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
Python机器学习之决策树算法
一、决策树原理决策树是用样本的属性作为结点，用属性的取值作为分支的树结构。 决策树的根结点是所有样本中信息量最大的属性。树的中间结点是该结点为根的子树所包含的样本子集中信息量最大的属性。决策树的叶结点是样本的类别值。决策树是一种知识表示形式，它是对所有样本数据的高度...
2024-01-10
机器学习之决策树三CART原理与代码实现
决策树系列三—CART原理与代码实现 本文系作者原创，转载请注明出处:https://www.cnblogs.com/further-further-further/p/9482885.html ID3，C4.5算法缺点ID3决策树可以有多个分支，但是不能处理特征值为连续...
2024-01-10
机器学习之简化正则化:L2 正则化
请查看以下泛化曲线, 该曲线显示的是训练集和验证集相对于训练迭代次数的损失.图 1.训练集和验证集损失图 1 显示的是某个模型的训练损失逐渐减少, 但验证损失最终增加.换言之, 该泛化曲线显示该模型与训练集中的数据过拟合.根据奥卡姆剃刀定律, 或许我们可以通过降低复杂模型的复杂度来防止...
2024-01-10
机器学习之分类：ROC 和曲线下面积
ROC 曲线ROC 曲线 （接收者操作特征曲线）是一种显示分类模型在所有分类阈值下的效果的图表。该曲线绘制了以下两个参数：真正利率假正利率真正利率（TPR）是召回率的同义词，因此定义如下：TPR = \dfrac{TP}{TP + FN}假正例率（FPR）的定义如下：FPR = \dfrac{FR}{FP + TN}ROC 曲线用于绘制采用不同分类阈...
2024-01-10
机器学习之特征组合: 多非线性规律进行编码
在 图 1 和图 2 中, 我们做出如下假设:1.蓝点代表生病的树.2.橙点代表健康的树.图 1.这是线性问题吗 ?您可以画一条线将生病的树与健康的树清晰的分开吗 ? 当然可以.这是个线性问题.这条线并不完美.有一两棵生病的树可能位于“健康”一侧, 但您画的这条线可以很好的做出预测.现在, 我们看看下图:图...
2024-01-10
解锁云原生 AI 技能 | 开发你的机器学习工作流
按照上篇文章《解锁云原生 AI 技能|在 Kubernetes 上构建机器学习系统》搭建了一套 Kubeflow Pipelines 之后，我们一起小试牛刀，用一个真实的案例，学习如何开发一套基于 Kubeflow Pipelines 的机器学习工作流。准备工作机器学习工作流是一个任务驱动的流程，同时也是数据驱动的流程，这里涉及到数据的导...
2024-01-10
厉害了！AWS 这个奖，助力中国与全球一起促进机器学习的科研落地！
近年来，人工智能与大数据的飞速发展，都离不开背后的机器学习技术。但一项前沿技术的落地应用总要经过一个艰难又漫长的过程，机器学习也仍处于技术的加速发展阶段。为了加速机器学习技术的发展，2017 年 10 月，Amazon Web Services（AWS） 在全球设立了 AWS 机器学习研究奖 - Machine Learning Research Award...
2024-01-10
机器学习之分类：精确率和召回率
精确率精确率指标尝试回答以下问题：在被识别为正类别的样本中，确实为正类别的比例是多少？精确率的定义如下：Precision = \dfrac{TP}{TP + FP}注意：如果模型的预测结果中没有假正例，则模型的精确率为 1.0 。让我们来计算一下上一部分中用于分析肿瘤的机器学习模型的精确率：精确率 = \dfrac{TP}{TP ...
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：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
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
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
自动售票机激活学生证
自动售票机激活学生证步骤：1、点击“互联网取票“按钮，弹出“请输入二代身份证”。2、在“身份证识别区”放上二代身份证，读取身份证信息后，显示网上订票的相关信息。3、在“身份证识别区”放上学生证，读取学生证信息后，核对身份证和学生证信息一致。4、选中要打印的车票，点击“打印”按钮，学生票打印成功。...
2024-02-03
使用Auto-Keras进行自动化机器学习
本文概述了解标准的机器学习管道机器学习管道如何实现自动化？自动化机器学习简介用于自动机器学习的Python库auto-keras简介尾注由于srcmini, Coursera, Udacity等组织不断努力研究如何有效地, 灵活地将机器学习的知识带给普通民众, 因此机器学习并不是一个非常普遍的名词。凭借其平台的优势, 如今...
2024-01-10
破壁机一插电就自动加热，省时省力的健康饮食利器
破壁机是一种现代化的厨房电器，用于制作健康美味的食品。它的特点是一插电就自动加热，省时省力，是繁忙的现代人的理想选择。破壁机的原理是利用高速旋转的刀片将食材破碎，使其充分释放出营养成分。与传统的搅拌机不同，破壁机还具有加热功能，可以将食材加热适宜的温度，使其更易于消化吸收，同时也可以保持食材的原汁原味。破壁机的使用方法非常简单，只需将食材放入杯子中，插上电源，按下开关即可。由于刀片旋转速度非...
2024-03-15
非确定的自动机NFA确定化为DFA
摘要： 在编译系统中，词法分析阶段是整个编译系统的基础。对于单词的识别，有限自动机FA是一种十分有效的工具。有限自动机由其映射f是否为单值而分为确定的有限自动机DFA和非确定的有限自动机NFA。在非确定的有限自动机NFA中，由于某些状态的转移需从若干个可能的后续状态中进行选择，故...
2024-01-10
机器学习之支持向量机算法(二)
五、SVM求解实例 上面其实已经得出最终的表达式了，下面我们会根据一些具体的点来求解α的值。数据：3个点，其中正例 X1(3,3) ，X2(4,3) ，负例X3(1,1) 如下图所示 我们需要求解下式的极小值 注意约束条件（在这里不要忘记了yi代表的是数据的类别，+1代表正例，-1代表负例...
2024-01-10
机器学习算法的随机数据生成总结
在学习机器学习算法的过程中，我们经常需要数据来验证算法，调试参数。但是找到一组十分合适某种特定算法类型的数据样本却不那么容易。还好numpy, scikit-learn都提供了随机数据生成的功能，我们可以自己生成适合某一种模型的数据，用随机数据来做清洗，归一化，转换，然后选择模型与算法做拟...
2024-01-10
机器学习之逻辑回归：计算概率
许多问题需要将概率估算值作为输出。逻辑回归是一种极其高效的概率计算机制。实际上， 您可以通过下两种方式之一使用返回概率：“按原样”转换成二元类别。我们来了解一下如何“按原样”使用概率。假设我们创建一个逻辑回归模型来预测狗在半夜发出叫声的概率。我们将此概率称为：p ( bark |...
2024-01-10
KMP算法学习记录
KMP算法要解决的问题在暴力字符串匹配算法里匹配流程是这样：到了模式串最后一位B匹配失败之后会回退成这个样子i;j代表字符串和模式串当前的所在的位置。第一次匹配：i=5;j=5第二次匹配：i=1;j=0;匹配失败之后 i进行了回退，j也进行了回退。这个时候导致的问题就是算法时间复杂度变成了...
2024-01-10
【转】Java学习---垃圾回收算法与 JVM 垃圾回收器综述
【原文】https://www.toutiao.com/i6593931841462338062/ 垃圾回收算法与 JVM 垃圾回收器综述 我们常说的垃圾回收算法可以分为两部分：对象的查找算法与真正的回收方法。不同回收器的实现细节各有不同，但总的来说基本所有的回收器都会关注如下两个方面：找出所有的存活对象以及清理掉所有的其它对象——...
2024-01-10机器学习算法中有哪些不同的学习风格？
机器学习算法中有四种学习风格。让我们来看看它们 -监督学习监督学习是机器学习中最常用的方法之一，它在训练过程中同时获取训练数据（也称为数据样本）及其相关输出（也称为标签或响应）。监督学习方法的主要目标是学习输入训练数据与其标签之间的关联。为此，它执行多个训练数据实例。...
2024-01-10
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
机器学习之梯度下降法
假设我们有时间和计算资源来计算 w1 的所有可能值的损失.对于我们一直研究的回归问题, 所产生的损失与 w1 的图形始终是凸形.换而言之,图形始终是碗状图,如下图所示:回归问题产生的损失与权重图为凸形凸形问题只有一个最低点;即只存在一个斜率正好为 0 的位置.这个最小值就是损失函数收敛之处....
2024-01-10
