相關(guān)文章

• 

  機器學(xué)習分類，損失函數(shù)中為什么要用Log，機器學(xué)習的應(yīng)用

  目錄 損失函數(shù)中為什么要用Log 為什么對數(shù)可以將乘法轉(zhuǎn)化為加法？ 機器學(xué)習（Machine Learning） 機器學(xué)習的分類 監(jiān)督學(xué)習 無監(jiān)督學(xué)習 強化學(xué)習 機器學(xué)習的應(yīng)用 應(yīng)用舉例：貓狗分類 1. 現(xiàn)實問題抽象為數(shù)學(xué)問題 2. 數(shù)據(jù)準備 3. 選擇模型 4. 模型訓(xùn)練及評估 5.預(yù)測結(jié)果 推薦閱讀

  2024年02月11日

  瀏覽(24)
• 

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

  機器學(xué)習強基計劃聚焦深度和廣度，加深對機器學(xué)習模型的理解與應(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)習強基計劃8-2：詳細推導(dǎo)多維縮放MDS算法(附Python實現(xiàn))

  機器學(xué)習強基計劃聚焦深度和廣度，加深對機器學(xué)習模型的理解與應(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08日

  瀏覽(44)

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

  機器學(xué)習強基計劃聚焦深度和廣度，加深對機器學(xué)習模型的理解與應(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)習強基計劃聚焦深度和廣度，加深對機器學(xué)習模型的理解與應(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300問】12、為什么要進行特征歸一化？

  ? ? ? ? 當線性回歸模型的特征量變多之后，會出現(xiàn)不同的特征量，然而對于那些同是數(shù)值型的特征量為什么要做歸一化處理呢？ ????????使得不同指標之間具有可比性。例如，分析一個人的身高和體重對健康的影響，如果使用米(m)和于克(kg)作為單位，那么身高特征會在

  2024年01月22日

  瀏覽(30)

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

  機器學(xué)習強基計劃聚焦深度和廣度，加深對機器學(xué)習模型的理解與應(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)
• 

  【C++學(xué)習】類和對象 | 拷貝構(gòu)造 | 探索拷貝構(gòu)造函數(shù)為什么需要引用傳參 | 深拷貝 | 初識運算符重載

  上一篇文章我們開始學(xué)習類內(nèi)的默認成員函數(shù)， 這里是傳送門，有興趣可以去看看：http://t.csdn.cn/iXdpH 這篇文章我們繼續(xù)來學(xué)習類和對象的知識。 目錄 寫在前面： 1. 拷貝構(gòu)造 2. 拷貝構(gòu)造函數(shù)為什么需要引用傳參？ 3. 深拷貝 4. 初識運算符重載 寫在最后： 我們在創(chuàng)建一個對

  2024年02月11日

  瀏覽(24)

• 機器學(xué)習強基計劃8-3：詳細推導(dǎo)核化主成分分析KPCA算法(附Python實現(xiàn))

  機器學(xué)習強基計劃聚焦深度和廣度，加深對機器學(xué)習模型的理解與應(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09日

  瀏覽(22)
• 

  為什么我選擇訂閱ChatGPT Plus計劃？

  ? 訂閱 ChatGPT Plus 計劃后，我注意到響應(yīng)速度明顯加快。在高峰時段，普通用戶可能會遇到一些延遲，但作為Plus會員，我可以享受到優(yōu)先的服務(wù)。這對于我這樣的繁忙專業(yè)人士來說，快速、高效的溝通至關(guān)重要。 作為 ChatGPT Plus 會員，我們可以第一時間體驗到OpenAI團隊開發(fā)的

  2024年02月05日

  瀏覽(21)