机器学习分类算法之XGBoost（集成学习算法）
目录走进XGBoost什么是XGBoost？XGBoost树的定义XGBoost核心算法正则项：树的复杂程度XGBoost与GBDT有什么不同XGBoost需要注意的点XGBoost重要参数详解调参步骤及思想XGBoost代码案例相关性分析n_estimators（学习曲线）max_depth（学习
牛顿迭代法的可视化详解
牛顿迭代法（*Newton*'s method）又称为牛顿-拉夫逊（拉弗森）方法（*Newton-Raphson* method），它是牛顿在17世纪提出的一种在实数域和复数域上近似求解方程的方法。
机器学习-鸢尾花(Iris Flower)分类
一个机器学习中的“Heelo World”项目，针对鸢尾属的3个亚属进行分类。(Python\Pandas\Matplotlib\SKlearn)
吴恩达机器学习丨思维导图丨坚持打卡23天——构建知识脉络，回顾总结复盘
机器学习是目前信息技术中最激动人心的方向之一。本文以吴恩达老师的机器学习课程为主线，使用 Process On 在线绘图构建机器学习的思维导图。16张思维导图，理清机器学习知识脉络，便于学习复盘。
点到直线的距离求法
直线方程是AX+BY+C=0，直线外面一点到直线的距离,传统证明方法如下图：结束！
清华大学出品：罚梯度范数提高深度学习模型泛化性
论文方法L(θ)=LS(θ)+λ⋅∥∇θLS(θ)∥pL(\theta)=L_{\mathcal{S}}(\theta)+\lambda \cdot \|\nabla_\theta L_{\mathcal{S}}(\theta)\|_pL(θ)=LS(θ)+λ⋅∥∇θLS(θ)∥p∥h(θ1
Windows10 PyTorch1.5 安装教程 | 很详细
Windows10 PyTorch1.Windows左下角搜索控制面板搜索控制面板打开进入界面，如下所示：点击 NVIDIA 控制面板进入，点击信息信息(I)进入界面，如下所示：点击组件，可以看到当前的的 CUDA 版本信息。总结 Win10 系统查看 CUDA 版本信息方法：在电脑上打开控制面板点
python机器学习_近邻算法_分类Ionosphere电离层数据
本文使用python机器学习库Scikit-learn中的工具，以某网站电离层数据为案例，使用近邻算法进行分类预测。并在训练后使用K折交叉检验进行检验，最后输出预测结果及准确率。过程产生一系列直观的可视化图像。希望文章能够对大家有所帮助。祝大家学习顺利！
python疲劳驾驶实时检测项目讲解（附代码）
python疲劳驾驶检测
如何确定多少个簇？聚类算法中选择正确簇数量的三种方法
在本文中，首先介绍两个流行的指标来评估簇质量。然后介绍三种方法来找到最佳簇数量
【超详细】基于sklearn实现软硬间隔SVM
目录一、硬间隔SVM1.1 sklearn.svm.SVC()1.1.1 数据集1.1.2 参数1.1.3 方法一、硬间隔SVMsklearn中没有实现硬间隔SVM的类，因为它并不实用，但我们可以通过将正则化项 CCC 设置的足够大（例如 C=106C=10^6C=106）来模拟硬间隔SVM。考虑如
线性回归实战【房价预测】
本文属于 线性回归算法【AIoT阶段三】（尚未更新），这里截取自其中一段内容，方便读者理解和根据需求快速阅读。本文通过公式推导+代码两个方面同时进行，因为涉及到代码的编译运行，如果你没有 NumPyNumPy，PandasPandas，MatplotlibMatplotlib 的基础，建议先修文章：
梯度下降【无约束最优化问题】
本文属于 线性回归算法【AIoT阶段三】（尚未更新），这里截取自其中一段内容，方便读者理解和根据需求快速阅读。本文通过公式推导+代码两个方面同时进行，因为涉及到代码的编译运行，如果你没有 NumPyNumPy，PandasPandas，MatplotlibMatplotlib 的基础，建议先修文章：
立体视觉入门指南（7）：立体匹配
关于立体匹配，我之前写了很多博客，重复去写就没有必要，学习的朋友请阅读如下链接，本文我们随便聊聊立体匹配的方法论和弱纹理恢复问题。
【爆赞】这款Python小程序自动抠图只需5秒，秒杀PS手动抠图？
导语大家好！我是木木子，今天天气不是很好，下雨了，让我没点儿写文章的动力啊~写程序：一天到晚没事做，一行代码改一天，从白天学完天黑！在日常的工作和生活中，我们经常会遇到需要抠图的场景，即便是只有一张图片需要抠，也会抠得我们不耐烦，倘若遇到许多张图片需要抠，那就……今天教你用Python制作一款界面化
2022预计要火的视觉语言理解和生成：一键生成图像标注，视觉问答，代码开源，官方 Demo 可玩
一键生成图像标注，视觉问答，代码开源，官方 Demo 可玩、一线 AI 资讯速递
真香啊，让 Python 代码能力起飞的 24 个骚操作
大家好，我们知道 Python 加速技巧有很多。今天这篇文章，我给大家总结了24个 Python技巧，内容包括基本实现方式和快捷方式，内容较长，建议收藏、关注。部分 Python 技巧来自粉丝群小伙伴的分享，在此表示感谢。想加入的小伙伴，文末提给添加方式。一、分析代码运行时间第1式：测算代码运行时间
我也不知道起啥名字
代码% 画图参考% 作者：[email protected]% 公众号：好玩的MATLAB% CSND ：好玩的MATALB https://blog.csdn.net/zzx2016zzx% https://m.thepaper.cn/baijiahao_16627631clc;clear;cl
使用特征传播重构缺失数据进行图机器学习
本文种展示的特征传播是一种用于处理图机器学习应用程序中缺失的特征的有效且可扩展的方法。它很简单，但效果出奇地好。
时间序列数据的预处理
在本文中，我们将看到在深入研究数据建模部分之前应执行的常见时间序列预处理步骤和与时间序列数据相关的常见问题。
