机器recognition learning教材
网络IO 实战篇 ：电商系统：重大事故！IO问题引发线上几十台机器同时崩溃
几年前的一个下午，公司里码农们正在安静地敲着代码，突然很多人的手机同时“哔哔”地响了起来。本来以为发工资了，都挺高兴！打开一看，原来是告警短信 故障回顾 告警提示“线程数过多，超出阈值”，“CPU空闲率太低”。打开监控系统一看，订单服务所有20个服务节点都不行了，服务没响应。 每个springboo ......
Q-learning与Sarsa算法辨析
这个是Q-learing的一个算法，根据代码，它就是，先设定训练100次，然后，给它一个随机的状态，这里我们假设状态6就是终点，那么走迷宫的时候，如果没走到6，就要一直走下去，，所以里面还要用到一个while循环，然后在每个状态的时候，找一个非负的动作，存储在数组里，（算是合理动作的集合吧），下一个 ......
机器学习中的算法——K最邻近算法(KNN)
1.KNN算法的定位 KNN算法属于分类算法，所以它是有监督学习里面的一部分，且属于有监督学习里的分类问题 KNN的计算量很大 KNN理论上比较成熟且算法简单易懂，易实现 2.KNN算法的核心 简单地说 “近朱者赤，近墨者黑” 进行分类的时候，即将被分类的这个样本的附近（特征空间中最邻近）离它最近的 ......
机器学习-线性回归-逻辑回归-实战-09
1. 二分类 #!/usr/bin/env python # coding: utf-8 # In[7]: import numpy as np from sklearn import datasets from sklearn.linear_model import LogisticRegress ......
机器学习-线性回归-softmax回归 做多分类-10
1. softmax回归 伯努利分布（0-1分布 二分类），我们采用Logistic回归（用sigmoid函数映射到 0-1之间 输出预测概率）建模。 那么我们应该如何处理多分类问题？（比如要进行邮件分类；预测病情属于哪一类等等）。对于这种多项式分布我们使用softmax回归建模。 什么是多项分布？ ......
机器学习-线性回归-逻辑回归-08
目录1. sigmoid函数2. 伯努利分布（0-1分布）3. 广义线性回归4. 逻辑回归 损失函数的推导5. 代码并绘图 1. sigmoid函数 逻辑回归 logitstic regression 本质是二分类 sigmoid函数 是将 （-无穷， +无穷）区间上的y 映射到 （0， 1） 之间 ......
机器学习ml.net例子笔记1
详细内容参考： ml.net例子笔记1 (yuque.com) https://www.yuque.com/wushifengcn/kb/yb6xa6d01zr3tdit 如下是大纲 1 ml.net例子概要 二元分类 多类分类 建议 回归 时间序列预测 异常情况检测 聚类分析 排名 计算机视觉 跨 ......
pyhotn3.8 apt机器基础镜像构建
FROM python:3.8.10-slim RUN sed -i 's/deb.debian.org/mirrors.tuna.tsinghua.edu.cn/g' /etc/apt/sources.list && \ apt-get update && \ apt-get install -y ......
机器学习的里程碑：从基础理论到大语言模型的进步
在人工智能的迅猛发展中，大语言模型和传统机器学习是不同发展阶段下的产物。大语言模型，如广为人知的GPT系列和BERT，主要依赖于复杂的神经网络结构，它们能够处理和生成人类语言，为自然语言处理带来了革命性的变化。这些模型的发展标志着从简单的任务特定模型向更通用、更灵活的解决方案的转变。相比之下，传统机 ......
《Progressive Learning of Category-Consistent Multi-Granularity Features for Fine-Grained Visual Classification》阅读笔记
论文标题 《Progressive Learning of Category-Consistent Multi-Granularity Features for Fine-Grained Visual Classification》 细粒度视觉分类中类别一致多粒度特征的渐进学习 作者 Ruoyi D ......
【scikit-learn基础】--『预处理』之 数据缩放
数据的预处理是数据分析，或者机器学习训练前的重要步骤。通过数据预处理，可以 提高数据质量，处理数据的缺失值、异常值和重复值等问题，增加数据的准确性和可靠性 整合不同数据，数据的来源和结构可能多种多样，分析和训练前要整合成一个数据集 提高数据性能，对数据的值进行变换，规约等（比如无量纲化），让算法更加 ......
机器学习中的算法——支持向量机（SVM)
1.SVM的核心要素 支持向量机是一种二分类模型，他基本模型是定义在特征空间上的间隔最大的线性分类器。 通俗的说很类似于上次讲的那个回归的分类，其实从平面上看也是找一条直线来分割，分割的两边就是分类的结果，只不过这次的分类是找到一条线使得它能够对两旁的点距离最远。 也就是说，离直线最近的点要尽可能远 ......
5G边缘网关如何助力打造隧道巡检机器人
针对隧道渗漏水、冻害、事故监测预警等关键需求，可以借助5G边缘网关打造隧道巡检机器人应用，融合5G技术、人工智能技术、边缘计算技术等，实现智能、高效、精细的隧道监测与管护。 ......
【机器学习】算法作用与依赖库合集
算法与库 1. 决策树： - 库： from sklearn.tree import DecisionTreeClassifier（分类树） from sklearn.tree import DecisionTreeRegressor（回归树） - 计算场景：分类和回归问题 2. 逻辑回归： - 库 ......
【Python】人工智能-机器学习——不调库手撕深度网络分类问题
怎么用python手撕一个深度神经网络来解决分类问题？要求不调用其他核心库如tf，sk等，只用numpy、pandas库？这篇文章会告诉你答案！！ ......
【Python】人工智能-机器学习——不调库手撕贝叶斯分类问题
1. 作业内容描述 1.1 背景 数据集大小150 该数据有4个属性，分别如下 Sepal.Length：花萼长度(cm) Sepal.Width：花萼宽度单位(cm) Petal.Length：花瓣长度(cm) Petal.Width：花瓣宽度(cm) category：类别（Iris Setos ......
机器学习-线性回归-多项式升维-07
目录1. 为什么要升维2 代码实现3, 总结 1. 为什么要升维 升维的目的是为了去解决欠拟合的问题的，也就是为了提高模型的准确率为目的的，因为当维度不够时，说白了就是对于预测结果考虑的因素少的话，肯定不能准确的计算出模型。 在做升维的时候，最常见的手段就是将已知维度进行相乘来构建新的维度，如下图所 ......
马斯克回应聊天机器人 Grok 抄 ChatGPT 作业；Figma 推出宏编程键盘丨 RTE 开发者日报 Vol.105
开发者朋友们大家好： 这里是「 RTE 开发者日报 」，每天和大家一起看新闻、聊八卦。我们的社区编辑团队会整理分享 RTE （Real Time Engagement） 领域内「有话题的 新闻 」、「有态度的 观点 」、「有意思的 数据 」、「有思考的 文章 」、「有看点的 会议 」，但内容仅代表编 ......
机器人行业数据闭环实践：从对象存储到 JuiceFS
JuiceFS 社区聚集了来自各行各业的前沿科技用户。本次分享的案例来源于刻行，一家商用服务机器人领域科技企业。 商用服务机器人指的是我们日常生活中常见的清洁机器人、送餐机器人、仓库机器人等。刻行采用 JuiceFS 来弥补对象存储性能不足等问题。 值得一提的是，前不久社区版 v1.1 中发布的“克 ......
【scikit-learn基础】--『预处理』之 标准化
数据的预处理是数据分析，或者机器学习训练前的重要步骤。通过数据预处理，可以 提高数据质量，处理数据的缺失值、异常值和重复值等问题，增加数据的准确性和可靠性 整合不同数据，数据的来源和结构可能多种多样，分析和训练前要整合成一个数据集 提高数据性能，对数据的值进行变换，规约等（比如无量纲化），让算法更加 ......
国家中小学智慧教育平台教材PDF下载爬虫
一、确定目标网站 二、目标数据分析 2.1 查看目标数据 点击教材后，发现需要登录，如下图。 注册登录后查看，同时打开DevTools记录数据包，发现教材PDF下载链接，但无法直接下载，如下图。 网上搜索相关话题后发现可通过更改URL绕过该限制，经测试可行，如下图。 2.2 爬取思路 既然找到了实际 ......
机器学习-搜索技术：从技术发展到应用实战的全面指南
在本文中，我们全面探讨了人工智能中搜索技术的发展，从基础算法如DFS和BFS，到高级搜索技术如CSP和优化问题的解决方案，进而探索了机器学习与搜索的融合，最后展望了未来的趋势和挑战，提供了对AI搜索技术深刻的理解和展望。 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、AI ......
机器学习-线性回归-损失函数+正则化regularization-06
目录1. 为什么要加上正则项2 L1稀疏 L2平滑3. 代码1--L2正则4 代码2--L2正则25. 代码3--l1正则 1. 为什么要加上正则项 防止模型的过拟合 需要在损失函数LOSS(MSE或者交叉熵)再加上正则项 常用的惩罚项有L1正则项或者L2正则项 其实L1和L2正则的公式数学里面的意 ......
机器学习中的算法——逻辑回归
1.逻辑回归的定位 机器学习分有监督和无监督以及半监督学习三种， 其中有监督学习主要分为分类问题和回归问题； 无监督主要是聚类的算法 其中逻辑回归是属于分类问题 跟上次讲的线性回归有不同，从字面上确实容易混淆 2.逻辑回归的概念 逻辑回归是在线性回归的基础上加上一个非线性的因素（sigmoid函数） ......
基于5G智能网关的河道清洁机器人应用
搭载5G智能网关的河道清洁机器人，可以代替人工执行河道清理和水质监测等任务，可适用于公园景观溪流、城市运河、池塘和水库等多种场景。 ......
【论文阅读笔记】【OCR-文本识别】 SEED: Semantics Enhanced Encoder-Decoder Framework for Scene Text Recognition
SEED CVPR 2020 读论文思考的问题 论文试图解决什么问题？写作背景是什么？ 问题： 如何利用全局的语义信息提高文本识别模型对低质量文本的鲁棒性和识别效果？ 背景： 以往的基于 encoder-decoder 的文本识别方法通常基于局部的视觉特征解码出文本，忽略了对单词显式的全局语义信息的 ......
基于机器学习的时间序列温度预测
本次研究是使用GRU模型和GRU-Attention模型对长时间序列温度数据进行预测拟合，对于这两个模型有兴趣的可以去网上了解一下， 首先是日数据预测，由于日数据存在缺失值需要对缺失值进行填补， 在对存在缺失值的数据中我使用三次样方插值对数据进行处理，其代码如下： import pandas as ......
机器学习-线性回归-样本归一化处理-05
目录1. 为什么要对样本进行 归一化2. 归一化的方式一 最大最小值3. 归一化的方式二 标准归一化 1. 为什么要对样本进行 归一化 样本之间的数量级是千差万别 有量纲的 例如： theta1 >> theta2 数值小的 theta2 反而能快速的 收敛 数值大的 theta1 收敛较慢 出现 ......
机器学习-线性回归-小批量-梯度下降法-04
1. 随机梯度下降法 梯度计算的时候 随机抽取一条 import numpy as np X = 2 * np.random.rand(100, 1) y = 4 + 3 * X + np.random.randn(100, 1) X_b = np.c_[np.ones((100, 1)), X] ......
机器学习-线性回归-梯度下降法-03
1. 梯度下降法 梯度： 是一个theta 与 一条样本x 组成的 映射公式 可以看出梯度的计算量主要来自于 左边部分 所有样本参与 -- 批量梯度下降法 随机抽取一条样本参与 -- 随机梯度下降法 一小部分样本参与 -- 小批量 梯度下降法 2. epoch 与 batch epoch：一次迭代 ......