机器学习

最新推荐文章于 2025-08-14 12:19:48 发布
最新推荐文章于 2025-08-14 12:19:48 发布
阅读量61 收藏
点赞数
文章标签： 人工智能

http://sourceforge.net/projects/neuroph/?source=directory

机器学习目录
不曾走远的博客
04-22 3295
在未来几个月时间里，将会逐步针对先前整理的博客文章进行分类归纳，并建立成为学习专栏区。内容将会重点从理论算法，推导过程，应用阶段，项目实战几个维度进行整理。内容会慢慢更新。 如下为整理的机器学习的查阅目录
机器学习简史
懒人的技术笔记
03-18 2749
站在AGI的门槛前，机器学习仍在书写新的传奇，而它的每一次进步，都在重新定义人类认知的边界。
机器学习西瓜书习题参考
热门推荐
herosunly的博客
01-07 4万+
作为人工智能领域（AI）中文教材扛鼎之作，南京大学周志华教授所著的《机器学习》帮助无数AI从业者理清了机器学习的基本原理。在书中，周志华解释机器学习基本术语和问题时，贯穿全书用西瓜进行比喻讲解，因此该书也被读者们昵称为“西瓜书”。接下来我将详细介绍这本书的内容，文末会附上购买链接。叶翰嘉南京大学人工智能学院副教授、博士生导师。从事机器学习领域研究工作，入选全国高校计算机专业优秀教师奖励计划，获中国计算机学会优秀博士学位论文奖等荣誉。詹德川南京大学人工智能学院教授、博士生导师，南京大学科研院副院长。
机器学习简介
rubys007的博客
02-11 2501
机器学习是人工智能（AI）的一个子领域。机器学习的目标通常是理解数据的结构，并将该数据拟合到可以被人理解和利用的模型中。尽管机器学习是计算机科学的一个领域，但它与传统的计算方法有所不同。在传统计算中，算法是一组明确编程的指令，用于计算或解决问题。而机器学习算法允许计算机对数据输入进行训练，并使用统计分析来输出落在特定范围内的值。因此，机器学习有助于计算机根据数据输入构建模型，以自动化基于数据输入的决策过程。今天的任何技术用户都受益于机器学习。面部识别技术使社交媒体平台能够帮助用户标记和分享朋友的照片。
【机器学习】机器学习在教育领域的应用场景探索
科技改变人类，技术成就未来
05-02 2万+
机器学习在教育领域的应用场景探索
机器学习常用术语
weixin_66519663的博客
07-11 2909
机器学习是一门专业性很强的技术，它大量地应用了数学、统计学上的知识，因此总会有一些蹩脚的词汇，这些词汇就像“拦路虎”一样阻碍着我们前进，甚至把我们吓跑。因此认识，并理解这些词汇是首当其冲的任务。本节将介绍机器学习中常用的基本概念，为后续的知识学习打下坚实的基础。
机器学习和深度学习的区别
抟土成人祖，炼石补青天。眼中览银河，手可摘星辰。
09-24 4147
机器学习（Machine Learning, ML）：是一种通过数据来训练算法，让计算机从经验中学习，并在没有显式编程的情况下做出决策或预测的技术。它包括多种不同的算法，例如线性回归、决策树、支持向量机（SVM）、K-近邻（KNN）等。深度学习（Deep Learning, DL）：是机器学习的一个子领域，专注于使用多层神经网络模拟人脑的工作方式，尤其擅长处理大量的、非结构化的数据（如图像、视频、语音）。深度学习依赖于人工神经网络，尤其是深层神经网络（DNN），通常有多个隐藏层。特点机器学习（ML）
双重机器学习 stata教程 手把手教学
weixin_59030591的博客
07-25 1万+
双重机器学习（DDML）的stata教程
机器学习概念 Machine Learning
草履虫建模的博客
05-09 7985
在机器学习中，主要有三种学习范式：监督学习（Supervised Learning）、无监督学习（Unsupervised Learning）和强化学习（Reinforcement Learning），它们的主要区别在于数据是否带标签以及学习的目标。定义监督学习是一种机器学习方法，训练数据包括输入（特征）和已知的标签（输出），模型通过学习输入与输出之间的映射关系，从而预测新数据的标签。目标是建立一个函数，将输入映射到输出。任务类型常见算法关键概念应用损失函数（Loss Function）概念损失函数是机器学
机器学习之模型评估
m0_72946768的博客
04-15 3048
模型评估在机器学习中至关重要。模型评估可以帮助我们了解模型的性能如何，指导我们对模型进行改进和优化。通过模型评估，我们可以确定模型的准确性、泛化能力和稳定性，以及是否存在过拟合或欠拟合等问题，常用的评估指标包括准确率、精确率、召回率等。另外，对于不同类型的问题，还可以采用不同的评估方法，如P-R曲线、ROC曲线、混淆矩阵等。综上所述，模型评估在机器学习中是至关重要的，可以帮助我们提高模型的性能和效果。FN%7D。
双重机器学习DML（代码+案例+数据）
09-24
python-双重机器学习（Double Machine Learning, DML）是一种结合了机器学习和因果推断的统计方法，它在经济管理领域有着广泛的应用。这种方法特别适用于处理高维数据和复杂的非线性关系，同时能够提供无偏的参数...
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，...
贝叶斯统计机器学习ppt
01-25
本资源摘要信息将对贝叶斯统计机器学习的主要内容进行概括，从贝叶斯决策理论到机器学习问题实例，涵盖了机器学习的主要模型、模式识别与机器学习的基本问题等多个方面。 贝叶斯决策理论是机器学习中一个重要的理论...
机器学习实战源代码.rar_python机器学习_机器学习_机器学习代码_机器学习实战_机器学习源码
07-14
机器学习源码，供机器学习初学者下载，主要用的语言是python.
机器学习期末复习题.pdf
01-06
机器学习期末复习题库 机器学习是人工智能领域中的一门重要学科，涉及到各种算法和技术，以下是机器学习期末复习题库的详细解析： 监督学习和无监督学习 监督学习是指在有标签的数据集上训练模型，以便在未来的...
【15】Transformers快速入门：添加自定义 Token
叫好与叫座虽然不是对立面，但想在同一个作品中达到双重效果很难。
08-13 1623
预训练模型的词表是固定的。它不认识你自定义的特殊标记（如实体标记、领域术语、新表情符号等）。掌握如何向预训练模型的分词器和词表中添加新的 Token（包括普通 Token 和特殊 Token），理解其对模型的影响，并学会正确调整模型权重。新 Token 的 ID（30523, 30524）在模型的 Embedding 矩阵里。想象一下，你给模型一个任务：“找出文本里的汽车和隧道实体”。增加了词表大小（比如从 30522 增加到 30524），模型的 Embedding 矩阵（这里标记了一个实体！
敏感数据目录是什么？如何快速构建企业自身的敏感数据目录
yuandiansec的博客
08-13 1513
敏感数据目录能力是数据安全的起点
【论文阅读】基于表面肌电信号的下肢多关节运动估计：一种深度卷积神经网络方法
最新发布
qq_60423839的博客
08-14 923
本文提出一种基于多通道表面肌电信号(sEMG)和深度卷积神经网络(CNN)的下肢多关节运动估计方法。研究采集了骑行和步行任务中的7通道sEMG信号，通过带通滤波、全波整流等预处理后构建CNN模型，用于估计髋、膝、踝关节角度。实验结果表明，所提CNN模型在骑行任务中三个关节的估计均方根误差分别为3.8886°、2.8199°和3.1148°，精度显著优于传统BPNN和RBFNN模型。该研究为下肢康复外骨骼的人机交互控制提供了理论基础，未来将探索sEMG时频特征对模型的影响及非理想环境下的意图识别问题。
从静态模型到数字生命体：自进化AI Agent综述
zenRRan的博客
08-13 1200
部署后无法适应动态环境（如用户需求变化、新工具出现）。例如，医疗诊断智能体遇到新疾病时需工程师手动调整，效率低下。近年大型语言模型（LLM）的突破催生了AI智能体的发展，它们能自主规划、使用工具解决复杂任务（如编程、科研）。：树状思维（Tree-of-Thought）探索多推理路径，避免单一错误。：将自然语言反馈视为“梯度”，反向优化提示（如TextGrad框架）。：将提示视为基因，通过突变、交叉筛选最优解（如EvoPrompt）。：AI智能体不仅是工具，更是能持续学习、适应、协作的“数字生命体”。
评论
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