机器学习

最新推荐文章于 2025-10-07 15:06:45 发布
原创 最新推荐文章于 2025-10-07 15:06:45 发布 · 298 阅读 · 1 ·
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。

本文分享了一份优质的机器学习资源文档及视频教程，旨在帮助读者更好地学习和掌握机器学习的基础知识及应用技巧。
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。
机器学习之--损失函数
sunnyxiaohu的博客
03-16 1万+
此文章翻译至机器学习的一章讲义： http://www.ics.uci.edu/~dramanan/teaching/ics273a_winter08/lectures/lecture14.pdf损失函数。 我们能得到一般化的损失函数表达式，如下（14.1），在（14.1）中，我们注意到损失函数有两部分组成：损失项和规则项。我们将会在接下来的章节中介绍这两部分。 一、损失项 在这一节中，
机器学习总结（三）——损失函数
chkay399的博客
08-21 5万+
经典机器学习算法，他们最本质的区别是分类思想（预测y的表达式）不同，有的是基于概率模型，有的是动态规划，表象的区别就是最后的损失函数不同。 损失函数分为经验风险损失函数和结构风险损失函数，经验风险损失函数反映的是预测结果和实际结果之间的差别，结构风险损失函数则是经验风险损失函数加上正则项(L0、L1（Lasso）、L2（Ridge）)。 不同的算法常用的损失函数（Loss Function）有...
机器学习损失函数
猪逻辑公园
06-10 234
一、分类算法中的损失函数在分类算法中,损失函数通常可以表示成损失项和正则项的和，即如下的形式： J(w)=∑iL(mi(w))+λR(w)其中，L(mi(w))L(mi(w))为损失项，R(w)R(w)为正则项。mimi的具体形式如下： mi=y(i)fw(x(i))y(i)∈{−1,1}fw(x(i))=wTx(i)对于损失项，主要形式如下：0-1损失Log损失Hingo损失指数损失感知损失1、...
机器学习训练集之traing 、validation、test data set
leiting_imecas的博客
07-14 5517
Normally to perform supervised learning you need two types of data sets: In one dataset (your "gold standard") you have the input data together with correct/expected output, This dataset is usu
机器学习之降低损失(Reducing Loss)
Leo
04-11 7874
为了训练模型，我们需要一种可降低模型损失的好方法。迭代方法是一种广泛用于降低损失的方法。一、迭代方法：一种迭代试错，优化模型的方法机器学习算法用于训练模型的迭代试错（迭代方法）过程：简单来说，迭代方法就是将模型预测值与实际值之间的误差值反馈给模型，让模型不断改进，误差值会越来越小，即模型预测的会越来越精确。在训练机器学习模型时，首先对权重和偏差进行初始猜测，然后反复调整这些猜测，直到获得损失可能最...
机器学习入门基础（万字总结）（建议收藏！！！）
热门推荐
subsistent的博客
12-04 18万+
机器学习是人工智能的重要技术基础，涉及的内容十分广泛。本文章涵盖了机器学习的基础知识，主要包括机器学习的概述、 回归、分类、聚类、神经网络、文本分析、图像分析、深度学习等经典的机器学习基础知识，还包括深度学习入门等拔高内容。介绍机器学习的基础概念和知识，包括机器学习简史、主要流派、与人工智能、数据挖掘的关系、应用领域、算法、一般流程等。伴随着计算机计算能力的不断提升以及大数据时代的迅发展人工智能也取得了前所未有的进步。
机器学习入门
qq_57095929的博客
05-27 2137
20世纪50-70年代：符号主义阶段，以专家系统为主导，例如1950年图灵设计的国际象棋程序和1962年IBM Arthur Samuel的跳棋程序。1956年是人工智能的元年。20世纪80-2000年代：统计主义阶段，主要用统计模型解决问题，如1993年Vapnik提出的SVM和1997年IBM深蓝战胜卡斯帕罗夫。21世纪初期：神经网络阶段，2012年AlexNet的出现标志着深度学习的兴起。2017年至今：大规模预训练模型阶段。
深入解析机器学习
网络风云的博客
04-08 2万+
在大语言模型（如 ChatGPT、GPT-4、BERT、T5）中，机器学习的作用贯穿模型的训练、优化和推理过程。通过 Transformer 和深度学习技术，大语言模型能够理解、生成和优化文本，并在多个行业落地应用。大语言模型（Large Language Model, LLM）是现代人工智能（AI）发展的重要突破之一，而其核心驱动力正是。机器学习是计算机科学的一个分支，旨在使计算机系统能够通过数据学习模式，而无需明确的指令。在新的输入 xxx 到来时，可以预测相应的 y^\hat{y}y^​。
机器学习的流程
最新发布
经天纬地，格物致理
10-07 1571
在当今数据驱动的时代，机器学习（Machine Learning）已成为解决各类复杂问题的重要手段。从语音识别、图像分类到气象预测、金融风控，机器学习的应用几乎无处不在。然而成功构建一个高性能的机器学习模型并非仅仅依靠算法本身，而是一个系统的、循序渐进的过程。本文将结合下图，详细介绍机器学习的完整工作流程。
机器学习最全.ppt
05-08
机器学习是一门多学科交叉的领域，融合了计算机科学、统计学、概率论等知识，旨在开发算法和统计模型，让计算机系统能够通过学习来执行特定任务。机器学习的核心是利用经验来提升系统性能。机器学习系统的结构通常...
精选资源
机器学习源代码.zip
04-08
机器学习涵盖了许多不同的算法，用于解决各种类型的问题。以下是一些常见的机器学习算法： 监督学习算法：线性回归（Linear Regression）逻辑回归（Logistic Regression）决策树（Decision Trees）随机森林（Random...
精选资源
林轩田-吴恩达机器学习笔记.pdf
09-22
林轩田和吴恩达的《机器学习基石》课程笔记详细地涵盖了机器学习领域的基础理论和核心概念。林轩田在课程中细致地讲解了机器学习中的关键问题，包括学习问题的本质、如何对Yes-No问题进行学习、不同类型的学习方法、...
精选资源
周志华《机器学习》代码练习.zip
04-16
机器学习（ML)是计算机系统为了有效地执行特定任务，不使用明确的指令，而依赖模式和推理使用的算法和统计模型的科学研究。它被视为人工智能的一个子集。机器学习算法构建一个基于样本数据的数学模型，称为“训练...
精选资源
python机器学习教程-从零开始掌握Python机器学习：十四步教程.pdf
06-12
【Python机器学习基础】 Python作为机器学习的首选语言，因其简洁的语法和强大的库支持而备受推崇。在开始机器学习之旅之前，首先需要掌握Python的基础编程技能。这包括理解变量、数据类型、控制结构（如if-else，...
静态模型、动态模型
skyecs的博客
03-04 1万+
静态模型-离线训练易于构建和测试-使用批量训练和测试，对其进行迭代，直到达到良好效果仍然需要对输入进行监控模型容易过时动态模型-在线训练随着时间的推移不断为训练数据注入新的数据，定期更新同步版本使用渐进式验证，而不是批量训练和测试需要监控、模型回滚和数据隔离会根据变化作出相应调整，避免了过时问题学习谷歌机器学习速成...
常见的数据归一化方法
skyecs的博客
03-05 1565
常见的数据归一化方法有min-max标准化 和 z-score 标准化 min-max标准化对原始数据的线性变换       使结果落到[0,1]区间    x* = (x - x_mean)/(x_max - x_min) 将数据映射到[-1,1]区间，或者x* = x* * 2 -1z-score 标准化最常见的标准化方法就是Z标准化，也叫标准差标准化。要求原始数据的分布可以近似为高斯分布，否...
谷歌机器学习速成课
skyecs的博客
03-04 1153
谷歌开放了机器学习速成课，对于不能上外网而又求知若渴的同学，感谢量子位提供了以下链接来方便大家原地址：https://developers.google.cn/machine-learning/crash-course/量子位：https://mp.weixin.qq.com/s?__biz=MzIzNjc1NzUzMw==&mid=2247495096&idx=1&sn=...
Keras模型可视化
skyecs的博客
03-05 389
python2安装graphviz模块    sudo pip install graphviz安装graphviz软件    sudo apt-get install graphviz安装pydot模块    sudo pip install pydot==1.1.0 #只能装1.1.0版本，因为最新版（截止2016.8最新版本号是1.2.x）中find_graphviz函数是deprecate...
评论
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