learning机器machine comp
机器学习-逻辑回归：从技术原理到案例实战
在本篇文章中，我们对逻辑回归这一经典的机器学习算法进行了全面而深入的探讨。从基础概念、数学原理，到使用Python和PyTorch进行的实战应用，本文旨在从多个角度展示逻辑回归的内在机制和实用性。 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、团队管理经 ......
【scikit-learn基础】--『数据加载』之真实数据集
上一篇介绍了scikit-learn中的几个玩具数据集，本篇介绍scikit-learn提供的一些真实的数据集。玩具数据集：scikit-learn 基础(01)--『数据加载』之玩具数据集 1. 获取数据集 与玩具数据集不同，真实的数据集的数据不仅数据特征多，而且数据量也比较大，所以没有直接包含在 ......
抖音自动点赞评论刷视频机器人
影刀直接获取我的应用，进行测试 https://api.winrobot360.com/redirect/robot/share?inviteKey=9cd173e2024d2440 按照以下流程执行 打开Edge浏览器，打开www.douyin.com 键盘输入 x，打开评论 无限循环 等待元素 ......
[机器学习复习笔记] KNN（k近邻）
KNN 1. KNN 算法 （\(k\) 近邻） \(k\) 近邻学习 (\(\text{k-nearest} \; \text{neighbor}, \; k\text{-NN}\)) 是一种常用的监督学习方法，思路非常简单：给定一个样本数据集，对于每个输入的测试样本，在训练集中找到与该测试样本 ......
机器学习中的深度学习的概念及激活函数、梯度爆炸和梯度消失的总结归纳
1.何为深度学习 在当今时代，机器学习不断深入，很多领域被研究，深度学习是目前最为热门之一的领域， 它被引入机器学习使其更接近于最初的目标——人工智能。 深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。 2.深度学习的目标 让机器能 ......
超低功耗/省电LCD液晶显示段码驱动芯片VKL128/VKL060/VKL144A/B适用于扫地机器人/燃气表/压力表/传感器
产品型号：VKL060 产品品牌：永嘉微电/VINKA 封装形式：SSOP24 产品年份：新年份 原厂直销，工程服务，技术支持，价格最具优势！ VKL060概述: VKL060是一个点阵式存储映射的LCD驱动器，可支持最大60点（15SEGx4COM）的LCD屏。单片机可通过I2C接口配置显示参数和 ......
机器学习-学习率：从理论到实战，探索学习率的调整策略
本文全面深入地探讨了机器学习和深度学习中的学习率概念，以及其在模型训练和优化中的关键作用。文章从学习率的基础理论出发，详细介绍了多种高级调整策略，并通过Python和PyTorch代码示例提供了实战经验。 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 ......
Online Learning
Online Learning 1.网上学习比较普遍 2. 产生这种现象的原因 3. 这种现象可能带来的影响 参考范文： Online Learning Perhaps there is something you don't know how to doTTn the past, you migh ......
[机器学习复习笔记] SVM 支持向量机
SVM 支持向量机 1. SVM 基本模型 1.1 线性可分问题 给定一个训练样本集 \(D = \{(x_1, y_1), (x_2, y_2), ... , (x_n, y_n)\}, \; y_i \in \{-1, +1\}\)。假设两个点集 \(D_0\) 和 \(D_1\)，且 \(D_ ......
2023ICCV_FSI Frequency and Spatial Interactive Learning for Image Restoration in Under-Display Cameras
三. Network 1. 2. FLB： 没看懂是怎么分离的水平和竖直方向 3. SLB：每一层保留一半的通道特征用于细化，其余的在特征重构后输出（没看懂）。 Multi-distillation Network 超分辨网络的Multi-distillation Network(2019ACMMM ......
机器学习--决策树（信息熵，信息增益，信息增益率，基尼值，基尼指数）
决策树是根据条件分支语句if-else产生的，决策树是一种树形结构，每一个内部节点表示是一个属性上的判断，每一个分支表示判断结果的输出，每一个叶子节点表示分类结果，本质上就是多个判断节点的树。 在使用决策树的时候会提到熵的概念 熵：熵表示混乱程度，越混乱熵值越大，越有序熵值越小，在信息论里，有着信息 ......
[论文速览] Randomized Quantization@ A Generic Augmentation for Data Agnostic Self-supervised Learning
Pre title: Randomized Quantization: A Generic Augmentation for Data Agnostic Self-supervised Learning accepted: ICCV 2023 paper: https://arxiv.org/abs ......
机器视觉中的图像增强与对比度调整技术
在机器视觉中，图像增强与对比度调整技术是常用的方法，旨在改善图像的质量和视觉效果，或将图像转换成更适合人眼观察或机器分析识别的形式。 图像增强技术可以针对给定图像的应用场合，有目的地强调图像的整体或局部特性，将原来不清晰的图像变得清晰或强调某些感兴趣的特征。例如，可以扩大图像中不同物体特征之间的差别 ......
机器学习-ROC曲线：技术解析与实战应用
本文全面探讨了ROC曲线（Receiver Operating Characteristic Curve）的重要性和应用，从其历史背景、数学基础到Python实现以及关键评价指标。文章旨在提供一个深刻而全面的视角，以帮助您更好地理解和应用ROC曲线在模型评估中的作用。 关注TechLead，分享AI ......
【scikit-learn基础】--『数据加载』之玩具数据集
机器学习的第一步是准备数据，好的数据能帮助我们加深对机器学习算法的理解。 不管是在学习还是实际工作中，准备数据永远是一个枯燥乏味的步骤。scikit-learn库显然看到了这个痛点，才在它的数据加载子模块中为我们准备了直接可用的数据集。 在它的数据加载子模块中，提供了6种直接可用来学习算法的经典数据 ......
局网机器连虚拟机
主要使用端口映射，编辑-》虚拟网络编辑器-》选择对应的网络（VMnet8）-》NAT设置...->添加端口转发 参考：访问局域网中的虚拟机（详细教程！）_局域网访问pd虚拟机-CSDN博客 ......
The importance of learning basic skills
参考范文1 The Importance of Reading Literature Literature is acknowledged as the most precious product of human civilization and wisdom, especially by our ......
Generative-Contrastive Graph Learning for Recommendation论文阅读笔记
Abstract 首先介绍了一下GCL的一些缺点，GCL是通过数据增强来构造对比视图，然后通过最大化对比视图之间的互信息来提供自监督信号。但是目前的数据增强技术都有着一定的缺点 结构增强随机退出节点或边，容易破坏用户项目的内在本质 特征增强对每个节点施加相同的尺度噪声增强，忽略的节点的独特特征 所以 ......
Java Learning Day4 面向对象基础
初始化顺序：默认初始化 显示初始化 构造器初始化（单参先执行） 有内部类加载的话，在显式赋值之后，就进行新的加载 Static 静态变量：静态成员变量属于类的，完全不需要创建对象使用。 private：同类中 缺省：同一包中 protected：不同包子类 public：不同包 只有成员变量可以用权 ......
克莱·汤普森的合同， 你再也不是那个hero. learning area 和 performance area
从23年6月就开始了拉锯谈判，要价格5年2.3亿，4年2亿，到4年1.6亿，勇士一直报价4年1亿到1.2亿，到了11月底的第七次谈判，勇士只报价4年5500万。结合了克莱在23-24新赛季的表现，这价格可以说是没有溢价了，这合同谈判有些期权的影子，合同是买未来的performance，时间价值的溢价 ......
实验一：百度机器翻译SDK实验--代码及遇到的问题
首先这是代码：具体的操作步骤下面一篇 窗口的： package baidu; import javax.swing.JButton; import javax.swing.JFrame; import javax.swing.JLabel; import javax.swing.JPanel; pu ......
机器学习----逻辑回归
Logistic Regression 虽然被称为回归，但其实际上是分类模型，并常用于二分类。例如肿瘤预测等是与否分类的问题 Logistic 分布是一种连续型的概率分布，其分布函数和密度函数分别为： 决策边界可以表示为 假设某个样本点那么可以判断它的类别为 1， from sklearn.dat ......
AI中的过拟合和欠拟合问题以及他们的对机器学习的影响（个人感悟总结）
1.机器学习中训练出的模型利用的数据 我们知道训练出一个模型的过程都是通过学习数据不断完善的过程的，那这些数据是什么呢？ 数据集！（就是数据的集合） 数据集又分为三种（其实是两种，有一种是在其中一种里面继续分的） 通常分为训练集和测试集两部分。 训练集 通常用来训练模型，模型主要通过学习这些数据来完 ......
机器学习在缺陷检测中的实际效果与应用案例
机器学习在缺陷检测中的实际效果与应用案例 机器学习在缺陷检测中的应用已经变得非常广泛，并且在许多行业中都得到了实践验证。通过使用机器学习算法，我们能够训练模型来自动检测产品或过程中的缺陷，从而提高生产效率，降低人工检测成本，并且改进产品质量。 实际效果： 提高检测精度：机器学习算法可以经过训练，以识 ......
【scikit-learn基础】--概述
Scikit-learn是一个基于Python的开源机器学习库，它提供了大量的机器学习算法和工具，方便用户进行数据挖掘、分析和预测。 Scikit-learn是基于另外两个知名的库 Scipy 和 Numpy的，关于 Scipy 和 Numpy 等库，之前的系列文章中有介绍： Scipy 基础系列 ......
FB账号运营机器人
探索FB账号运营机器人的未来 随着社交媒体在人们生活中的日益重要地位，许多企业和个人都开始利用Facebook（以下简称FB）等平台来推广品牌、服务和观点。然而，随着用户数量的增加和内容的爆炸式增长，如何有效地管理和运营一个FB账号变得愈发具有挑战性。在这一背景下，FB账号运营机器人作为一种新型的自 ......
python开发之个微机器人的二次开发
简要描述： 登录E云平台 请求URL： http://域名地址/member/login 域名地址+开发者账号密码:后台系统自助开通 请求方式： POST 请求头Headers： Content-Type：application/json 参数： 参数名必选类型说明 account 是 string ......
高版本gcc编译出的程序在低版本glibc机器上运行
比如我们用gcc 9.3.0编译程序，但需要发布的机器gcc版本是4.8.5，怎么办？ 你可能想到如下方法 静态编译 容器发布 打包依赖的so，使用本地so运行程序 1.静态编译 将libc和libstdc++静态编译，编译时带上如下参数。 g++ -static-libgcc -static-li ......
解锁机器学习-梯度下降：从技术到实战的全面指南
本文全面深入地探讨了梯度下降及其变体——批量梯度下降、随机梯度下降和小批量梯度下降的原理和应用。通过数学表达式和基于PyTorch的代码示例，本文旨在为读者提供一种直观且实用的视角，以理解这些优化算法的工作原理和应用场景。 关注TechLead，分享AI全维度知识。作者拥有10+年互联网服务架构、A ......