【机器学习】python实现吴恩达机器学习作业合集（含数据集）
目录1.0 实现线性回归预测2.0 线性可分logistic逻辑回归2.1 线性不可分logistic逻辑回归3.0 logistic逻辑回归手写多分类问题3.1 神经网络正向传播4.0 神经网络反向传播（BP算法）5.0 方差与偏差6.0 SVM支持向量机7.0 kmeans聚类7.1 PCA主成
YOLOV7开源代码讲解--训练参数解释
本文章是对yolov7开源代码中训练部分的参数进行解释，方便在训练中更直观的理解，可以更换的使用各个功能，完成最终的“炼丹”
机器学习【期末复习总结】——知识点和算法例题（详细整理）
【电子科技大学、机器学习课程】（期末复习、知识点和算法例题、详细总结）
机器学习期末题库
1.属于监督学习的机器学习算法是：贝叶斯分类器2.属于⽆监督学习的机器学习算法是：层次聚类3.⼆项式分布的共轭分布是：Beta分布4.多项式分布的共轭分布是：Dirichlet分布5.朴素贝叶斯分类器的特点是：假设样本各维属性独⽴6.下列⽅法没有考虑先验分布的是：最⼤似然估计7.对于正态密度的贝叶斯
阿里云天池大赛赛题（机器学习）——天猫用户重复购买预测（完整代码）
阿里云天池大赛赛题（机器学习）——天猫用户重复购买预测 完整代码!
【机器学习】Logistic 分类回归算法 （二元分类 & 多元分类）
一、线性回归能用于分类吗？二、二元分类2.1假设函数2.1.1例子一2.1.2例子二2.2拟合logistic回归参数\thetaθ三、logistic代价函数3.1 y = 1的图像3.2 y = 0的图像四、 代价函数与梯度下降4.1 线性回归与logistic回归的梯度下降规则相同吗？五、高级
【机器学习】数据增强(Data Augmentation)
文章目录一、引言 - 背景二、为什么需要数据增强？三、什么是数据增强？定义分类四、有监督的数据增强1. 单样本数据增强（1）几何变换类（2）颜色变换类2. 多样本数据增强(1) SMOTE(2) SamplePairing(3) mixup五、无监督的数据增强1. GAN2.Conditional
常用的激活函数（Sigmoid、Tanh、ReLU等）
目录一、激活函数定义二、梯度消失与梯度爆炸 1.什么是梯度消失与梯度爆炸2.梯度消失的根本原因3.如何解决梯度消失与梯度爆炸问题 三、常用激活函数1.Sigmoid2.Tanh3.ReLU4.Leaky ReLU5.ELU6.softmax7.Swish 激活函数 (Activatio
人工智能--遗传算法求解TSP问题
文章目录前言一、遗传算法的概念遗传算法（Genetic Algorithm, GA）：二、解决的问题对象三、 程序步骤1.针对TSP问题，确定编码2.针对TSP问题，适应度函数可定义为3.针对TSP问题，确定交叉规则对于采用整数编码表示的染色体，可以有以下交叉规则：(1)顺序交叉法（Order Cr
机器学习笔记 - 什么是高斯混合模型(GMM)？
高斯混合模型 (GMM) 是一种机器学习算法。它们用于根据概率分布将数据分类为不同的类别。高斯混合模型可用于许多不同的领域，包括金融、营销等等！这里要对高斯混合模型进行介绍以及真实世界的示例、它们的作用以及何时应该使用GMM。高斯混合模型 (GMM) 是一个概率概念，用于对真实世界的数据集进行建模。
用pointnet++分类自己的点云数据
这篇博客主要是针对于现有的热门的激光点云处理算法pointnet++如何分类自己的数据集展开的。在介绍基本的pointnet++算法的概念、基本步骤及思想、部分代码讲解之后，会介绍如何使用自己的数据集进行分类（涉及到详细的代码改进方法及步骤）以及打印利用自己数据集跑出的模型后的点云坐标。
PyTorch的Dataset 和TorchData API的比较
从版本1.11开始，PyTorch引入了TorchData库，它实现了一种不同的加载数据集的方法。
如何检测时间序列中的异方差（Heteroskedasticity）
异方差性影响时间序列建模。因此检测和处理这种情况非常重要。
15个节省时间的Jupyter技巧
Jupyter Notebooks使用非常简单并且对于任何面向python的任务都可以非常方便的使用。
变分自编码器VAE的数学原理
变分自编码器(VAE)是一种应用广泛的无监督学习方法，它的应用包括图像生成、表示学习和降维等。
OpenAI发布ChatGPT：程序员瞬间不淡定了
2月1日，OpenAI发布了针对对话场景优化的语言大模型ChatGPT。一经发布便受到科技圈的广泛关注，我第一时间体验了ChatGPT，给大家奉上最新鲜的体验报告。
Pandas中高效的选择和替换操作总结
在本文中，我们将重点介绍在DataFrame上经常执行的两个最常见的任务，有效地选择特定的和随机的行和列，以及使用replace()函数使用列表和字典替换一个或多个值。
一文读懂K-Means原理与Python实现
在本文中，你将学习到K-means算法的数学原理，作者会以尼日利亚音乐数据集为案例。带你了解了如何通过可视化的方式发现数据中潜在的特征。最后对训练好的K-means模型进行评估。
计算机视觉面试中一些热门话题整理
通常在机器学习面试中，问完常见基础知识的技术问题之后会有具体的项目问题的讨论，所以这里准备了一些项目相关的话题，以可以帮助你准备和通过计算机视觉相关的面试。
强化学习的基础知识和6种基本算法解释
本文将涉及强化学习的术语和基本组成部分，以及不同类型的强化学习(无模型、基于模型、在线学习和离线学习)。本文最后用算法来说明不同类型的强化学习。
