机器学习

83 引用 • 37 回帖 • 717 浏览

参与讨论

关注

关注分享

机器学习（Machine Learning）是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。

人工智能

人工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门技术科学。
135 引用 • 190 回帖 • 1 关注
方法论

4 引用 • 1 回帖
样本

4 引用 • 4 回帖
数据挖掘

17 引用 • 32 回帖 • 3 关注
算法

428 引用 • 254 回帖 • 24 关注
矩池云

21 引用 • 2 回帖
学习

“梦想从学习开始，事业从实践起步” —— 习近平
171 引用 • 512 回帖

默认热议好评优选最近回帖关注者查看所有标签

粒度是关键: 对神经机器翻译应用差分隐私的调查研究
在应用差分隐私(DP)保护个人数据时,选择合适的粒度至关重要。本文针对神经机器翻译(NMT)任务,深入研究了句子级和文档级两种粒度应用 DP 的效果,揭示了选择适当隐私粒度的重要性。研究背景与动机近年来,随着对个人隐私和数据泄露风险的日益关注,差分隐私在 NLP 领域的应用越来越广泛。然而,如何选择合适的隐私单元( ..

6 4 个月前
小样本学习 · Few-shot Learning，FSL
待完成的视频：论文解读合集：【CVPR 2021】小样本学习论文解读 | Few-Shot Classification with Feature Map..._哔哩哔哩_bilibili 王树森：Few-Shot Learning (1/3): 基本概念 (youtube.com) 概述描述 FSL 旨在解决在训 ..

19 4 个月前
机器学习 -KNN 算法原理 && Spark 实现
机器学习-KNN 算法原理 && Spark 实现不懂算法的数据开发者不是一个好的算法工程师，还记得研究生时候，导师讲过的一些数据挖掘算法，颇有兴趣，但是无奈工作后接触少了，数据工程师的鄙视链，模型 > 实时 > 离线数仓 >ETL 工程师 >BI 工程师（不喜勿喷哈），现在做 ..

55 1 年前
机器学习算法之 KMeans 聚类算法
一、K-Means 聚类算法原理 1. 算法思想物以类聚，人以群分。 K-Means：一种常见的无监督学习算法，名字叫做 K 均值算法。是否为监督学习：只需要看输入的数据是否有标签。 K-Means 聚类算法是一种迭代求解的聚类分析算法。算法思想是：我们需要随机选择 K 个对象作为初始的聚类中心，然后计算每个对 ..

64 2 年前
矩池云上安装 NVCaffe 教程
[图片] 使用的是 P100，cuda11.1base 镜像创建虚拟环境 conda create -n py36 python=3.6 conda deactivate conda activate py36 安装依赖包 apt update apt-get install libopencv-dev libope ..

88 3 年前
矩池云上 nvidia opencl 安装及测试教程
[图片] 本教程租用的是 2080ti，3.7 多框架镜像。添加 nvidia-cuda 的阿里源 [图片] curl -fsSL https://mirrors.aliyun.com/nvidia-cuda/ubuntu1804/x86_64/7fa2af80.pub | apt-key add - echo 'd ..

163 3 年前
机器学习基础算法原理
很早以前写的，担心以后会丢失，故在此备份。字不好请见谅。一、模型评估和选择这一章主要是讲对于数据的操作，应当如何增加数据来进行评估，以及评估方法如 macro/micro F1 score、ROC、AUC 等。 [图片] [图片] 二、线性模型基础线性回归的算法，进阶有如拉格朗日插值法、牛顿插值法、勒让德多项式、 ..

69 3 年前
数据分析转岗 AI 薪资翻 3 倍多 | 机器学习面试都问些什么？
添加微信：julyedukefu14，回复【11】领取最新升级版【名企 AI 面试 100 题】 1、请详细说说支持向量机（support vector machine，SVM）的原理支持向量机，因其英文名为 support vector machine，故一般简称 SVM，通俗来讲，它是一种二类分类模型，其基本模型 ..

123 3 年前
AI 学习路线
一、基础知识 [图片] 数学数学基础：高等数学、线性代数、概率论与数理统计对于算法本身而言，额外需要数值分析等相关课程，学过更佳，不想学可以边看边查也可以。编程 python 推荐 IDE：pycharm、jupyter pycharm 适合看源码、debug，大型项目推荐 jupyter 适合可视化，代码分块执 ..

260 3 年前
K 近邻算法 (KNN)
K近邻算法（KNN，K-NearestNeighbor）是一种十分简单的分类方法，也是“懒惰学习”的代表。 KNN 没有训练阶段，或者说训练成本为 0。KNN 只需要将已知的样本拿过来与需要测试的样本做一个简单的比较就能将未分类的样本分类。 KNN 的算法流程也十分简单，大致的思路就是，计算待测点与已知点的距离，选取与 ..

100 3 年前
支持向量机 (SVM)，序列最小优化算法 (SMO)
支持向量机(Support Vector Machine)由V.N. Vapnik，A.Y. Chervonenkis，C. Cortes 等在1964年提出。序列最小优化算法（Sequential minimal optimization）是一种用于解决支持向量机训练过程中所产生优化问题的算法。由John C. Pl ..

123 3 年前
deeplab v3+ 在 pascal_voc 2012 数据集上进行训练
[图片] 概述前边我曾经写了一篇名为《语义分割之 deeplab v3+ 》的文章，在那篇文章中我主要讲了 deeplab v3+ 的原理--当然主要也就是论文上边的内容。因此在开始阅读本篇文章之前，建议首先阅读一下上边那篇文章。本文我主要讲环境搭建以及 pascal_voc_2012 的训练以及可视化相关的内容。 ..

307 4 年前
语义分割之 deeplab v3+
[图片] 概述 deeplab v3+ 是 deeplab 系列中最新内容，也是当前最流行的语义分割算法，本篇文章主要记录的是个人在学习 deeplab v3+ 过程中的一些收获以及个人对该算法的理解。首先我们先简单回顾下 deeplap v3 相关的创新点以及不足。在上一讲的时候我们讲到 v3 相比 v2 创新点主 ..

513 4 年前
语义分割之 deeplab v3
[图片] 概述之前讲了 deeplab v1 和 v2 的内，这次主要讲一下 v3 部分的内容。简单回顾 [图片] 首先我们简单回顾一下前边 v1 和 v2 部分的内容，先说它们的相同点，首先他们主要思想都是将卷积神经网络（DCNNs）和概率图模型（DenseCRFs）进行结合来做语义分割。并且两者对图片的处理过程 ..

399 4 年前
语义分割之 deeplab v1
[图片] 概述首先我们简单考虑一下什么是语义分割？语义分割是从粗推理到精推理的自然步骤。原点可以定位在分类，分类包括对整个输入进行预测。下一步是本地化/检测，它不仅提供类，还提供关于这些类的空间位置的附加信息。最后，语义分割通过对每个像素进行密集的预测、推断标签来实现细粒度的推理，从而使每个像素都被标记为其封闭对象 ..

498 4 年前
deepsort 算法的原理与代码解析
[图片] 概述前边我们讲了 sort 算法的原理，并且指出了它的不足--IDsw 过大，为了解决该问题，17 年时候 sort 算法的团队又提出了 DeepSort 算法。Deepsort 在原来 Sort 算法的基础上，改进了以下内容：使用级联匹配算法：针对每一个检测器都会分配一个跟踪器，每个跟踪器会设定一个 t ..

1.8K 3 年前
浅议 Sort 算法（目标体识别）
[图片] 概述多目标追踪（Multiple Object Tracking），简单来说其主要任务就是给定一个图像序列，在识别出图像中的物体后，通过一个 Trace id 将不同帧中的同一个物体进行表示，从而完成目标追踪的任务。当然这些物体可以是任意的，例如行人车辆各种动物等。本文讲述的是 sort 算法全称为 Si ..

1.1K 4 年前
PCA 降维以及维数的确定
概述 PCA（principal components analysis）即主成分分析技术，又称为主分量分析，旨在利用降维的思想，把多个指标转换为少数的几个综合指标。主成分分析是一种简化数据集的技术，它是一个线性变换。这个线性变化把数据变换到一个新的坐标系统中，使得任何数据投影的第一大方差在第一个坐标上（称为第一主成 ..

258 4 年前
多元线性回归解决机器学习问题的一般方法
[图片] 前言线性回归作为机器学习中经典方法之一，以其形式简单、易于建模而被广泛应用。虽然说线性回归形式简单但却蕴含着机器学习中一些非常重要的思想。许多更能更为强大的非线性模型可在线性模型的基础上通过引入层级结构或者高纬映射而得到。因此线性模型在机器学习领域是极为重要的模型之一。而线性回归中多元线性回归较之一元线性 ..

319 4 年前
机器学习一：基本概念
背景：如何购买芒果？ 1.列出每个芒果的特征（feature）；包括颜色、大小、形状、产地、品牌等。 2. 我们要预测的标签（label）；可以是连续值，（如芒果的甜度、水分、成熟度的综合打分。）也可以是离散值（如好、坏等。）；标签的获取可以通过直接品尝获取，也可通过经验丰富的专家进行标记。 3. 标记好的特征及标签的 ..

250 4 年前
奇异值分解 SVD
奇异值分解（Singular Value Decomposition）是矩阵分解的一种，是一个应用非常广泛的无监督算法，常用于数据降维、压缩。在讲奇异值分解，首先讲讲奇异值分解的特例特征值分解特征值分解给定实对称方阵 A\in R^n，A 一定可以分解为如下形式： A=Q^T\Sigma Q= \begin{bm ..

416 4 年前
李航《统计学习方法》第六章逻辑回归 python 实现（蘑菇分类数据集）
[图片] 1.逻辑回归简介逻辑回归名为回归实际上是分类算法，通常我们所说的是二项逻辑斯蒂回归简称逻辑回归。逻辑回归的条件概率分布：P(Y=1|x)=\frac{exp(wx+b)}{1+exp(wx+b)},即在给定 x 的条件下 Y=1 的概率。标记P(Y=1|x)=\pi(x),P(Y=0|x)=1-\pi(x) ..

441 4 年前
李航《统计学习方法》第三章 k 近邻 python 实现（CIFAR10 数据集）
[图片] KNN 简述 k 近邻法简单、直观，顾名思义即是对输入新样本在训练集中寻找 k 个特征最相似的样本，再根据这 k 个样本的标签通过多数表决等方式来预测新样本的类别。因此，k 近邻不具有显示的学习过程。k 近邻每次预测都需要在整个训练集查找 k 个最近样本，实现查找最简单的方法是线性扫描，书中还讲述了一种相对高 ..

283 4 年前
李航《统计学习方法》第二章感知机学习算法 python 实现
感知机算法最近在阅读细粒度识别的论文过程中发现机器学习是绕不过的坎，所以决定用李航老师的《统计学习方法》入门并尽量用 python 实现每一个算法。感知机算法主要是用于线性可分的数据集，主要分为原始形式和对偶形式，下面给出算法流程以及代码和可视化，详情请参考《统计学习方法》。代码链接：https://github. ..

589 4 年前
矩池云 | 搭建浅层神经网络 "Hello world"
作为图像识别与机器视觉界的 'hello world!' ， MNIST ('Modified National Institute of Standards and Technology') 数据集有着举足轻重的地位。基本上每本人工智能、机器学习相关的书上都以它作为开始。下面我们会用 TensorFlow 搭建一个 ..

399 4 年前
机器学习知识点总结
目标主要是为了列个机器学习相关的提纲,方便对已经学过的知识进行整理,相同的知识点,每次或者每个阶段都会有不同的想法,而我需要做的就是把自己的想法写下来,在这里进行汇总,方便以后复习等等。机器学习知识提纲数学基础标题是否原创 [链接] 否 [链接] 否 [链接] 否 [链接] 否 [链接] 否机器学习基础知识 ..

455 5 年前
深入理解 L1,L2 正则化
概念正则化(Regularization) 是机器学习中对原始损失函数引入额外信息，以便防止过拟合和提高模型泛化性能的一类方法的统称。正则化是在经验风险上面加了一个正则化项或者惩罚项,正则化函数一般是模型法则度的单调增函数,模型越负责,正则化值就越大. 正则化的一般形式: \min_{f \in F} \frac{1 ..

318 5 年前
深入浅出 Python 机器学习：9、线性模型的墓本概念
广义线性模型一－“概直”的算法模型：别看小 C 对女朋友体贴得无微不至，但朋友们都知道他其实是一个“直男”，说话直，做事直，连最常用的算法都很“直”一一也就是我们在这一幸要介绍的线性模型。线性模型是一类广泛应用于机器学习领域的预测模型，在过去的几十年里有众多学者都对其进行了深入的研究。线性模型是使用输入数据集的特征 ..

308 5 年前
Machine Learning Course
Full stack Deep Learning [链接] 1.Satnford : Probability and Statistics [链接] 2. MIT Gilbert Strang: Linear Algebra [链接]

134 5 年前
机器学习基础知识
一、数据预处理一行一样本，一列一特征 import sklearn.preprocessing as sp 1）标准化 sp.scale(原样本) # 返回值为标准化样本定义：将样本矩阵中各列的平均值和标准差统一为 0 和 1 实现：假设有样本[ a b c]，均值为 m，标准差为 s，则标准化的样本为[(a-m) ..

230 5 年前
聊聊朴素贝叶斯
[图片] 机器学习中最简单，最适合入门的算法可以说就是朴素贝叶斯了，我尽可能使用非常通俗的语言来描述，让 0 基础的人也可以看懂，希望本文能让你找到机器学习的兴趣。先举个栗子，假如一个房间里有 7 个人，其中 3 个人是日本人，4 个人是韩国人，如果这是从房间走出一个人，让你判断他是日本人的概率，显然你会说 3/7 ..

153 5 年前
从 gbdt 到 xgboost
背景：通过对树模型的调研和了解，能够在业务中有把握的使用树模型并进行调优。目标：掌握树模型的原理，了解 GBDT 的迭代过程，以及了解每轮迭代可能带来的影响；明白如何构造数据和目标函数使之更适合模型和业务。在未来 DEBUG 模型的时候，能有正确的打开方式。本文目标：在一定的程度上了解 gbdt 的来龙去脉，以及 ..

166 5 年前