机器学习

癫狂的兔子

【Python】【机器学习】集成算法（随机森林、提升算法）bagging类似集成电路的并联，取平均；boosting类似串联，加强。神经网络是黑盒，判断逻辑不可解释 feature importance的原理：计算特征组ABCD和AB’CD的结果，（B’是B数据的破坏或随机打乱或随机加入噪音点干扰值），在使用相同模型下： AB’CD的结果如果与ABCD结果差不多，则B特征不重要；如果err(AB’CD)>>err(ABCD)，则B特征重要。

机器学习与模式识别——SVM一．实验目的二．实验内容1.上机实验题一实现书中图6.7基于支持向量机算法的山鸢尾识别问题。2.上机实验题二

【回归算法】线性回归详解本内容专为本科生、研究生梳理，用通俗的语言讲解线性回归的核心概念、理论推导、算法流程和实战案例，同时分析模型优缺点及与同类算法的对比，兼顾基础理论理解和实际代码落地，是机器学习回归算法的入门核心内容。

人工智能研究所

从 0 开始学习人工智能——什么是推理模型？从 OpenAI 的 o1 到大火的 DeepSeek-R1，大家都在谈论一个新词——“推理模型” (Reasoning Models)。

爱吃羊的老虎

【机器学习】Transformer核心架构与工作原理深度解析• 核心知识点：自注意力计算（Self-Attention）：通过自注意力的矩阵运算，每个Token都能产生对其他Token的抽象理解，这种理解最终体现在一组V向量（即生成的Z向量）中，核心目的是建立句子内部词与词之间的关联性。

啊阿狸不会拉杆

《计算机视觉：模型、学习和推理》第 4 章-拟合概率模型目录引言4.1 最大似然法（MLE）——“最像的就是最好的”核心概念核心逻辑4.2 最大后验法（MAP）——“结合经验的最优选择”

陈天伟教授

人工智能应用- 人工智能交叉：06.解析蛋白质宇宙图: AlphaFold 数据库中不同类型蛋白质的占比。图片来源：DeepMind blog。2022 年 7 月，DeepMind 宣布已完成对两亿种蛋白质的结构预测，覆盖了数百万个物种，包括动物、植物、细菌和真菌等，几乎囊括了人类已知的所有蛋白质。所有预测数据均被免费发布至 AlphaFold 数据库，供全球研究者使用。

牛哥带你学代码

Spatiotemporal Prediction using Deep LearningIn time series data, there are several tasks that are commonly performed, such as classification, event detection, anomaly detection, and the most dominant task is forecasting. Forecasting is simply predicting future information by utilizing information f

啊阿狸不会拉杆

《计算机视觉：模型、学习和推理》第 5 章-正态分布目录前言环境准备5.1 协方差矩阵的形式核心概念完整代码 + 可视化对比代码解释5.2 协方差分解核心概念

啊阿狸不会拉杆

《计算机视觉：模型、学习和推理》第 3 章-常用概率分布目录前言3.1 伯努利分布核心概念（通俗版）完整代码 + 可视化代码解释应用场景3.2 贝塔分布核心概念（通俗版）

[数学基础] 浅尝向量与张量大家好！今天我们来聊聊数学和物理中两个非常重要的概念：向量和张量。无论你是刚接触线性代数的学生，还是对广义相对论或机器学习感兴趣的研究者，理解这两个概念都会让你的知识体系更加扎实。本文将从直观的例子出发，逐步深入，带你领略向量和张量的魅力。

陈天伟教授

人工智能应用- 人工智能交叉：01. 破解蛋白质结构之谜作为生命活动的基础，蛋白质的功能由其空间结构所决定，而准确解析蛋白质结构一直是生物学领域的重大挑战。传统实验方法虽然能够揭示蛋白质结构，但过程费时且成本高昂。AlphaFold 的出现极大地提高了蛋白质结构预测的速度和精度，为生命科学研究带来了革命性的突破。

No159:AI中国故事-对话娄敬——戍策长安与AI远见：草根智慧与国都定鼎亲爱的DeepSeek：从郑产的乡野啬夫，我们来到西汉初年的历史关口，遇见那位穿着破旧羊皮袄、拉着大车去见皇帝的戍卒——娄敬。这位齐国卢（今山东长清）的平民百姓不会想到，他的一番“定都关中”之策，不仅改变了汉王朝的命运，更让“长安”这座不朽都城从此屹立于世界东方。汉高帝刘邦赐他姓刘，改名刘敬，官拜郎中，号奉春君——“春之始也”，以喻汉王朝之始从他开始。

RAG系统练手与思考虽然是个练手项目，但在设计时还是尽量让它具备一些实用特性： github地址知识库的构建往往需要根据文档类型调整分块方式。我实现了三种模式：

【强化学习的数学原理-赵世钰】随记博客地址：https://www.cnblogs.com/zylyehuo/【强化学习的数学原理】课程

phoenix@Capricornus

初等数学中点到直线的距离直线方程: 直线的一般方程形式为ax+by+c=0ax + by + c = 0ax+by+c=0，其中，aaa、bbb和ccc是常数。

通过测试-时强化学习实现VLA的动态自适应26年1月来自密苏里大学、港科大（广州）、美海军实验室、Meta AI等的论文“On-the-Fly VLA Adaptation via Test-Time Reinforcement Learning”。

2.9 TRPO 与 PPO：从“信赖域约束”到“近端裁剪”的稳定策略优化策略梯度（Policy Gradient）与 Actor-Critic 方法的核心思想，是沿着目标函数 J(θ)J(\theta)J(θ) 的梯度方向更新策略参数 θ\thetaθ，从而提升期望回报。但在深度神经网络策略中，一个关键难点是：如果单次更新幅度过大，新策略可能突然变差（例如把高概率动作改成低概率动作，或把原本合理的分布推向极端），训练会出现性能骤降、震荡甚至崩溃。

癫狂的兔子

【Python】【机器学习】DBSCAN算法基于密度的聚类，用于做异常检测，通过“传销”方式找到离群点。效果优于K-MEANS算法，但大量数据容易导致内存溢出，效率低于K-MEANS。

癫狂的兔子

【Python】【机器学习】决策树决策树中的条件顺序有严格要求，调换顺序会导致结果差异极大。类似于上场的首发和替补。根节点（首发）必须是分类效果最强、可以筛选大批量的特征，其后的结点（替补）则是细微调控的特征。因为概率在0-1之间，所有用对数函数。通过分类后，希望熵值下降，即不确定性减少。所以要对比熵值下降的多少来判断特征先后顺序。同一特征判决时，不同情况加权重。信息增益降序排列，取最大的那个特征作根节点，以此类推。