tag 機器學習

標籤
貢獻433
515
05:25 PM · Oct 25 ,2025
deephub 頭像 tecdat 頭像 qingfouai 頭像 chaoshenjinghyperai 頭像 u_17420180 頭像 u_17061379 頭像 lab4ai 頭像 u_15214399 頭像 youyudetusi 頭像 aigoto 頭像 u_15690955 頭像 MrVolleyball 頭像

@機器學習 / 博客 RSS 訂閱

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--擬合

前言 今天我們來討論擬合的問題 在之前的篇幅，主要討論的是線性迴歸的問題，不管是一元、多元、多項式，本質都是線性迴歸問題。線性迴歸在機器學習中屬於“監督學習”，也就是使用已有的、預定義的“訓練數據”集合，訓練系統，在解釋未知數據時，也能夠很好的解釋 而模型訓練完成之後，可能會有3中狀態：“欠擬合”、“最佳適配”、“過擬合”。本小節就來消息討論一下，怎麼判斷訓練出來的模型處於什麼樣的狀態 過擬合 老

機器學習

收藏 評論

codingtea 頭像

Coding茶水間 - 基於深度學習的石頭剪刀布手勢識別系統演示與介紹(YOLOv12/v11/v8/v5模型+Pyqt5界面+訓練代碼+數據集)

​ 視頻演示 基於深度學習的石頭剪刀布手勢識別系統演示與介紹_嗶哩嗶哩_bilibili 1.前言 隨着人機交互技術的快速發展和智能設備的廣泛應用，自然、直觀的手勢交互已成為提升用户體驗的重要方向。石頭剪刀布作為一種經典的手勢遊戲，其識別任務融合了計算機視覺與模式識別的核心技術，對實時性和準確性提出了雙重挑戰。高效的石頭剪刀布手勢識別系統不僅能為人機交互提供新穎的交互方式，還可

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--邏輯迴歸

前言 從本節開始，我們的機器學習之旅進入了下一個篇章。之前討論的是迴歸算法，迴歸算法主要用於預測數據。而本節討論的是分類問題，簡而言之就是按照規則將數據分類 而要討論的邏輯迴歸，雖然名字叫做迴歸，它要解決的是分類問題 開始探索 scikit-learn 還是老規矩，先來個例子，再討論原理 假設以下場景：一位老哥想要測試他老婆對於抽煙忍耐度，他進行了以下測試 星期一

機器學習

收藏 評論

kohler21 頭像

愚生淺末 - 機器學習基本理論

目錄 機器學習基本理論 機器學習三要素 機器學習方法分類 建模流程 特徵工程 什麼是特徵工程 特徵工程有什麼 特徵選擇 特徵轉換 特徵構造 特徵降維 常用方法 模型評估和模型選擇

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--決策樹

前言 決策樹是一種常用的機器學習模型，用於分類和迴歸任務，它通過模擬“樹”的結構來對數據進行決策。本節我們詳細討論的是決策樹中的分類任務 開始探索 scikit-learn 假設以下運維場景 CPU 低：40% 中：40%~70% 高：70% 內存 低：60% 中：60%~85% 高：85% 磁盤I/O 低：40%

機器學習

收藏 評論

qichengxiaoqi 頭像

柒城小柒 - Transformer通俗講解（大白話版）

温馨提示：本文共有8472個字，平均閲讀時間約為34分鐘 大家可以快速查看自己感興趣的內容點擊下面的目錄： 目錄 模型簡介 整體架構 Encoder結構 輸入階段 輸入嵌入（Input Embedding） 位置編碼（Position Encoding） 輸入向

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--隨機森林

前言 隨機森林的出現，是為了解決決策樹對訓練數據過擬合的問題而出現的。決策樹在訓練的工程中，可以讓每一個葉子節點的不確定性降為0（即熵或者基尼指數為0），這樣做可能把訓練數據中的偶然性、異常值或噪聲也當成了“規 律”去學習了 對於複雜高維的數據，隨機森林的算法可以更好的泛化能力 開始探索 scikit-learn 老規矩，先上代碼，看看隨機森林的用法 from sklearn.ensemble i

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--梯度下降法

前言 彩筆運維勇闖機器學習，今天我們來討論一下梯度下降法 梯度 首先要搞明白什麼是梯度，那就要先從導數説起 導數 函數\(y=f(x)\)的自變量\(x\)在一點\(x_0\)上產生一個增量\(\Delta x\)時，函數輸出值的增量\(\Delta y=f(x_0 + \Delta x)-f(x_0)\)與自變量增量\(\Delta x\)的比值在\(\Delta x\)趨於0時的極限\(a\)

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--lasso迴歸

前言 彩筆運維勇闖機器學習，今天我們來討論一下lasso迴歸，本期又是一起數學推理過程展示 座標下降法 目標找到一組參數，使目標函數值最小。比如\(f(x,y)=3x^2+5xy+10y^2\)，要找到\(x,y\)使得\(f(x,y)\)取值最小 \[x_j^{(k+1)} = \arg \min_{x_j} f(x_1^{(k+1)}, \dots, x_{j-1}^{(k+1)}, x_j

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--GBDT

前言 本文討論的GBDT算法，也是基於決策樹 開始探索 scikit-learn 老規矩，先上代碼，看看GBDT的用法 from sklearn.datasets import load_iris from sklearn.ensemble import GradientBoostingClassifier from sklearn.model_selection import train_tes

機器學習

收藏 評論

wang_yb 頭像

wang_yb - 讓YOLO飛起來：從CPU到GPU的配置指南

最近在配置YOLO（You Only Look Once）進行物體檢測和圖像分割任務時，發現默認安裝的情況下，YOLO使用的是CPU進行計算。 這對於需要處理大量圖像或實時檢測的任務來説，效率明顯不足。 本文將詳細介紹如何將YOLO從CPU模式切換到GPU模式，顯著提升運行效率。 1. 配置步驟 1.1. 檢查當前PyTorch是否支持GPU 首先需要確認當前安裝的PyTorch是否支持GPU。打

機器學習

收藏 評論

xiaoxi666 頭像

xiaoxi666 - 神經網絡常見的40多種激活函數（應用場景+數學公式+代碼實現+函數圖象）

什麼是激活函數 激活函數，屬於神經網絡中的概念。 激活函數，就像神經元的開關，決定了輸入信號能否被傳遞，以及以什麼形式傳遞。 為應對不同的場景，激活函數不斷髮展出了各種實現。它們存在的意義，就是為信號傳遞賦予不同種類的“非線性”特徵，從而讓神經網絡能夠表達更為豐富的含義。 本文旨在梳理常見的 40 多種激活函數（也包含少量經典的輸出層函數）。 説明 本文將簡要介紹激活函數的概念和使用場景，並列出其

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--KNN算法

前言 彩筆運維勇闖機器學習：KNN算法，它也是分類中的一種 開始探索 scikit-learn import numpy as np import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler

機器學習

收藏 評論

qlhh 頭像

qlhh - pytorch的矩陣操作分類

PyTorch 的矩陣操作 注意： 無論是torch.f()還是tensor.f()，都是返回新的Tensor，不會修改原始的tensor 單個tensor 初始化 empty 用於創建一個未初始化的張量，其值是隨機的 與torch.randn的區別在於，torch.randn是從正態分佈中採樣的 torch.empty(*size, *, out=None, dtyp

機器學習

收藏 評論

MrVolleyball 頭像

MrVolleyball - 彩筆運維勇闖機器學習--孤立森林

前言 孤立森林，一種非常高效快速的異常檢測算法 開始探索 scikit-learn import numpy as np import matplotlib.pyplot as plt from sklearn.ensemble import IsolationForest rng = np.random.RandomState(0) X_train = 0.3 * rng.randn(100

機器學習

收藏 評論

zgm1 頭像

明月之歌 - 初識目標檢測

一．目前我校主要研究方向就是目標檢測，所以首先應對目標檢測有初步瞭解。目標檢測屬於計算機視覺中的一個熱門方向，主要應用於物體、人、動物識別、動作識別等。結合我校農業研究方向，通過目標檢測，可以用來檢測瓜果、蔬菜的成熟度、可以用來識別花卉、土壤營養分析、蔬菜採摘等。我國為農業大國，通過在農業工程中運用人工智能技術，可以有效降低人力投入、經濟成本。 人工智能研究方向分類如下圖： 傳統目標

機器學習

收藏 評論

u_16213687 頭像

mob64ca141139a2 - 大腳插件怎麼迴歸版本

VS2008恢復默認設置 有些時候，vs集成開發環境會出現各種各樣的問題，一時間我們難以解決。今天我就遇到了一個新建項目時彈出網頁和文件下載提示框的問題，總不能為了個小問題重裝VS吧。 這時候恢復默認設置是個很好的辦法，具體操作如下： 1.進入命令行模式，在“開始”--

機器學習 , 命令行 , 文件下載 , 大腳插件怎麼迴歸版本 , 集成開發環境 , 人工智能

收藏 評論

u_16213676 頭像

mob64ca140e76c8 - gem M1 安裝路徑

1、使用git 來運行 curl 安裝 git 軟件 鏈接：https://pan.baidu.com/s/1zB2NcOfwXTg90R5PRGHhZg 提取碼：xxxx 111111 在windows上安裝SpaceVim時，提示需要安裝Git和curl， 安裝了Git， 原本以為要通過mingw或者cygwin來安裝cur

反斜槓 , 機器學習 , 雙引號 , gem M1 安裝路徑 , 人工智能 , Git

收藏 評論

u_16213712 頭像

mob64ca14173efa - ymodem 數據包

網絡通信是現代信息技術的一個重要組成部分，與我們日常生活息息相關。例如最常見手機QQ、MSN、微信等聊天工具，還有手機遊戲你畫我猜、鬥地主等，這都需要依賴於網絡。下面是一個你畫我猜遊戲運行界面，圖8-1是用户1在遊戲界面畫圖，圖8-2是用户2在遊戲界面就馬上就接收到用户1所畫的畫。

機器學習 , tcp , 人工智能 , 界面設計 , ymodem 數據包 , udp

收藏 評論

u_17061379 頭像

AI編程社區 - 不想每次都跟 AI 重複交代？試試 Slash Command

和 AI 結對編程時，你可能遇到過這種情況： 你："幫我寫個用户註冊接口。" AI 倒是很快給出了代碼，能跑。但你一看：錯誤返回用的是 error，不是你們團隊封裝的 BizError；日誌打的是 log.Info，不是接入了鏈路追蹤的 logger.WithContext(ctx).Info；參數校驗直接寫在 handler 裏，沒有走 validator 那套……

機器學習 , 封裝 , 問題排查 , 人工智能 , Slash

收藏 評論

u_13873498 頭像

IT陳工 - 遷移學習簡單理解

遷移學習 背景 在深度神經網絡算法的應用過程中，如果我們面對的是數據規模較大的問題，那麼在搭建好深度神經網絡模型後，我們要花費大量的算力和時間去訓練模型和優化參數，最後耗費了這麼多資源得到的模型只能解決這一個問題，性價比非常低。 如果用這麼多資源訓練的模型能夠解決同一類問題，那麼模型的性價比會提高很多，這就促使使用遷移模型解決同一類問題的方法出現。因為該方法的出

機器學習 , 凍結 , 人工智能 , 遷移學習

收藏 評論

digitalocean 頭像

DigitalOcean - 英偉達、AMD 同步調價前，企業如何鎖定 2026 年的低價 GPU 雲算力？

2026 年開年，科技圈最令人不安的消息莫過於：算力通脹正式開始了。 如果你最近在考慮部署 AI 模型、進行大規模數據訓練或渲染，接下來的信息可能會直接影響你的年度預算。 GPU 漲價潮：不再是傳聞，而是正在發生的現實 根據最新的產業鏈爆料，受內存成本暴漲的強力推動，英偉達（NVIDIA）和AMD​已確定從 2026 年初開始“分階段大幅上調”全系GPU​的價格。 這不僅僅是一次微調。據韓國供應鏈

機器學習 , 資訊 , 人工智能

收藏 評論

u_16099243 頭像

代碼探險家 - gateway RemoteAddr 設置ipv6

※配置17-VLAN的三層通信 利用3層交換機跨vlan通信（僅紅框區域網絡結構） 給SW1配vlanif接口作為轉發： [sw1-vlan20]interface vlanif 10 [sw1-Vlanif10]ip address 192.168.1.1 24 [sw1-Vlanif10]interface vlanif

機器學習 , ip , 人工智能 , DHCP , nat

收藏 評論

puxiaoke6 頭像

一點人工一點智能 - 《機器學習中的數學：掌握線性代數、微積分與概率》

書籍：Mathematics of Machine Learning: Master linear algebra, calculus, and probability for machine learning 作者：Tivadar Danka 出版：Packt Publishing​ 編輯：陳萍萍的公主@一點人工一點智能 下載：書籍下載-《機器學習中的數學：掌握線

機器學習 , 數學 , 人工智能

收藏 評論