人工智能
关注
分享
扫一扫
文章平均质量分 88
传统机器学习、神经网络、深度学习、大模型LLM
老马爱知
深耕信息技术IT/通信技术CT/人工智能AI的融合，分享技术、管理与产品的实战经验与前沿洞察，终身学习践行者。
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
第 7 篇：支持向量机（SVM）——在数据旷野中，划出最宽的“安全边界”
SVM的智慧，不是随意地将数据一分为二，而是在数据的旷野中寻找那条最宽的“安全边界”；它不是被所有样本所困扰，而是只依赖最关键的“支持向量”；它不是在低维度的困境中挣扎，而是通过核技巧的“升维打击”，优雅地征服非线性世界。原创 2025-07-09 10:39:01 · 406 阅读 · 0 评论 -
第 6 篇：决策树与随机森林——当机器学会了“如果…那么…”，世界将如何被重塑？
本文从“如果…那么…”的人类直觉出发，深入剖析了决策树如何通过“追求纯度”来构建规则。进而阐述其进化形态——随机森林，如何运用“样本随机”与“特征随机”的集体智慧，在牺牲部分可解释性的代价下，克服个体偏见，换取了极致的稳定与精准，成为现代AI的基石。原创 2025-07-01 14:08:20 · 1216 阅读 · 0 评论 -
第 5 篇：逻辑回归——当直线学会转弯，AI便懂得了选择
本文通过“直线学会转弯”的生动比喻，揭示了逻辑回归如何借助Sigmoid函数，将数值预测升级为概率判断，让AI学会做“选择题”，并阐明了其强大的可解释性为何是分类问题的关键钥匙。原创 2025-06-23 17:20:23 · 854 阅读 · 0 评论 -
第 4 篇：线性回归——机器学习“开山第一斧”，用一条直线洞见AI本质
本文深入浅出地介绍了机器学习的“开山第一斧”——线性回归，阐释了如何通过一条简单的直线来理解其核心原理、应用场景，并洞察整个机器学习的基本框架。原创 2025-06-12 12:01:23 · 1005 阅读 · 0 评论 -
人工智能AI之机器学习基石系列 第 3 篇：选择你的“学习方法”——初探监督学习与无监督学习
本文通俗讲解了机器学习的两大核心范式——监督学习（有“老师”指导，用带标签数据预测）与无监督学习（自主“探索”，从无标签数据中发现模式），并阐明了它们的核心区别与适用场景。原创 2025-06-03 10:41:34 · 984 阅读 · 0 评论 -
人工智能AI之机器学习基石系列 第 2 篇：数据为王——机器学习的燃料与预处理
揭秘机器学习的基石：本文剖析数据为何是AI的“燃料”，并详解数据清洗、特征转换、特征缩放及数据集划分等关键预处理步骤，助你打磨高质量数据，提升模型性能。原创 2025-05-27 15:36:29 · 1792 阅读 · 0 评论 -
人工智能AI之机器学习基石系列 第 1 篇：什么是机器学习？——开启智能之门
一起轻松入门机器学习，理解其与人工智能、深度学习的关系，掌握三大基本要素和核心术语，开启你的智能探索之旅。原创 2025-05-21 11:46:24 · 1408 阅读 · 0 评论 -
Scaling Law遇到瓶颈？大模型性能还能继续稳步增长吗？
Scaling Law遇冷，推理齿轮接棒，但AI性能提升正面临自然极限——未来属于更高效、更聪明的系统。原创 2025-04-28 15:32:35 · 935 阅读 · 0 评论