- 博客(48)
- 收藏
- 关注
RSS订阅原创 9.强化学习
强化学习是一种通过“试错互动”进行自主决策的机器学习方法，智能体在与环境交互中根据奖励反馈优化策略。其核心特点是以奖励函数为导向，无需预设规则即可学习超越人类经验的策略，广泛应用于机器人控制、金融交易、自动驾驶等领域。强化学习分为离散和连续两种场景：离散问题常用表格法（如Q学习），而连续问题需借助神经网络等函数近似方法（如DDPG、PPO）。关键概念包括马尔可夫决策过程（MDP）、回报函数和贝尔曼方程。深度强化学习（如DQN）通过神经网络拟合Q函数，结合经验回放、ε-贪婪策略和软更新等技术提升训练稳定性。典
2025-11-26 22:26:05
49
原创 8.推荐系统
文章摘要：本文系统介绍了推荐系统的核心算法。基于内容的推荐系统通过物品特征和用户偏好模型实现推荐，使用线性回归模型预测用户评分，包括检索和排序两个阶段。协同过滤算法则利用用户或物品间的相似性进行推荐，包括基于用户和基于物品两种方法，但存在冷启动问题。文章还讨论了均值归一化处理新用户评分的策略，以及将推荐转化为二分类问题的逻辑回归方法。最后介绍了TensorFlow实现这些算法的技术细节。
2025-11-14 18:25:14
47
原创 7.无监督学习
文章摘要：本文介绍了两种无监督学习方法。一、K-means聚类算法：通过迭代计算簇质心和样本分配实现数据分组，需注意随机初始化的局部最优问题，可通过多次初始化选择最优解。聚簇数量k的选择可采用肘部法则或结合实际需求权衡。二、异常检测：基于高斯分布建立概率模型，通过特征选择和参数估计识别异常值，需结合业务场景评估检测效果。文章还简要提及PCA降维方法，通过保留最大方差方向实现数据压缩。两种方法均可处理无标签数据，但需根据具体问题选择合适算法和参数。
2025-11-06 21:07:07
45
原创 6.机器学习性能评估与决策树算法
摘要：本文介绍了机器学习中的误差指标和决策树算法。误差指标部分阐述了精确率、召回率、F1分数的计算方法及其适用场景，并通过阈值调整示例说明了指标间的权衡关系。决策树部分详细讲解了熵、信息增益、构建过程、处理分类/连续值特征的方法，以及回归树的应用。重点介绍了集成学习方法（随机森林、XGBoost）的原理和优势，比较了决策树集成与神经网络的适用场景。XGBoost通过加权注意力机制提升性能，代码实现简单，适用于结构化数据。最后总结了不同算法在结构化/非结构化数据中的适用性差异。
2025-10-29 10:55:13
74
原创 5.深度学习：从Softmax到模型评估
本文系统介绍了机器学习中的多类别分类、模型评估与优化方法。主要内容包括：1.多类别分类的Softmax实现和TensorFlow代码示例；2.Adam优化算法自动调整学习率的优势；3.模型评估方法（训练/验证/测试集划分、偏差/方差分析、学习曲线）；4.误差分析和数据增强等系统设计技巧；5.迁移学习的原理、实施步骤和应用限制。通过理论和实践结合，为构建高效机器学习系统提供了完整的方法论指导。
2025-10-24 22:25:16
155
原创 4.神经网络：从原理到实践的全面解析
神经网络发展经历了从20世纪50年代兴起到90年代失宠，再到2005年复兴的过程，应用领域从手写识别扩展到图像识别和自然语言处理。其工作原理是通过多层神经元处理输入数据（如图像像素或商品特征），使用激活函数（如Sigmoid或ReLU）进行非线性转换，最终输出预测结果。TensorFlow等工具简化了神经网络的实现，而前向传播和反向传播算法是训练模型的核心。激活函数的选择至关重要，ReLU因其计算效率成为隐藏层的首选，而输出层则根据任务类型选择相应函数。值得注意的是，若所有层都使用线性激活函数，神经网络将退
2025-10-08 21:07:12
832
1
原创 3.逻辑回归：从分类到正则化
本文摘要：文章主要介绍了分类算法中的逻辑回归原理与应用。首先阐述了分类问题与线性回归的不适用性，重点讲解了逻辑回归的Sigmoid函数、决策边界和代价函数设计。针对模型拟合问题，分析了过拟合和欠拟合现象，并提出了正则化解决方案。最后比较了线性回归和逻辑回归的区别，强调了均方误差(MSE)在模型评估中的作用。文章通过肿瘤分类等实例，系统性地介绍了如何构建和优化分类模型。
2025-08-17 14:44:38
485
原创 2.多元线性回归：从单特征到向量化进阶
摘要：本文介绍了多元线性回归模型及其优化方法。主要内容包括：1）多元特征处理，从单特征扩展到多特征预测，引入向量化实现高效计算；2）特征缩放技术（最大值法、均值归一化、z-score），通过标准化特征范围加速梯度下降收敛；3）学习率选择与收敛检测方法，包括图示法和自动收敛测试；4）特征工程的重要性，通过特征组合提升模型性能；5）多项式回归应用，通过非线性特征扩展增强模型拟合能力。这些方法共同构成了机器学习中线性回归的核心优化技术。
2025-08-02 12:53:11
519
原创 第三章·数据链路层
数据链路层在OSI模型中负责将网络层数据封装成帧，实现相邻节点间的可靠传输。主要内容包括：1.组帧方法：字符计数法、字节填充法、零比特填充法（HDLC/PPP协议使用）和违规编码法，解决帧定界和透明传输问题；2.差错控制技术：奇偶校验码（只能检测奇数位错误）和循环冗余校验码（CRC）。数据链路层通过物理链路建立逻辑链路，对网络层透明地完成数据传输与差错控制。
2025-07-31 19:26:37
766
原创 人工智能概述
人工智能（AI）是通过计算机模拟人类智能的技术科学，属于计算机科学的分支。其核心是用机器模拟人的意识、思维和感知能力，主要研究领域包括机器人、语音识别、图像处理等。AI表现形式涵盖智能软件、硬件、网络和终端设备。当前应用已覆盖计算机视觉、语音识别、智能机器人和智能推荐等多个领域，并在围棋、数值计算等方面超越人类水平。AI发展的重要里程碑包括达特茅斯会议和图灵测试。
2025-06-30 16:00:00
398
原创 0.0机器学习基础
获取数据数据基本处理（科学计算库）MatplotlibPandasNumpy特征工程机器学习算法模型评估与调优机器学习是从数据中自动分析获得模型，并利用模型对未知数据进行预测。输入数据是由输入特征值和目标值所组成；函数的输出可以是一个连续的值（称为回归）；或是输出有限个离散值（称为分类）；（1）回归问题：例如：预测房价，根据样本集：拟合出一条连续曲线。（2）分类问题：例如：根据肿瘤特征判断良性还是恶性，得到结果是“良性”或者“恶性”，是离散的。
2025-04-08 15:20:02
265
原创 第五章·公共方法函数文件面向对象
def 函数名（参数）：代码1代码2......定义函数说明文档：def 函数名（参数）："""说明文档位置"""代码......查看函数说明文档：help(函数名)在python中，值是靠引用来传递的；我们可以使用id（）来判断两个变量是否为同一个值来引用。我们可以将id值理解为那块内存的地址标识。面向对象是一种抽象化的编程思想，很多编程语言中都有的一种思想；面向对象是将编程当做一个事物，对外界来说，事物是直接使用的，不用去管他内部情况。而编程就是设置事物能够做什么事；
2025-04-06 17:07:30
963
原创 3.numpy练习（2）
7.找到在一个数组中最接近一个数的索引：8.32位float类型和32位int类型转换：9.打印数组元素位置坐标与数值：1.按照数组的某一列进行排序：2.统计数组中每个数值出现的次数：3.如何对一个四维数组的最后两维来求和：4.交换矩阵中两行：5.找到一个数组中最常出现的数字：6.快速查找TOP K：7.去除掉一个数组中所有元素都相同的数据：
2025-01-24 15:57:12
114
原创 2.Numpy练习（1）
1.打印当前numpy版本：2.构造一个全零的矩阵，并打印其占用内存大小：3.打印一个函数的帮助文档，比如numpy.add：4.创建一个10~49数组，并将其倒序排列:5.找到一个数组中不为0的索引：6.随机构造一个3*3矩阵，并打印其中最大与最小值。
2025-01-12 22:46:24
366
原创 NumPY科学计算库
NumPY（Numerical Python）是python的一种开源数值计算扩展。提供多维数组对象，各种派生对象（如掩码数组和矩阵），这种工具可用于存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure）结构要高效的多（该结构也可以用来表示矩阵（matrix）支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库，包括数学、逻辑、形状操作、排序、选择、输入输出、离散傅立叶变换、基本线性代数，基本统计运算和随机模拟等等。NumPy的强大功能。
2025-01-05 18:50:29
898
原创 三级网络技术考点
BGP是边界网关协议，是外部是不同自治系统的路由器之间使用的协议TCPBGP交换路由信息节点数不小于自治系统数BGP-4采用路由向量协议BGP发言人通过update分组通知相邻系统open分组两个BGP发言人需要周期性地（不是不定期）交换keepalive分组打开（open）、更新（updat）、保活（keepalive）、和通知（notification）【注意】AS：一个自治系统。
2024-12-28 12:33:01
958
原创 进阶篇（1）
存储引擎就是存储数据、建立索引、更新/查询数据等技术的实现方式。存储引擎基于表的，而不是基于库的，所以存储引擎也可被称为表类型。在选择时，应该根据应用系统的特点选择合适的存储引擎。对于复杂的应用系统，还可以根据实际情况选择多种存储引擎进行组合。介绍：索引帮组MySQL高效获取数据结构（有序）。在数据之外，数据库系统还维护着满足特定查找算法的数据结构，这些数据结构以某种方式引用（指向）数据，这样就可以在这些数据结构上实现高级查找算法，这种数据结构就是索引。
2024-12-26 17:26:40
1003
原创 1.监督学习（上）
机器学习中最重要算法之一，梯度下降和梯度下降的变体不仅用于训练线性回归，还用于训练所有AI中一些最大和最复杂的模型。作用：更系统的方法找w和b的值，缩小J的可能成本。使用范围：机器学习中线性回归，还可以训练一些最先进的神经网络模型，也称为深度学习模型。以上两个例子展示了导数项在做什么背后的一些直觉，以及为什么这个主体度下降改变w来让你更接近最小值。
2024-12-25 21:51:38
1063
原创 第六章·应用层
对应用程序的通信提供服务。例如：主机现在需要访问百度，在搜索引擎中输入域名（www.baidu.com），在正式访问前会经历：将域名解析成IP地址（通过DNS服务器），从而可以访问百度。 上图圆柱表示：运行的进程，服务器的控制进程与数据传送进程都是从属进程；客户端的控制进程与服务器的控制进程保持一直打开；客户的所有请求都需要通过控制连接发送给服务器端的控制进程；控制进程相当于连接建立的一个准备工作，数据传输才是实际建立连接的。所以，控制连接传送请求；传送连接传送的是文件；文件传输结束后会关闭数
2024-12-20 10:58:20
751
原创 0.机器学习入门
给定的数据与任何输出标签y无关。聚类算法：是一种无监督学习，获取没有标签的数据并尝试自动将它们分组到集群中。无监督学习中仅带有输入x而没有输出标签y，并且算法必须在数据内。聚类将相似的数据点组合起来。
2024-12-03 21:21:22
1167
原创 第二章·物理层
本章对计算机网络物理层进行解读，对两大定理理解与例题的深度剖析，对编码和调制的深刻理解以及传输介质的分类、特点、特性各方面的解读，最后简单的了解了物理层设备主要包括什么，以及各自的工作原理和特点进行了理解，并分析了其特性
2024-11-18 18:18:50
1422
原创 0.安装python：
Python是一种简单易学、开发效率高的编程语言，由吉多·范罗苏姆于1989年开发。安装Python时需注意勾选PATH选项，并通过cmd验证安装。常见问题包括中文符号错误和解释器环境未进入等。PyCharm是常用的Python开发工具，支持主题设置、字体调整、汉化插件等功能，并提供多种快捷键提高开发效率，如运行代码(shift+f10)、格式化代码(ctrl+alt+L)等。
2024-11-07 19:39:00
786
原创 数据结构与算法（1）
本文对数据结构与算法第一章概论进行解读，主要分析了数据结构的基本概念和术语，抽象数据类型和数据类型以及算法的时间复杂度、渐进时间复杂度的详细解读和举例说明
2024-11-03 18:42:30
1205
原创 第一章·计算机网络体系结构
本文主要对计算机网络第一章进行详细解读，对概念、组成、功能以及交换方式、分类方式、性能指标、分层结构进行分析，最后对OSI和TCP/IP模型的不同点进行讨论，每层功能和任务进行详细解读。
2024-10-30 17:32:23
1378
原创 jQuery
jQuery是一个快速、简洁的JavaScript的框架.宗旨是"write Less,Do More",即写的少，做的多；jQuery封装了JavaScript常用的功能代码，提供一套抑郁使用的API，可以跨多种浏览器工作，使HTML文档的便利和操作、事件处理、动画设计和Ajax交互等操作变得更加简单。
2024-02-26 17:30:09
342
1
原创 面向对象知识点
本篇文章讲述了对面向对象中封装的理解，以及this和private关键字的解释和构造方法、标准javabean的理解，深度剖析了对象内存图原理
2024-01-20 19:04:13
964
空空如也
人工智能课程免费的权威性强的
2024-11-09
人工智能最全学习路线
2024-10-28
TA创建的收藏夹 TA关注的收藏夹
TA关注的人