机器
Steam验证后提示“您对 CAPTCHA 的响应似乎无效。请在下方重新验证您不是机器人”
解决方法： 用手机l登录此网址：https://store.steamchina.com/join/?snr=1_4_4__more-content-login，进行验证即可 注意：用流量 ......
机器学习-无监督机器学习-kmeans衍生的算法-18
目录1. k-Medoids2. 二分KMEANS3. KMeans++4. elkan KMeans5. min batch KMeans算法6.小结： 1. k-Medoids 之前的kmeans算法 对于异常点数据特别敏感，更新中心点的时候，是对于该簇的所有样本点求平均，这种方式对于异常样本特 ......
机器学习-无监督机器学习-kmeans-17
目录1. 什么是聚类2. 代码实现 1. 什么是聚类 无监督机器学习的一种 输入数据只有X 没有y 将已有的数据 根据相似度 将划分到不同的簇 （花团锦簇） 步骤： 随机选择k个簇的中心点 样本根据距离中心点的距离分配到不同的簇 重新计算簇的中心点 重复 2-3直到所有样本 分配的簇不再发生改变 距 ......
用C#也能做机器学习？
前言✨ 说到机器学习，大家可能都不陌生，但是用C#来做机器学习，可能很多人还第一次听说。其实在C#中基于ML.NET也是可以做机器学习的，这种方式比较适合.NET程序员在项目中集成机器学习模型，不太适合专门学习机器学习，本文我将基于ML.NET Model Builder（低代码、入门简单）构建一个 ......
机器学习-线性分类-支持向量机SVM-合页损失-SVM输出概率值-16
目录1. SVM概率化输出2. 合页损失 1. SVM概率化输出 标准的SVM进行预测 输出的结果是： 是无法输出0-1之间的 正样本 发生的概率值 sigmoid-fitting 方法： 将标准 SVM 的输出结果进行后处理，转换成后验概率 A,B 为待拟合的参数， f 为样本 x 的无阈值输出。 ......
机器学习笔记（二）使用paddlepaddle，再探波士顿房价预测
目标 用paddlepaddle来重写之前那个手写的梯度下降方案，简化内容 流程 实际上就做了几个事： 数据准备：将一个批次的数据先转换成nparray格式，再转换成Tensor格式 前向计算：将一个批次的样本数据灌入网络中，计算出结果 计算损失函数：以前向计算的结果和真是房价作为输入，通过算是函数 ......
机器学习笔记（一）从波士顿房价预测开始，梯度下降
从波士顿房价开始 目标 其实这一章节比较简单，主要是概念，首先在波士顿房价这个问题中，我们假设了一组线性关系，也就是如图所示 我们假定结果房价和这些参数之间有线性关系，即: 然后我们假定这个函数的损失函数为均方差，即： 那么就是说，我们现在是已知y和x，来求使得这个损失函数Loss最小化的一个w和b ......
自然语言处理：通过API调用各大公司的机器翻译开放平台
国内大公司做机器翻译做的比较好的有讯飞和百度，这里给出这两个公司机器翻译的开放平台API的介绍： 讯飞开放平台： 链接：https://www.xfyun.cn/doc/nlp/xftrans_new/API.html#%E6%8E%A5%E5%8F%A3%E8%AF%B4%E6%98%8E 百度翻 ......
机器学习-线性分类-支持向量机SVM-SMO算法代码实现-15
1. alpha2 的修剪 if y1 != y2 : α1 - α2 = k # 不用算k的具体大小 if k > 0: # 上图的左 下这条线 α2 的区间 (0, c-k) k < 0 : # 上图的左 下这条线 α2 的区间 （-k, C） 所以： L = max(0, -k) # k>0 ......
机器学习中集成学习的概念及其一些典型算法
1.集成学习的概念 集成学习是一种机器学习范式，在这种范式中，多个学习者被训练和组合起来一起解决同一个问题。通过使用多个学习者，就可以把整个模型的泛化能力提高很多倍 所以说，集成学习的泛化能力比单个学习者强得多得多，所以叫：“集思广益”。 2.集成学习的具体流程 一个问题出来，数据集丢给若干模型进行 ......
python钉钉机器人运维脚本监控实例
面是关于“Python钉钉机器人运维脚本监控实例”的完整攻略: 目录 介绍 使用步骤 配置机器人 运行脚本 示例说明 监控服务器CPU使用率 监控服务器磁盘空间 总结 介绍 钉钉机器人是钉钉提供的一种形式化的通信渠道，可以通过代码来调用钉钉机器人的API，实现以机器人的形式向钉钉群组发送消息。本篇攻 ......
opencv图像处理机器学习真实项目教程(python实现)3图像处理基础
3 图像处理基础 在本章中，我们将介绍图像处理中的各种操作，首先是基于平移的操作，如旋转和调整大小。读者将学习如何使用 OpenCV 旋转和调整图像大小，以及如何控制生成图像的大小和方向。本章接着介绍了图像的算术运算，如加法、减法和除法。本章继续以图像运算为主题，介绍图像的位运算，如 AND、OR ......
用C#也能做机器学习？
前言✨ 说到机器学习，大家可能都不陌生，但是用C#来做机器学习，可能很多人还第一次听说。其实在C#中基于ML.NET也是可以做机器学习的，这种方式比较适合.NET程序员在项目中集成机器学习模型，不太适合专门学习机器学习，本文我将基于ML.NET Model Builder（低代码、入门简单）构建一个 ......
用C#也能做机器学习？
本文先是简单介绍了ML.NET与ML.NET Model Builder，其次基于ML.NET Model Builder构建了一个猫狗识别的机器学习模型实例，最后在.NET项目中集成了它。 ......
MLX vs MPS vs CUDA:苹果新机器学习框架的基准测试
如果你是一个Mac用户和一个深度学习爱好者，你可能希望在某些时候Mac可以处理一些重型模型。苹果刚刚发布了MLX，一个在苹果芯片上高效运行机器学习模型的框架。 最近在PyTorch 1.12中引入MPS后端已经是一个大胆的步骤，但随着MLX的宣布，苹果还想在开源深度学习方面有更大的发展。 在本文中， ......
opencv图像处理机器学习真实项目教程(python实现)2图像入门
本章介绍图像的基本概念和基本操作。 我们将首先提供像素等图像基础知识的清晰定义。 接下来，我们将深入讲解如何使用 OpenCV 库读取、显示和保存图像。 然后我们将继续使用 OpenCV 在图像上绘制形状的实际任务，重点是矩形、圆形和其他基本形状等主题。 主要内容： 图像和像素简介 读取、显示和写入 ......
机器学习-线性分类-支持向量机SVM-SMO算法-14
目录1. SVM算法总结2. SMO算法 1. SVM算法总结 选择 核函数 以及对应的 超参数 为什么要选择核函数？ 升维 将线性问题不可分问题 升维后转化成 线性可分的问题 核函数 有那些？ linea gauss polinormail tanh 选择惩罚项系数C min ||w||2 + C ......
【Python微信机器人】第六篇：优化使用方式，可pip安装
优化内容 这篇不聊技术点，说一下优化后的Python机器人代码怎么使用，优化内容如下： 将hook库独立成一个库，发布到pypi，可使用pip安装 将微信相关的代码发布成另一个库，也可以pip安装 git仓库统一，以后都在这个仓库更新，不再一篇文章一个仓库 开始建群，根据群里反馈增加功能和修复bug ......
机器学习算法——决策树
1.决策树算法地位 决策树属于分类问题，是有监督学习的一部分，并且属于有监督学习里的分类问题； 2.决策树的结构 顾名思义：就是一个树结构（可以是二叉树也可以非二叉树）： 树的非叶子节点表示一个特征属性上的测试； 树的每个分支代表这个特征属性在某个值域上的输出； 每个叶子节点存放的是一个类别。 3. ......
opencv图像处理机器学习真实项目教程(python实现)1计算机视觉简介
1 计算机视觉简介 欢迎来到计算机视觉的世界。 本书将带您踏上令人兴奋且快速发展的计算机视觉和图像处理世界的旅程。本书首先介绍计算机视觉和OpenCV库。 然后，我们将继续介绍本课程的基本库和所需的环境设置。 主要内容： 计算机视觉简介 计算机视觉的应用 Python OpenCV OpenCV简史 ......
突发奇想入一下机器学习的坑，STEP 1，想卒
检索机器学习入门，书籍推荐 《统计学习方法》李航 著 《机器学习》西瓜书 周志华 著 《Elements of Statistical Learning》（ESL）, 《Machine Learning:A Probabilistic Perspective》（MLAPP） 这两本书可以是被奉为机器 ......
机器学习是什么？--九五小庞
机器学习（Machine Learning, ML）是人工智能（Artificial Intelligence, AI）的一个分支，它使计算机系统能够利用数据来自动学习和改进经验而无需明确编程。机器学习主要关注开发算法，这些算法可以从数据中学习模式，并做出预测或决策。 我理解的机器学习： 机器通过训 ......
机器学习-线性分类-支持向量机SVM-软间隔-13
目录1. 总结 SVM2. 软间隔svm 1. 总结 SVM SVM算法的基础是感知器模型， 感知器模型 与 逻辑回归的不同之处？ 逻辑回归 sigmoid(θx) 映射到 0-1之间给出预测概率 感知器分类 sign(θx) 输出θx的符号， +1 或者-1 给出x是属于正样本还是负样本 直接输出 ......
OpenCV 机器视觉的四大任务
CV的四大任务 图像分类(image classification), 检查图像中是否包含某种物体, 或者包含哪些物体. 目标检测(Object detection 或 Object localization), 确定目标的位置和类别, 用bounding box圈出具体的位置 语义分割 (sema ......
波士顿机器人拿枪射击是真是假？视频是如何拍摄制作的？其实是有真人录制，然后通过后期特效制作而成
具体内容： https://www.freedidi.com/11122.html 视频制作过程的视频： https://youtu.be/zIdqiwHsuI8 ......
大语言模型与传统机器学习的架构差异性解析
在人工智能领域，架构设计是决定一个模型性能和应用范围的关键因素。大语言模型和传统机器学习有不同的设计框架，使得它们在应用场景和处理任务上具有显著差异。大语言模型，如GPT和BERT，基于庞大而复杂的神经网络结构构成，这些神经网络结构拥有数百万甚至数十亿的参数，能够学习和理解大量的数据，尤其是在处理自 ......
机器学习项目精选 第一期：超完整数据科学资料合集
大噶吼，不说废话，分享一波我最近看过并觉得非常硬核的资源，包括Python、机器学习、深度学习、大模型等等。 1、超完整数据科学资料合集 地址：https://github.com/krishnaik06/The-Grand-Complete-Data-Science-Materials Pytho ......
【机器学习】OpenCV人脸识别
OpenCv 基础函数 # 读取图片 image = cv2.imread("test01.jpg") # 转灰度 gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY) # 修改尺寸 resize_image = cv2.resize(image, ......
神经网络优化篇：机器学习基础（Basic Recipe for Machine Learning）
机器学习基础 下图就是在训练神经网络用到的基本方法：（尝试这些方法，可能有用，可能没用） 这是在训练神经网络时用到地基本方法，初始模型训练完成后，首先要知道算法的偏差高不高，如果偏差较高，试着评估训练集或训练数据的性能。如果偏差的确很高，甚至无法拟合训练集，那么要做的就是选择一个新的网络，比如含有更 ......