zgjszeb
这家伙很懒，什么也没写
深入探索scikit-learn中的多层感知机：从入门到应用
多层感知机 (MLP) 是一种在 scikit-learn 中实现的前馈神经网络模型，它可以用于解决分类和回归问题。作为深度学习领域的重要算法之一，MLP 为研究者提供了探索复杂神经网络的起点。
机器学习 5 0 pdf 2024-05-01 18:05:24
支持向量机：原理与应用
支持向量机 (SVM) 支持向量机 (SVM) 是一种强大的监督学习算法，适用于分类、回归和异常值检测任务。其核心思想是找到一个最优的超平面，将数据点划分到不同的类别中。 SVM 的优势: 高维空间表现出色: 即使特征维度远高于样本数量，SVM 依然能保持良好的性能。 内存高效: SVM 只利用
机器学习 3 0 pdf 2024-05-01 18:05:07
驾驭数据丛林：集成学习之随机森林与梯度提升决策树
决策树模型擅长处理分类和回归任务，其学习过程如同构建一系列 if/else 问题，并由此得出结论。然而，单棵决策树易受过拟合困扰，泛化性能较差。集成学习应运而生，通过融合多个模型提升预测能力。其中，随机森林和梯度提升决策树是两种基于决策树的强大集成方法。 随机森林：智慧的群体 随机森林构建多棵略有差
机器学习 4 0 pdf 2024-05-01 18:05:08
朴素贝叶斯分类器：快速高效的机器学习算法
朴素贝叶斯分类器在训练速度方面表现出色，通常优于线性模型分类器，如 LogisticRegression 和 LinearSVC。然而，这种效率提升伴随着泛化能力的略微下降。朴素贝叶斯算法通过独立分析每个特征并收集简单的类别统计数据来实现高效的模型训练。
机器学习 1 0 pdf 2024-05-01 17:05:01
机器学习：线型回归、生成器、方法链
线型回归（又称普通最小二乘法）通过拟合线性模型来预测目标。 该模型使用 LinearRegression 类实现，可最小化观察目标与预测目标之间的残差平方和。
机器学习 3 0 pdf 2024-05-01 17:05:41
k近邻算法及其特征缩放技巧
k近邻算法 (k-NN) k-NN 算法是一种简单的机器学习方法，它通过寻找与新数据点最接近的 k 个训练数据点进行预测。 工作原理: 将每个数据点表示为一个多维空间中的坐标，每个维度对应一个特征。 计算新数据点与所有训练数据点之间的距离。 选择距离新数据点最近的 k 个训练数据点。 根据这 k
机器学习 5 0 pdf 2024-05-01 17:05:20
Python机器学习利器：scikit-learn
scikit-learn是一个强大且易用的Python机器学习库，为预测数据分析提供多种算法，涵盖分类、回归、降维和聚类等领域。此外，它还包含数据预处理、特征提取、超参数优化和模型评估等实用工具。基于NumPy、SciPy和matplotlib构建，scikit-learn采用BSD许可证，开源且可
机器学习 5 0 pdf 2024-05-01 17:05:19
循环神经网络：RNN、LSTM 和 GRU 概述
循环神经网络（RNN）是一种以序列数据为输入的神经网络，它沿序列递归地学习数据，并且具有记忆性。RNN 的增强版，长短期记忆网络（LSTM）和门控循环单元网络（GRU）拥有更强大的记忆能力。
深度学习 6 0 pdf 2024-04-30 11:04:35
卷积神经网络与手写字体识别
卷积神经网络（CNN）擅长处理图像数据，具有卷积层、池化层和全连接层。CNN可用于手写字体识别，如识别MNIST数据集中的数字。
深度学习 9 0 pdf 2024-04-30 11:04:59
PyTorch模型保存/加载、数据加载器、顺序容器
训练完成后，可将模型参数保存到本地，下次直接加载，避免重新训练。对于大型模型和大数据集，定时保存模型状态可防止出错。 torch.utils.data模块提供了数据加载器，将数据分批加载，避免内存不足。 nn.Sequential为顺序容器，可简化模型构建。
深度学习 2 0 pdf 2024-04-30 11:04:12