明/来到/荔湾/区”，而不是“小明/来到/荔/湾区”。那么如何做到这一点呢？   从统计的角度，我们期望"小明/来到/荔湾/区"这个分词后句子出现的概率要比“小明/来到/荔/湾区”大。如果用数学的语言来说说，如果有一个句子SSS,它有m种分词选项如下：A11A12...A1n1A_{11}A_{12}...A_{1n_1}A1
【AIGC学习笔记】未完待续
最新发布
weixin_49227107的博客
08-06 961
1.GAI（Generative AI Models, 生成式人工智能模型）核心目标：专注于生成新数据（文本、图像、音频等）的AI技术，核心是“创造”。分两类：单峰（单模态）模型和多峰（多模态）模型。单模态模型从与生成的内容模态相同的模态接收指令，而多模态模型接受跨模态指令并产生不同模态的结果。2.AIGC(AI-Generated Content) 是由AI生成的具体内容（如ChatGPT写的文章、Stable Diffusion画的图），是GAI的输出产物。
机器学习知识体系总结
qq_36661243的博客
07-27 1541
机器学习知识体系总结什么是机器学习？机器学习体系概括监督学习（Supervised Learning）十种监督学习方法统计学习方法：模型+策略+学习方法模型策略学习算法无监督学习（Unsupervised Learning）半监督学习参考 所有的知识，无论过去，当下和未来，都可以利用某个单一，通用的学习算法中从数据中获取。–《终极算法》 什么是机器学习？ 机器学习（Machine Learning, ML）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机
机器学习要点总结
fs01234的博客
01-27 1276
一、关于过拟合 1、如何判断过拟合还是欠拟合？ 如果验证集和测试集的准确率都较低，说明欠拟合；如果两者的准确率差异较大，说明过拟合。 过拟合的应对措施包括： 1）交叉验证，例如K折交叉验证。 2）用更多的数据参与训练，数据增强是其中的一中方法，包括翻转、平移、旋转、缩放、更改亮度等。 3）移除特征，移除特征可以降低模型的复杂度，在一定概率上减少噪声。或者在神经网络中移除部分隐藏层或者减少神经元数量，这两点可以理解为降维。 4）早停 当验证损失由低点开始上升时，应该停止训练。 5）正则化 包括但不限于L1正则
机器学习与深度学习 --- 激活函数（未完待续）
elephant_my的博客
04-05 628
激活函数1. Hard Sigmoid 函数和 Sigmoid 函数的区别1.1 sigmoid函数 1. Hard Sigmoid 函数和 Sigmoid 函数的区别 1.1 sigmoid函数 表达式如下： 图像如下： Sigmoid 非线性激活函数的形式是σ(x)=1/(1+e−x)，其图形如上图左所示。之前我们说过，sigmoid函数输入一个实值的数，然后将其压缩到0~1的范围内。特别地，大的负数被映射成0，大的正数被映射成1。sigmoid function在历史上流行过一段时间因为它能够很
北京理工大学<Python机器学习应用>超详细学习笔记和代码注释(未完待续).zip
11-24
由于描述中提到“未完待续”，我们可以推断这是一份持续更新的学习资源，意味着未来可能会有更多的笔记和代码内容加入。 这份资源对于机器学习的学习者而言，是不可多得的参考资料。它不仅能帮助初学者打下坚实的...
北京理工大学<Python机器学习应用>超详细学习笔记和代码注释(未完待续).zip
02-21
笔记和注释的未完待续状态表明，这是一个持续更新的资源，旨在跟进行业的最新进展。 一、Python基础 Python是一种高级编程语言，以其简洁明了的语法和强大的库支持而闻名。在机器学习中，Python提供了丰富的库如...
精选资源
机器学习之金融信贷风控（二）申请评分卡中的数据预处理和特征衍生（未完待续）-附件资源
03-05
机器学习之金融信贷风控（二）申请评分卡中的数据预处理和特征衍生（未完待续）-附件资源
机器学习总结2_感知机算法(PLA)
热门推荐
这是一个关于科研民谣运动生活以及爱的博客
04-21 1万+
1.正式开始之前的描述(1)PLA：Perceptron Learning Algorithm。 在正式开始之前，我想先说一下，PLA到底是干嘛的。大部分机器学习的书以及视频都是以感知机算法作为开头的。既然放在最前面，它应该就是一个很简单的机器学习算法。事实上，它确实很简单。 如下图所示: 红色和蓝色的点分别表示训练集中的正样本和负样本，PLA的任务就是寻找下面那条能将训练集完全分开的蓝色直线。
机器学习总结7_从模型融合到Adaboost
这是一个关于科研民谣运动生活以及爱的博客
06-16 2925
0.从模型融合开始说起。 有时候我们会想到这么一个问题：我们能不能把几个模型融合在一起达到更好的效果呢？当然可以了。 假设现在有g1,g2,..gng_1,g_2,..g_n,这n个模型，将这n个模型融合起来的基本策略大概有这么几种： 1、从这n个模型中，选出来一个误差最小的。 2、将每个模型都同等对待。 3、给每个模型不同的权重。(通过线性回归求解各个权重)
机器学习总结1_学习理论
这是一个关于科研民谣运动生活以及爱的博客
04-19 2006
学习理论主要想表达的东西想一下，在什么样的情况下，我们会想到机器学习。可能你在碰到这么一个问题时：你现在有很多有癌症和没有癌症的人的身体情况资料，然后让你判断一个人是否患有癌症。在你碰到这个问题的时候，你会说现在有了现成的训练集，我把它扔到机器学习算法里去学习一下，学习出来一个模型，然后就可以做判断了啊！！这很easy啊。在这一讲里面，我想说的就是，为什么这么做是有效的？在这个看起来很easy的做法
机器学习总结8_从决策树到随机森林
这是一个关于科研民谣运动生活以及爱的博客
06-17 1611
0.先通过一个例子引入： 例子转自：http://www.cnblogs.com/leoo2sk/archive/2010/09/19/decision-tree.html 如果对树结构有所了解的话，很容易生成一个树， 这就是一个决策树，通过这个树就可以判断出女孩到底会不会去见一个相亲对象。 我们可以看到决策树描述了整个做决定的过程，它和人们实际做决定的过程非常的类似，有
机器学习总结5_Logistic Regression(逻辑回归)
这是一个关于科研民谣运动生活以及爱的博客
05-23 1046
0.逻辑回归，回归，千万别被这个名字给骗了。逻辑回归更多的用在分类问题上，就像是贝叶斯那样。逻辑回归的模型分别给出样本的Y是+1和-1的概率，然后根据概率值的大小，对样本的类别进行预测。1.逻辑回归，它先计算一个得分(score,简称s)，然后通过sigmoid函数(S型函数)将这个得分转换成概率值。这么做有什么道理？请往下看两段。sigmoid函数： sigmoid函数图像： 逻辑回归的模型：
机器学习总结3_朴素贝叶斯
这是一个关于科研民谣运动生活以及爱的博客
04-26 929
1.纠结了好一阵这一节写哪一个算法，最后决定先把容易写的给总结出来。朴素贝叶斯，我们从名字上就可以明显感觉到这是和概率有着很大关系的一个算法。我们在这里只谈二分类的问题，我觉得如果你会通过贝叶斯解决二分类问题，那多分类问题也不是一件难事了。(0)贝叶斯公式P(Y,X)=P(Y|X)×P(X)=P(X|Y)×P(Y) P(Y,X)=P(Y|X)\times P(X)=P(X|Y)\times P(Y)
机器学习总结4_线性回归
这是一个关于科研民谣运动生活以及爱的博客
05-12 907
1(1)分类，拟合，回归的区别？前几天用到了MATLAB中的多项式拟合函数和线性回归函数，然后发现有些概念和我理解的不一样。我就把我对这三个概念的理解说一下。 分类：在之前两讲中讲的算法PLA和朴素贝叶斯都是用来解决分类问题的。在二分类中，Y=+1或-1。分类问题是找到一个最好的超平面将不同的样本分开。 回归：回归问题的输出Y不只是局限在+1或者-1中，通常Y可以取整个实数空间的任意值。在这里我
未完待续：大数据实战项目实践指南
6. 实战项目准备：在完成基础搭建和配置后，学生将开始准备实战项目，可能会接触到实际的大数据处理案例，例如日志分析、社交网络数据处理、机器学习算法应用等。 需要注意的是，由于课程标题中提到“未完待续”，...
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