learning机器machine comp
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 ......
Machine is not on the network
在调试Android jni 的时候发现一个奇怪的问题 在连接socket的时候老是报错 m_sock = socket(AF_INET, SOCK_STREAM, 0); if(m_sock < 0) { debug(LEVEL_ERROR, "Socket create error %d\r\n ......
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 ......
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。 ......
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 ......
机器学习-线性回归-模型解析解-02
1. 解析解 解析解的公式 import numpy as np import matplotlib.pyplot as plt # 有监督机器学习 # X y X = 2 * np.random.rand(100, 1) # np.random.rand # 100行 1列的 [0, 1) 之间均 ......
个人微信号机器人开发
简要描述： 获取收藏详细信息 请求URL： http://域名地址/weChatFavorites/getFavItem 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 ......
机器学习 - 决策树：技术全解与案例实战
本文深入探讨了机器学习中的决策树算法，从基础概念到高级研究进展，再到实战案例应用，全面解析了决策树的理论及其在现实世界问题中的实际效能。通过技术细节和案例实践，揭示了决策树在提供可解释预测中的独特价值。 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产品研发经验、团队 ......
实验一：百度机器翻译SDK实验
一、实验要求 任务一：下载配置百度翻译Java相关库及环境（占10%）。 任务二：了解百度翻译相关功能并进行总结，包括文本翻译-通用版和文本翻译-词典版（占20%）。 任务三：完成百度翻译相关功能代码并测试调用，要求可以实现中文翻译成英文，英文翻译成中文（占30%）。 任务四：完成百度翻译GUI相关 ......
Adaptive Graph Contrastive Learning for Recommendation论文阅读笔记
Abstract 在实际的场景中，用户的行为数据往往是有噪声的，并且表现出偏态分布。所以需要利用自监督学习来改善用户表示。我们提出了一种新的自适应图对比学习(AdaGCL)框架，该框架使用两个自适应对比视图生成器来进行数据增强，以更好地增强CF范式。具体的说，我们使用了两个可训练的视图生成器，一个图 ......
15.Please retell the parable of The Blind men and An Elephant. What is the moral of the parable? What can we learn from the parable when it comes to critical thinking?
Round 1: Retelling the Parable and Extracting the Moral Speaker 1 (Student A): Hey everyone! So, let's dive into the parable of "The Blind Men and the ......