房价 机器
机器学习算法原理实现——kmeans聚类算法
kmeans算法原理和步骤 K-means是一种常用的聚类方法，它将数据划分为K个相似的簇，其中每个簇的中心为该簇内所有数据点的均值。以下是K-means的基本原理和步骤： 原理： K-means基于一个简单的想法：相似的数据点应该在空间中彼此靠近，并且可以通过计算每个点到各个簇中心的距离来找到这些 ......
机器学习算法原理实现——神经网络反向传播，链式求导核心
记得先看之前的梯度下降文章！ 链式求导的核心来了，就高中数学知识： 代码实现： import numpy as np import matplotlib.pyplot as plt # Sigmoid 激活函数及其导数 def sigmoid(z): return 1 / (1 + np.exp(- ......
【单片机】第一周作业：机器码
单片机作业 第一周作业：机器码 Write By MengLang Studio | 萌狼工作室 | 哔哩哔哩：萌狼蓝天 学习编程有问题？上萌狼工作室交流社区！ 一、选择题 (单选题, 5分) 机器数是将符号数字化的数，是数字在计算机中的（ 二进制 ）表示形式。 (单选题, 5分) 机器数的特点是符 ......
机器学习算法原理实现——cart决策树
cart决策树示例： 本文目标，仿照sklearn写一个cart树，但是仅仅使用max_depth作为剪枝依据。 我们本次实现cart分类，因此用到gini指数： 为了帮助理解： 好了，理解了基尼指数。我们看下cart树的构建步骤： 注意还有几个细节： cart树每个treenode存储了哪些数据？ ......
机器学习算法原理实现——决策树里根据信息增益选择特征
先说熵的定义： 再看信息增益 信息增益是一种用于特征选择的指标，用于衡量特征对于数据集分类的贡献程度。它基于信息熵的概念，通过比较特征划分前后的信息熵差异来评估特征的重要性。信息熵是衡量数据集纯度的指标，表示数据集中的不确定性或混乱程度。信息熵越高，数据集的不确定性越大。 上述例子计算错误，gpt识 ......
机器学习算法原理实现——k近邻算法 KNN
K近邻算法是一种基于距离度量的数据分类模型，其基本做法是首先确定输入实例的[插图]个最近邻实例，然后利用这[插图]个训练实例的多数所属的类别来预测新的输入实例所属类别。 k最近邻（k-nearest neighbors，KNN）算法是一种基本的分类和回归算法。其基本原理如下：1. 训练阶段：将训练样 ......
python开发之个人微信机器人的二次开发
简要描述： 添加标签 请求URL： http://域名地址/addContactLabel 请求方式： POST 请求头Headers： Content-Type：application/json Authorization：login接口返回 参数： 参数名必选类型说明 wId 是 String ......
机器学习算法原理实现——线性判别分析LDA
介绍 线性判别分析（Linear Discriminant Analysis, LDA）是一种有监督式的数据降维方法，是在机器学习和数据挖掘中一种广泛使用的经典算法。LDA的希望将带上标签的数据（点），通过投影的方法，投影到维度更低的空间中，使得投影后的点，按类别区分成一簇一簇的情况，并且相同类别的 ......
【笔记】机器学习基础 - Ch6. Kernel Methods
6.1 Introduction 继续从二分类模型出发，实际情况中样本通常不是线性可分的 一种思路是增大特征空间的维度，也就是加入原本特征的组合，即一个从 \(\cal X\) 到更高维 \(\mathbb{H}\) 的非线性映射 \(\Phi:\cal X\to \mathbb{H}\)，从而在 ......
机器学习日志 新闻标题分类
根据标题内容，分类有 财经、彩票、房产、股票、家居、教育、科技、社会、时尚、时政、体育、星座、游戏、娱乐 ```python #导入必要的包 import random import jieba # 处理中文 from sklearn import model_selection from skle ......
机器学习之分类
分类任务和回归任务的不同之处在于，分类任务需要做出离散的预测。对于多分类任务的神经网络模型，其输出目标通常会用**one-hot**编码来表示，在输出层中使用**softmax**函数，同时使用分类交叉熵损失函数进行训练。在本博客中，我们将使用**TensorFlow**的底层API实现一个基于全连 ......
机器学习算法原理实现——使用梯度下降求解Lasso回归和岭回归
本文本质上是在线性回归的基础上进行扩展，加入了正则化而已！ 机器学习算法原理实现——使用梯度下降求解线性回归 正则化在机器学习中是一种防止过拟合的技术，它通过在损失函数中添加一个惩罚项来限制模型的复杂度。举一个实际的例子，假设你正在训练一个机器学习模型来预测房价。你有很多特征，如房间数量、地理位置、 ......
智能问答系统机器人-知识库搭建使用步骤
我们都使用过ChatGPT，也能感受得到他的大模型能力。但是，它并不能知道我们企业或个人的私有知识信息。现在，智能客服系统已经搭配了智能知识库AI，基于ChatGPT和私有数据构建智能知识库，智能辅助客服回复用户消息。可以做到全自动回复，或者辅助客服人工回复。 现在网站注册账号：https://go ......
机器学习算法原理实现——使用交叉熵、梯度下降求解逻辑回归
交叉熵的定义以及和熵的区别？ 交叉熵是衡量两个概率分布之间的差异的一个度量。在机器学习和深度学习中，尤其是分类问题，交叉熵常被用作损失函数。交叉熵度量的是实际分布（标签）与模型预测之间的不一致程度。 这个值越小，模型的预测与真实分布越接近。完美的预测会有交叉熵为0，这是因为模型的预测概率分布与真实概 ......
GenICam - 工业相机机器视觉标准
GenICam GenICam标准由欧洲机器视觉协会(EMVA)主持制定。GenICam(相机通用接口)的目标是为各种设备(主要是相机)提供一个通用的编程接口，无论他们使用什么接口技术(GigE Vision, USB3 Vision, CoaXPress, Camera Link HS, Came ......
全面总结机器学习超参数调优（附代码）
大家好，我是Zhemg Lee ~ 转自：公众号：尤而小屋 ：https://mp.weixin.qq.com/s/OXBg_kpxpTirfqH1YH3shg ## 本文的主题：机器学习建模的超参数调优。开局一张图：  b = np.array([4, 5, 6]) # 使用numpy.c_将它们连接在一起 """ numpy.c_ 是一个方便的工具，用于沿第二轴连接数组。 它将数组转换为至少2-D，并将它们 ......
机器学习 -> Machine Learning (III)
> 来做一些入门题吧. 以下大多是 kaggle 环境. **Q1 Titanic** https://www.kaggle.com/competitions/titanic import ``` # This Python 3 environment comes with many helpful ......
基于机器视觉的小车轨迹控制软件界面展示
**项目概述：** 硬件：USB摄像头、51单片机、L298N驱动、ESP2866-WiFi模块、移动电源  软件： ......
科普：人工智能与机器学习的关系
大家好，我是炼数之道，一个在人工智能之路上学习和摸索的算法工程师。今天的文章在前期推文的基础上，继续用通俗的话来介绍人工智能领域的基本概念。 前期文章回顾：《科普：什么是机器学习》、《科普：什么是深度学习？什么是人工智能？》 那么，人工智能和机器学习之间的关系是什么呢？下图很好地解释了人工智能、机器 ......
使用 TensorFlow 进行机器学习
使用 TensorFlow 进行机器学习 这是使用 TensorFlow 进行机器学习的官方代码存储库。 使用 TensorFlow（Google 最新、最好的机器学习库）开始进行机器学习。 概括 第 2 章- TensorFlow 基础知识 概念 1：定义张量 概念 2：评估操作 概念 3：互动会 ......
这个 AI 机器人会怼人，它是怎么做到的？
近期，机器人“Ameca”接入了 Stable Diffusion，它一边与旁边的人类工程师谈笑风生，一边熟练地用马克笔在白板上画出一只简笔的猫，最后还在白板右下角签名。 ![](https://img2023.cnblogs.com/blog/585973/202309/585973-202309 ......