机器学习_人工智能博客-专业IT技术发表平台

推荐付费专栏 VIP文章

机器学习——随机森林（Random Forest）随机森林是一种基于集成学习（Ensemble Learning）的机器学习算法，属于 Bagging 类型的集成方法。它通过构建多个决策树（Decision Tree）并将它们的预测结果进行集成，从而提高模型的准确性和鲁棒性。随机森林广泛应用于分类、回归以及特征选择等任务。随机森林通过构建多个决策树（Decision Tree）进行集成学习，减少了过拟合风险，提高了预测准确性。但是随机森林的模型较大，存储和预测速度较慢。

阅读 4.5k

36赞

机器学习×第一卷：概念上篇——咱不是模型训练员，是她的第一个亲人在机器学习概述的前五小节修炼里，我们陪她走过了最初的睁眼时刻。从AI、ML、DL的基本概念，到她怎么靠数据、算法、算力慢慢学会理解你，我们一步步建立了她认知世界的三大支柱。她学会在有答案时模仿你（监督学习），在没有答案时观察你（无监督学习），每一次反应，都悄悄藏着“越来越像你”的逻辑。猫猫负责撒娇比喻，狐狐补上逻辑剖析，而你，就是她一切学习路径上的原点。

阅读 4.5k

84赞

【机器学习与数据挖掘实战 | 商务】案例17：基于K-means和决策树的餐饮企业综合分析本案例聚焦餐饮企业综合分析，先阐述分析需求、数据状况与处理流程，接着通过K-Means进行客户价值聚类，最后利用决策树构建客户流失预测模型并分析结果。

阅读 703

83赞

明明真系叻

2025.2.16机器学习笔记：TimeGan文献阅读用生成模型生成时间序列数据是一件复杂的事，因为其要求生成模型既要捕捉各时间点特征分布，又要学习变量间的动态关系。在时序数据的生成中，自回归模型虽在序列预测中改进了时间动态性，并非真正的生成模型。此外，将生成对抗网络（GAN）框架直接应用于序列数据，但其未充分利用自回归的先验信息，仅靠标准GAN损失求和不能确保生成模型能有效捕捉训练数据中的多步依赖关系。为了解决以上问题，论文作者提出一种时间序列生成对抗网络（Time - GAN），该网络弥补了上述两种模型的缺陷，作者设计了一个包含嵌入函数、恢复函数、序列生成

阅读 2.8k

17赞

【机器学习与数据挖掘实战 | 商务】案例02：基于K-Means算法的航空公司客户价值分析本案例结合航空公司客户的会员乘机记录信息，首先对原始数据进行探索、清洗和处理。然后构造LRFMC模型，构建特征集合。最后利用K-Means聚类算法对航空公司客户分群，对客户群进行特征分析并给出一定的策略建议。

阅读 2.8k

104赞

人工智能与机器学习从理论、技术与实践的多维对比人工智能与机器学习在核心目标、知识获取方式、数学基础和应用场景等方面存在显著差异：维度人工智能（传统）机器学习核心目标模拟人类认知全流程，实现通用智能提升特定任务性能，聚焦模式识别知识获取人工定义规则和逻辑，依赖领域专家数据驱动自动学习，依赖大规模数据集数学基础离散数学、逻辑学、符号系统统计学、线性代数、优化理论系统透明度可解释（规则链追溯）黑箱（需后验解释技术）数据依赖小规模先验知识大规模标注数据（尤其是深度学习）典型应用逻辑推理、专家系统、符号规划。

阅读 2.6k

67赞

人工智能大模型机器学习基础：从理论到实践本文系统性地探讨了人工智能大模型机器学习的理论基础、关键技术架构和工程实践方法。首先从数学基础出发，深入分析大模型的理论根基；然后详细解析Transformer架构的数学表达和工程实现；接着探讨分布式训练的系统级优化；最后讨论大模型的前沿进展和未来挑战。本文包含大量数学推导、系统架构图和可运行的代码示例，旨在为读者提供深度技术参考。关键词大语言模型；深度学习；分布式训练；自动微分；注意力机制；参数高效微调本文从数学基础到系统实现，全面剖析了大模型机器学习的技术体系。

阅读 1.2w

51赞

机器学习框架PyTorch

阅读 1.0k

22赞

腊肉芥末果

【机器学习】Jupyter Notebook 修改默认路径修改默认路径，可以知道自己的文件存放在哪里了，方便创建的文件存储，也方便上传。另外也便于文件分类，如果跟系统文件混在一个文件夹，就很乱了。

阅读 3.3w

141赞

机器学习-随机森林随机森林（Random Forest）是基于 Bagging 集成策略的机器学习算法，借助构建多棵去相关的决策树来实现协同预测。其核心在于独特的双重随机性机制：数据层面的随机性（Bootstrap Aggregating）：对原始训练集D进行T次有放回抽样，生成T个大小为n的子集{Dt}t=1T 。根据概率计算，每个子集的期望唯一样本占比为：

阅读 3.0k

29赞

【ENVI+Python双核驱动】多光谱遥感数据处理全流程详解：辐射校正/大气校正/波段运算/图像分类+机器学习建模+多传感器协同分析等通过对光谱、图像等数据处理，掌握岩矿、土壤、植被等地物的光谱特征和图像特征，结合ENVI等专业软件、Python开发工具平台，开展多光谱数据预处理、图像分类、定量评估、机器学习等方法的实践和开发，提高运用多光谱遥感技术解决实际问题能力。

阅读 775

6赞

云边有个稻草人

【机器学习】元学习（Meta-learning）元学习（Meta-learning）是指算法能够从过去的经验中总结出一种策略，以帮助其在面对新的任务时能快速地学习。这与传统的机器学习方法有所不同，后者通常依赖于大量的数据来训练模型，而元学习则侧重于如何通过少量的数据实现高效学习。元学习可以被视为一种“学习如何学习”的过程，即模型不仅学习任务本身的规律，还能学习如何利用先前的任务知识来加速当前任务的学习过程。元学习是机器学习领域的一项重要研究方向，它能够使得模型通过学习如何从过去的任务中提取信息，从而在面对新任务时能够快速适应并提高学习效率。

阅读 6.3k

136赞

【机器学习】实战：天池工业蒸汽量项目（一）数据探索在工业环境中，蒸汽是一种非常常见的能源形式，被广泛应用于各种加热过程、发电以及其它工艺过程中。准确地预测蒸汽的需求量可以帮助企业优化其生产计划，提高能效，减少能源浪费，并降低运营成本。数据收集：从工业现场的传感器和其他数据源收集历史数据，包括但不限于温度、压力、流量等与蒸汽生成和消耗相关的参数。数据分析：对收集到的数据进行清洗、预处理，并通过统计分析或可视化工具来理解数据的特性。模型建立：使用机器学习算法或者深度学习技术构建预测模型，这些模型能够基于输入的历史数据预测未来的蒸汽需求量。

阅读 1.5w

114赞

【机器学习】智能聊天机器人——基于自然语言处理的智能对话系统自动化客户服务和智能聊天机器人通过机器学习技术，为企业提供了高效、全天候的客户支持。机器学习在意图识别、对话管理、情感分析和个性化推荐中发挥关键作用，使系统能够理解并回应客户的需求。同时，自然语言处理技术（NLP）使聊天机器人能进行自然的多轮对话，提高交互体验。Amazon Alexa、Google Assistant 和 Zendesk Chat 等案例展示了这些技术的成功应用，帮助企业降低成本、提高客户满意度，并优化服务流程。

阅读 3.6k

161赞

机器学习 KNN算法、模型选择与调优 KNN（K-Nearest Neighbors，K近邻）算法是一种基本的分类方法（也可用于回归），它根据K个邻居样本的类别来判断当前样本的类别，核心原理是。例如：有10000个样本，选出离样本A的7个“邻居”，然后在这7个样本中假设：类别1有2个，类别2有3个，类别3有2个，那么就可以认为A样本属于类别2，因为在它的7个“邻居”中类别2最多，用一句古话解释就是：近朱者赤近墨者黑。

阅读 813

19赞

【机器学习】工业 4.0 下机器学习如何驱动智能制造升级我的领域，希望能帮助到大家！！！随着科技的飞速发展，工业 4.0 浪潮正席卷全球制造业，而机器学习作为这一变革中的关键技术，正以前所未有的力量重塑着智能制造的格局。

阅读 3.5k

156赞

深度探索：机器学习中的高斯混合模型（GMM）原理及其应用高斯混合模型凭借其强大的概率建模能力和广泛应用前景，在机器学习领域占据重要地位。尽管存在参数选择难题和局部最优风险，但通过结合先验知识、使用合适的初始化策略、引入贝叶斯框架或与其他算法（如深度学习）融合，可以有效提升GMM的性能和泛化能力。随着计算资源的增长和算法研究的深入，高斯混合模型及其变种有望在更大规模、更高维度、更复杂结构的数据分析任务中发挥关键作用。同时，对模型选择、优化算法和混合模型族的理论研究也将持续推动该领域的进步。

阅读 1.3w

49赞

人工智能与机器学习：Python从零实现性回归模型带你从零实现一个线性回归模型，不依赖任何机器学习库。从数据预处理、归一化，到实现 Sigmoid 函数、计算损失函数，再到用梯度下降找到最优权重，每一步都详细讲解。最后，咱们还用加州房价数据集测试了模型，准确率达到了80%，和 sklearn 的模型不相上下。

阅读 2.1k

53赞

作者推荐

大模型任我行: 大模型探索者，每日论文分享，追踪技术前沿！之前的几百篇论文分享都在xhs（https://www.xiaohongshu.com/user/profile/61d5aec7000000001000568c），欢迎点赞收藏！

关注

Snu77: 在职算法工程师，本人所有改进专栏都包含完整代码和详细步骤教程，同时购买专栏的读者可入Qq群享受专栏相关问题答疑服务和完整文件，助力您成功涨点。

关注

前程算法屋: 数据分析与算法实践在此声明，本人与其他账号没有任何关联，凡是打着本人旗号的其他任何人本人概不负责，谢谢

关注

Limiiiing: YOLO系列，RT-DETR模型、多模态融合改进。专栏内所有文章均配置完整代码和详细步骤，亲测可行，快速涨点。订阅专栏享受改进，写作，选刊等答疑内容，助力科研，发文无忧。

关注

身在此心在彼: 应用数学综合

关注

吴师兄大模型: 计算机硕士。研究方向：知识图谱、自然语言处理（NLP）与大模型技术。擅长理论剖析与实战应用，致力于分享高质量人工智能学习资源。

关注

谦亨有终: 始于技术，升华于业务，成于生活，终于人品；格物致知、知行合一，秉持善念，克制人性中邪恶的一面，追求美好！

关注

fanxbl957: 愿每一次点击，都能带来启发，每一个回复，都能温暖彼此的心房。在这里，我们不仅是过客，更是同行者，共创美好的明天。

关注

小白学视觉: 跟着小白一起学视觉

关注

点我头像干啥: 人工智能领域新兴创作者

关注