李沐老师机器学习斯坦福课程《数据变换》

最新推荐文章于 2025-12-01 22:27:35 发布
原创 最新推荐文章于 2025-12-01 22:27:35 发布 · 119 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 #人工智能

基本framework
在这里插入图片描述

数据正则化的部分

机器学习对于数据是比较敏感的，为了归一化单位忽略这个单位的问题
在这里插入图片描述
前两种是比较常见的，后两种偶尔会用，最后一种因为房价的变化比较大，可以用log函数，log之后的加减就是原始数据的乘除。
在这里插入图片描述
机器学习看不了那么多的视频，只能看短的。
在这里插入图片描述
词根化：所有差不多的词的共同的那一段
语法化：可以跟原词不一样，但是语法上是等价的
词源化

李沐机器学习系列5---循环神经网络
降低学习速度，提高学习效率的地方
01-05 1928
对于样本的分析，通过全连接层处理表格数据，通过卷积神经网络处理图像数据；第一种假设，所有数据都是独立同分布的RNN 处理序列信号序列数据的更多场景1）用户使用习惯具有时间的先后性2）外推法和内插法。
李沐-斯坦福《实用机器学习》-02章
weixin_43996337的博客
11-29 1684
1.探索性数据分析 导入相关包 numpy：python中做数据分析常用的包； pandas：也是用于数据分析，擅长处理表，数据没那么大要放入内存中，这将是首选； matplotlib.pyplot：源自matlab的画图工具； seaborn：基于matplotlib，提供更多的画法 剩下两行用于将图片设成svg文件（画起来分辨率相对高一点） 读取数据 csv文件存下来相对比较大，可以先压缩成一个zip或一个tar，主流的读取文件都可以从压缩文件中读取。建议存成压缩文件，在传输存储都会比较好，甚至还会比
实用机器学习（李沐）2-数据获取笔记
m0_48373224的博客
04-07 400
当问题建模成为一个机器学习的问题时，需要通过大量的数据对其进行训练（如下图2-1），本节主要针对后面两种情况进行说明。一是对额外的数据进行整合；二是在没用数据及额外数据的情况下，手动生成想要的数据，一般方法有比如：数据增强（旋转、拉伸等）以及使用 GAN 来生成数据。
李沐-机器学习
weixin_44844703的博客
08-02 322
这是篇关于B站李沐老师讲pytorch机器学习的笔记 ndarray 节省内存 linear-algebra
机器学习笔记（李沐6-11）
Jeffrey_0711的博客
10-30 571
李沐6-11深度学习笔记
李沐机器学习入门
weixin_44911248的博客
09-17 953
机器学习分类监督学习：在有标签的基础上去预测标签半监督学习：数据有标签和没标签，根据有标签的数据训练去预测没标签数据的标签无监督学习：对于所有没标签的数据强化学习：类似人类的一种学习，不断的和环境进行交互，根据反馈去调整自己的行为监督学习首先关注的是模型本身，这个模型的输入以及对应的输出是什么损失函数Loss:模型的预测值和真实值之间的差别目标函数Objective：就是在模型训练中的尽可能的优化，比如讲模型的损失和最小。
【机器学习笔记】可解释机器学习-学习笔记 Interpretable Machine Learning (Deep Learning)
VentusDeus的博客
12-13 1182
可解释机器学习-笔记和代码
深度学习基础：深度学习介绍与应用领域
GeekDongHuang的博客
05-06 559
1 深度学习的引出 2 什么是机器学习 3 从简单线性分类器到深度学习 4 什么是深度学习 5 深度学习的来历 6 深度学习的应用领域
AI开发教程(十九):学习资源推荐
分享知识，拥抱变化
08-08 1168
AI 学习是一个 “理论 - 实践 - 反馈” 循环迭代的过程，选择资源时需避免 “贪多求全”，而应根据自身阶段和目标聚焦核心内容。 对于初学者，优先掌握 Python、数学基础和经典机器学习算法，通过小项目积累实战经验；对于进阶者，可深入特定领域（CV/NLP），跟踪顶会动态并复现前沿模型；对于从业者，需平衡理论深度与工程能力，关注模型部署、性能优化等工业级需求。
CV方向从入门到商业落地学习详细路径
最新发布
ZouZou的专栏
12-01 745
本文为待就业大学生规划了一条6-12个月的计算机视觉学习路径。首先夯实数学、编程和AI理论基础（1-2个月），重点掌握线性代数、概率统计和Python编程。第二阶段（2-3个月）系统学习深度学习框架和CV核心技术，包括图像分类、目标检测和图像分割等任务。第三阶段（2-3个月）通过2-3个商业级项目实践，如智能监控系统、商品识别系统等，培养全流程开发能力。最后1-2个月重点学习工程化部署和企业开发规范，并做好就业准备。全文强调动手实践，建议通过完整项目展示技术深度，同时提供详细的学习资源清单和时间规划建议。
李沐机器学习系列4---全连接层到卷积
降低学习速度，提高学习效率的地方
01-04 1220
从概率分布的角度来看卷积的定义,fτ是概率密度，gt−τ是在这个分布下的均值f∗gt∫−∞∞​fτgt−τdτ。
【机器学习】《动手学深度学习 PyTorch版》李沐深度学习笔记（ResNet、ResNeXt）
qq_44832832的博客
11-23 1378
ResNeXt
笔记｜李沐-动手学习机器学习｜现代卷积神经网络（视频24-30）
weixin_45041379的博客
10-23 2164
笔记｜李沐-动手学习机器学习｜现代卷积神经网络（视频24-30）
李沐深度学习引言笔记
flex_university的博客
04-14 1051
参考知乎文章。
李沐机器学习系列2--- mlp
降低学习速度，提高学习效率的地方
01-03 1386
LP中有一个很强的假设，输入和输出是线性关系，这一般是不符合事实的。通过几何的方式去对信息进行理解和压缩是比较高效的，MLP可以表示成下面的形式。
机器学习的入门笔记(第十周)
weixin_57089519的博客
07-17 1050
本周的学习记录，李沐老师动手学深度学习。
百万网友AI导师李沐离职投身大模型，B站“组会”还会有吗？(文末赠书)
热门推荐
FRIGIDWINTER的博客
07-13 1万+
李沐老师如何成长为亚马逊首席科学家？本文概述沐神的人生历程，文末抽送《动手学习深度学习(Pytorch)》4本
李沐—动手学深度学习笔记
weixin_58350863的博客
09-15 2070
将模型的输入和参数同模型的输出关联起来。回想一下，要计算线性模型的输出， 我们只需计算输入特征X和模型权重w的矩阵-向量乘法后加上偏置b。广播机制： 当我们用一个向量加一个标量时，标量会被加到向量的每个分量上。对于每一个小批量，我们会进行以下步骤:通过调用net(X)生成预测并计算损失l（前向传播）。通过进行反向传播来计算梯度。通过调用优化器来更新模型参数。4.多层感知机。
【李沐机器学习】三、特征工程
weixin_48983346的博客
08-24 355
。
李沐老师的深度学习课程学习思路
02-26
### 李沐深度学习课程的学习方法与建议 深入理解李沐老师的深度学习课程，可以采取以下几种有效策略来提升学习效果： #### 1. 打好基础知识 确保具备扎实的线性代数、概率论以及编程技能。这些是理解和实现复杂算法的基础[^2]。 #### 2. 结合实践项目 理论联系实际非常重要，在掌握基本概念之后尝试完成一些小型项目或实验。这不仅有助于巩固所学知识还能积累宝贵的经验[^1]。 ```python import torch from d2l import torch as d2l def softmax(X): X_exp = torch.exp(X) partition = X_exp.sum(1, keepdim=True) return X_exp / partition # The broadcasting mechanism is applied here ``` 这段代码展示了如何定义softmax函数，这是神经网络中常用的激活函数之一。通过亲手编写这样的功能模块可以帮助加深对原理的理解。 #### 3. 参加讨论社区 加入相关的在线论坛和技术交流群组，与其他爱好者分享心得并解决遇到的问题。良好的沟通环境能够促进思维碰撞激发创新灵感。 #### 4. 关注前沿动态 定期阅读最新的研究论文和技术博客文章，了解领域内的最新进展和发展趋势。对于感兴趣的方向还可以进一步探索其背后的机制和应用场景[^3]。 #### 5. 利用辅助资源 除了官方教材外，《动手学深度学习》提供了丰富的配套资料如视频教程、练习题库等，这些都是非常有价值的学习工具。
评论 1
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