相關(guān)文章

• 

  機器學(xué)習(xí)強基計劃8-4：流形學(xué)習(xí)等度量映射Isomap算法(附Python實現(xiàn))

  機器學(xué)習(xí)強基計劃聚焦深度和廣度，加深對機器學(xué)習(xí)模型的理解與應(yīng)用?！吧睢痹谠敿毻茖?dǎo)算法模型背后的數(shù)學(xué)原理；“廣”在分析多個機器學(xué)習(xí)模型：決策樹、支持向量機、貝葉斯與馬爾科夫決策、強化學(xué)習(xí)等。強基計劃實現(xiàn)從理論到實踐的全面覆蓋，由本人親自從底層編

  2023年04月26日

  瀏覽(29)

• 機器學(xué)習(xí)強基計劃8-1：圖解主成分分析PCA算法(附Python實現(xiàn))

  機器學(xué)習(xí)強基計劃聚焦深度和廣度，加深對機器學(xué)習(xí)模型的理解與應(yīng)用?！吧睢痹谠敿毻茖?dǎo)算法模型背后的數(shù)學(xué)原理；“廣”在分析多個機器學(xué)習(xí)模型：決策樹、支持向量機、貝葉斯與馬爾科夫決策、強化學(xué)習(xí)等。強基計劃實現(xiàn)從理論到實踐的全面覆蓋，由本人親自從底層編

  2024年02月02日

  瀏覽(34)

• 機器學(xué)習(xí)強基計劃8-5：圖解局部線性嵌入LLE算法(附Python實現(xiàn))

  機器學(xué)習(xí)強基計劃聚焦深度和廣度，加深對機器學(xué)習(xí)模型的理解與應(yīng)用。“深”在詳細推導(dǎo)算法模型背后的數(shù)學(xué)原理；“廣”在分析多個機器學(xué)習(xí)模型：決策樹、支持向量機、貝葉斯與馬爾科夫決策、強化學(xué)習(xí)等。強基計劃實現(xiàn)從理論到實踐的全面覆蓋，由本人親自從底層編

  2024年02月02日

  瀏覽(32)

• 機器學(xué)習(xí)強基計劃9-1：圖解匹配追蹤(MP)與正交匹配追蹤(OMP)算法

  機器學(xué)習(xí)強基計劃聚焦深度和廣度，加深對機器學(xué)習(xí)模型的理解與應(yīng)用。“深”在詳細推導(dǎo)算法模型背后的數(shù)學(xué)原理；“廣”在分析多個機器學(xué)習(xí)模型：決策樹、支持向量機、貝葉斯與馬爾科夫決策、強化學(xué)習(xí)等。強基計劃實現(xiàn)從理論到實踐的全面覆蓋，由本人親自從底層編

  2024年02月09日

  瀏覽(68)

• 機器學(xué)習(xí)強基計劃5-4：圖文詳解影響流動與有向分離(D-分離)(附Python實現(xiàn))

  機器學(xué)習(xí)強基計劃聚焦深度和廣度，加深對機器學(xué)習(xí)模型的理解與應(yīng)用?！吧睢痹谠敿毻茖?dǎo)算法模型背后的數(shù)學(xué)原理；“廣”在分析多個機器學(xué)習(xí)模型：決策樹、支持向量機、貝葉斯與馬爾科夫決策、強化學(xué)習(xí)等。 ??詳情：機器學(xué)習(xí)強基計劃(附幾十種經(jīng)典模型源碼合集) 在

  2024年02月02日

  瀏覽(24)

• 機器學(xué)習(xí)強基計劃4-2：通俗理解極大似然估計和極大后驗估計+實例分析

  機器學(xué)習(xí)強基計劃聚焦深度和廣度，加深對機器學(xué)習(xí)模型的理解與應(yīng)用?！吧睢痹谠敿毻茖?dǎo)算法模型背后的數(shù)學(xué)原理；“廣”在分析多個機器學(xué)習(xí)模型：決策樹、支持向量機、貝葉斯與馬爾科夫決策、強化學(xué)習(xí)等。 ??詳情：機器學(xué)習(xí)強基計劃(附幾十種經(jīng)典模型源碼合集) 某

  2023年04月11日

  瀏覽(44)
• 

  機器學(xué)習(xí)&&深度學(xué)習(xí)——數(shù)值穩(wěn)定性和模型化參數(shù)（詳細數(shù)學(xué)推導(dǎo)）

  ?????作者簡介：一位即將上大四，正專攻機器學(xué)習(xí)的保研er ??上期文章：機器學(xué)習(xí)深度學(xué)習(xí)——Dropout ??訂閱專欄：機器學(xué)習(xí)深度學(xué)習(xí) 希望文章對你們有所幫助 這一部分包括了很多概率論和數(shù)學(xué)的知識，而書上的推導(dǎo)很少，這邊會做個比較細致的討論，數(shù)學(xué)基礎(chǔ)不行就

  2024年02月14日

  瀏覽(28)
• 

  【數(shù)據(jù)降維-第4篇】多維尺度變換（MDS）快速理解，及MATLAB實現(xiàn)

  這篇是繼PCA和KPCA、t-SNE三種降維方法后的第4篇。 在大數(shù)據(jù)時代，我們不斷面臨高維度數(shù)據(jù)的挑戰(zhàn)。為了更好地理解這些數(shù)據(jù)，MDS算法應(yīng)運而生。本文將詳細介紹MDS算法的原理、步驟及其應(yīng)用場景，幫助你深入了解這個強大的降維工具。 一、關(guān)于MDS算法 多維尺度變換（Multi

  2023年04月08日

  瀏覽(94)
• 

  人工智能_機器學(xué)習(xí)065_SVM支持向量機KKT條件_深度理解KKT條件下的損失函數(shù)求解過程_公式詳細推導(dǎo)_---人工智能工作筆記0105

  之前我們已經(jīng)說了KKT條件,其實就是用來解決 如何實現(xiàn)對,不等式條件下的,目標(biāo)函數(shù)的求解問題,之前我們說的拉格朗日乘數(shù)法,是用來對 等式條件下的目標(biāo)函數(shù)進行求解. KKT條件是這樣做的,添加了一個阿爾法平方對吧,這個阿爾法平方肯定是大于0的,那么 可以結(jié)合下面的文章去

  2024年02月04日

  瀏覽(26)
• 

  機器學(xué)習(xí)——SMO算法推導(dǎo)與實踐

  明天再說，啊。。。。感覺天空明朗了很多，即使現(xiàn)在已經(jīng)很晚了 還是要打開柯南，看看電視，等待天氣預(yù)報所說的臺風(fēng)天吧！ 一時之間，忽然失去了用markdown語法寫下推導(dǎo)過程的勇氣。。。以上只是自己在線性可分的情況下，推導(dǎo)的smo算法但實際書本上給出的smo算法，是增

  2024年02月14日

  瀏覽(21)