机器学习的分类
品牌型号：Redmibook Pro 15系统：Windows 101、监督学习：表示机器学习的数据是带标记的，这些标记可以包括数据类别、数据属性及特征点位置等。这些标记作为预期效果，不断修正机器的预测结果。具体实现过程是：通过大量带有标记的数据来训练机器，机器将预测结果与期望结果进行比对；之后根据比对结果来修改模型中的参数，再一次输出预测结果；然后将预测结果与期望结果进行比对，重复多次直...
2024-02-13
如何入门机器学习
本篇文章，我将从过来的人角度介绍下机器学习如何从入门到精通，这里我们谈经验，谈工具，更谈方法论。1.入门作为初入机器学习的小白，你可能除了一颗好奇的心和一番热血外什么都不没有，当然最好还是希望你能有线性代数、微积分和概率论的基础。你可能会心存顾虑：学过但忘了。不用担...
2024-01-10
机器学习4决策树
简介 决策树是基于树结构进行决策的，决策树的目的是产生一颗泛化能力强，即处理未见示例能力强的决策树，其基本流程遵循简单而直观的“分而治之”（divide-and-conquer）的策略。伪代码 ---------------------------------------- 输入：训练集D = {(x1,y1),(x2,y2),........,(xm,ym)}; ...
2024-01-10
机器学习基础知识
本文将是一篇长文，是关于机器学习相关内容的一个总体叙述，读完此文将对机器学习有一个更加深刻和全面的认识，那么让我们开始吧。二分类问题、多分类问题 和 标量回归问题，这三类问题都是要将输入数据与目标结果之间建立联系。同时，这三类问题都属于监督学习的范畴，监督学习是机器...
2024-01-10
机器学习之特征工程
传统编程的关注点是代码. 在机器学习项目中, 关注点变成了特征表示.也就是说, 开发者通过添加和改善特征来调整模型.将原始数据映射到特征图 1 左侧表示来自输入数据源的原始数据, 右侧表示特征矢量, 也就是组成数据集中样本的浮点值集.特征工程指的是将原始数据转换为特征矢量.进行特征工程...
2024-01-10
机器学习的实质在于
品牌型号：华为MateBook D15系统：Windows 11机器学习的实质在于找。机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是研究怎样使用计算机模拟或实现人类学习活动的科学，是人工智能中最具智能特征，最前沿的研究领域之...
2024-01-18
机器学习之学习速率
学习速率正如之前所述, 梯度矢量具有方向和大小.梯度下降算法用梯度乘以一个称为学习速率 ( 有时也称为步长 ) 的标量,以确定下一个点的位置.例如, 如果梯度大小为 2.5, 学习速率为 0.01, 则梯度下降法算法会选择距离前一个点 0.025 的位置作为下一个点超参数超参数是编程人员在机器学习算法中用于...
2024-01-10
机器学习之清理数据
苹果树结出的果子有品相上乘的, 也有虫蛀坏果.而高端便利店出售的苹果是 100% 完美的水果.从果园到水果店之间,专门有人花费大量时间将坏苹果剔除或给可以挽救的苹果涂上一层薄薄的蜡.作为一名机器学习工程师, 您将花费大量的时间挑出坏样本并加工可以挽救的样本.即使是非常少量的“坏苹果”也...
2024-01-10
使用机器学习预测股价
股票价格预测有助于确定未来几天或几周内股票的走势，或者至少显示趋势。股票价格取决于多种因素，例如：基本因素：收入，利润，市场份额，业务的潜在增长前景外部因素：大流行病，例如新冠，外汇汇率，石油价格，黄金价格，债券收益率，全球股票市场技术因素：价格走势，交易量，移动...
2024-01-10
机器学习：从入门到晋级
目前，人工智能（AI）非常热门，许多人都想一窥究竟。如果你对人工智能有所了解，但对机器学习（Machine Learning）的理解有很多的困惑，那么看完本文后你将会对此有进一步深入理解。在这里，不会详细介绍机器学习算法的基本原理，而是通过将比较有意思的视频（YouTube）和文字相结合，...
2024-01-10
机器学习之分类：准确率
准确率是一个用于评估分类模型的指标。通俗来说，准确率是指我们的模型预测准确的结果所占的比例。正式点说，准确率的定义如下：Accuracy = \dfrac{Number of correct predictions}{Total number of predictions}对于二元分类，也可以根据正类别和负类别按如下方式计算准确率：Accuracy = \dfrac{TP + TN}{TP + TN + FP + FN}其...
2024-01-10
机器学习之过拟合的风险
假设这些图中的每个点代表一棵树在森林中的位置.图中的两种颜色分别代表以下含义:1.蓝点代表生病的树2.橙点代表健康的树接下来, 我们看看图 1图1.生病 ( 蓝色 ) 和健康 ( 橙色 ) 的树您能设想出一个有效的模型来预测以后的生病或健康的树吗 ?花点时间在脑海里绘制一条弧线将蓝点与橙点分开, 或者...
2024-01-10
机器学习之数据集的划分
通常将数据集划分为三个子集 ( 如下图所示 ) ,您可以大幅降低过拟合的发生几率:图 2.将单个数据集划分为三个子集使用验证集评估训练集的效果.然后, 在模型“通过”验证集之后,使用测试集再次检查评估结果. 下图展示了这一新工作流程:图 3.更好的工作流程在这一经过改进的工作流程中:1.选择在...
2024-01-10
如何才能入门机器学习？
一个好的学习步骤好的方法事半功倍，差的方法事倍功半。当然，本质上来说方法没有好坏，只有适合不适合。而我下面所总结的用于入门机器学习的方法也只是我一家之言，或者是很适合我自己的方法，当然也是值得借鉴的。在知乎隔不了多久就会看到有人提问如何才能入门机器学习。想想自己刚...
2024-01-10
10行代码入门机器学习
开始小强会去看电影吗？如花，小倩，小明和小强，他们是好基友，经常相约去看电影。但小强不是每次都去，以下是他们前四次相约去看电影的情况：（1 表示去看电影，0 表示没去看电影）如花小倩小明小强1011110100100100假如第五次相约看电影，如花不去，小倩和小明要去，那么小强会去吗？如花小...
2024-01-10
近似字符串匹配-机器学习
我有一个要求，其中我的源数据位于HDFS中，并且有一个包含用户技能的字段。现在，源文件具有归因于用户的所有技能，例如-管理，JAVA，HADOOP，PIG，SQL，性能调整，C，业务咨询，销售等.....现在，我的疑问是，我需要构建一种机器学习算法来检测所谓的技能中是否存在一些拼写错误。例如，如果不...
2024-01-10
机器学习之分类：预测偏差
逻辑回归预测应当无偏差。即：“预测平均值”应当约等于“观察平均值”预测偏差指的是这两个平均值之间的差值。即：预测偏差 = 预测平均值 - 数据集中相应标签的平均值注意：“预测偏差”与“偏差”（“wx + b”中的“b”)不是一回事。如果出现非常高的非零预测偏差，则说明模型某处存在错误...
2024-01-10
属于机器学习常见流程的是
品牌型号：华为MateBook D15系统：Windows 10属于机器学习常见流程的是数据获取、特征提取、模型训练和验证、线下测试、线上测试。1、数据获取：首先从线上拉取用户真实数据，用现有模型过一遍这些数据得到一些有用的信息作为标注人员的一个参考，加快标注速度；标注完成后，数据入库并解决冲突，冲突即是同一个query，两次标注结果不一致，解决冲突的办法一般是人工check，得到一个更准...
2024-02-04
机器学习常见算法分类汇总
来源：IT经理网机器学习的算法很多。很多时候困惑人们都是，很多算法是一类算法，而有些算法又是从其他算法中延伸出来的。这里，我们从两个方面来给大家介绍，第一个方面是学习的方式，第二个方面是算法的类似性。学习方式根据数据类型的不同，对一个问题的建模有不同的方式。在机器...
2024-01-10
机器学习矩阵和线性代数笔记
关于奇异值分解具体的可以看看这篇博文SVD 奇异值分解(Singular Value Decomposition)是一种重要的矩阵分解方法，可以看做对称方阵在任意矩阵上的推广。假设A是一个m×n阶实矩阵，则存在一个分解使得： 通常将奇异值由大而小排列。这样，Σ便能由A唯一确定了。与特征值、特征向量的概念...
2024-01-10
机器学习入门：脸部关键点检测
在前几篇文章中我们看到了怎样检测图片上的物体，例如人脸，那么把实现人脸识别的时候是不是可以把图片中的人脸截取出来再交给识别人脸的模型呢？下面的流程是可行的，但因为人脸的范围不够准确，截取出来的人脸并不在图片的正中心，对于识别人脸的模型来说，数据质量不够好就会导致识别...
2024-01-10
社区推送博客机器学习插件项目
本文首发于： Jenkins 中文社区 原文链接 作者：Loghi Perinpanayagam 译者：wenjunzhangp 社区推送博客-机器学习插件项目 我认为机器插件学习一直都是一件很有意义的事，带你们一起回顾我的学习历程 大家好！这是 GSoC 2020 ...
2024-01-10
机器学习之集成学习和随机森林
一、集成学习集成学习就是合并多个分类器的预测。一般会在一个项目快结束的时候使用集成算法，一旦建立了一些好的分类器，就可以使用集成把它们合并成一个更好的分类器。著名的集成方法：投票分类、bogging、pasting、boosting、stacking、和一些其它算法。1.1 投票分类（少数服从多数）令人惊奇...
2024-01-10
机器学习之支持向量机的超平面
支持向量机（Support Vector Machine)给定训练样本集 D = {(x_1,y_1), (x_2,y_2),…, (x_m,y_m)}, y_i \in{-1,+1}, 分类学习最基本的想法就是基于训练集 D 在样本空间中找到一个划分超平面，将不同类别的样本分开，但能将训练样本分开的划分超平面可能有很多，如图 6.1 所示，我们应该找哪个呢？我们应该定义一个性能...
2024-01-10
机器学习之神经网络简介：剖析
如果您还记得特征组合这一单元的话，就会发现以下分类问题属于非线性问题：图 1.非线性分类问题。“非线性”意味着您无法使用形式为b + w_1x_1 +w_2x_2的模型准确预测标签。也就是说，“决策面”不是直线。之前，我们了解了对非线性问题进行建模的一种可行方法-特征组合。现在，请考虑以下数...
2024-01-10
