机器学习

roman_日积跬步-终至千里

【模式识别与机器学习】机器学习练习题集 - 答案与解析📝 使用说明：1. ⭐ 答案：B解析：模式是区别事物的时空特征组合，用向量表示。模式不是事物本身，而是从事物获得的信息。选项A、C、D都不准确。

DAY 30 模块和库的导入今天聊模块和库的导入。这玩意儿刚开始学的时候觉得挺简单，真正用起来才发现到处都是坑——尤其是那个路径问题，简直能把人搞疯。

深度学习与机器学习的3个关键区别在人工智能的浪潮中，“机器学习” 和 “深度学习” 是两个高频出现却常被混淆的概念。很多人误以为深度学习是机器学习的 “升级版”，但实际上二者在技术逻辑、适用场景和核心能力上存在本质区别。今天我们就从特征工程、模型结构、数据依赖三个核心维度，拆解它们的关键差异，帮你快速理清 AI 技术的底层逻辑。

机器学习入门＜6＞BP神经网络揭秘：从自行车摔跤到吃一堑长一智的AI智慧本文通过生活化的比喻和直观的视觉化讲解，带你一步步理解神经网络如何通过“前向猜测”和“反向追责”实现学习，无需深厚数学基础也能掌握这一AI核心原理。

代码输入中...

大模型项目实战：多领域智能应用开发

TextIn智能文档云平台

怎么批量将扫描件变成文档？相关痛点：批量处理扫描件的核心困境在企业、科研机构及教育行业的数字化进程中，批量将扫描件转化为可编辑文档是高频需求，但传统技术方案常面临多重瓶颈，导致效率低下、成果不可靠，具体痛点集中在三方面： 1. 手写内容批量识别误差大，基础数据失真企业手写项目进度表、科研机构手写实验数据、教育行业手写笔记等扫描件中，潦草字迹、特殊批注的识别错误率居高不下，例如将“鳜”误识别为“鳏”。多模态大模型依赖高质量输入，若批量扫描件的OCR识别存在大量错误，后续的批量数据分析、知识库构建结论可能完全偏离实际。 2. 复杂

Ruey S. Tsay《时间序列分析》Python实现笔记：综合与应用第12章。第十二章会系统化地梳理一个完整的量化研究项目流程：本章会简要介绍一些超越传统时间序列分析的热门领域：

DDPM-KL 散度与 L2 损失您指的两个等价式子是 Lvb\mathcal{L}_{\text{vb}}Lvb 展开后的 Lt\mathcal{L}_tLt 项：

老欧学视觉

0013机器学习聚类算法（无监督算法）虽然其思想能够追溯到1957年的Hugo Steinhaus，术语“k-均值”于1967年才被James MacQueen首次使用。标准算法则是在1957年被Stuart Lloyd作为一种脉冲码调制的技术所提出，但直到1982年才被贝尔实验室公开出版。在1965年，E.W.Forgy发表了本质上相同的方法，所以这一算法有时被称为Lloyd-Forgy方法。更高效的版本则被Hartigan and Wong提出（1975/1979）

pandas数据合并💡 核心要点：Pandas提供了强大的数据合并功能，包括堆叠合并（concat）和主键合并（merge），以及数据重塑功能（stack/unstack），是数据预处理的核心技能。

lammps 教程：npt 控温估计 FCC Cu 熔点LAMMPS 全称为 Large-scale Atomic/Molecular Massively Parallel Simulator，是一种经典的分子动力学仿真代码，专注于材料建模。它旨在在并行计算机上高效运行，并且易于扩展和修改。LAMMPS 最初由美国能源部机构桑迪亚国家实验室开发，现在包括来自许多机构的许多研究小组和个人的贡献。LAMMPS 的大部分资金来自美国能源部 (DOE)。LAMMPS 是根据 GNU 公共许可证版本 2 (GPLv2) 的条款分发的开源软件。本教程使用 lammps

计算机中的数学：概率（6）来介绍一下卡方。卡方是用数据来判断某些东西的相关程度的一个数值，我们将这些判断的事物称之为分类变量。注意这里是相关程度，也就意味着结果是以概率来定义的。因此可以得到卡方的一个核心思想

Day 30 函数专题2 装饰器装饰器是 Python 中实用的高阶函数特性，核心作用是：不修改原函数代码、不改变原函数调用方式的前提下，给函数增加额外功能。

机器学习----深度学习部分【1】神经网络，有时也称为人工神经网络，已经变得与我们所认为的大脑实际工作和学习方式大不相同说明神经网络的工作原理，从一个例子开始

智慧工地建筑工地常见装备手推车切割机安全帽检测数据集VOC+YOLO格式13364张15类别注意数据集中有数据集增强，大约9000张是原图，剩余为增强图片，主要是翻转增强数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)

天一生水water

储层认知→技术落地→产量优化为了让你直观掌握“地质认知→技术落地→产量优化”的完整流程，我以鄂尔多斯盆地延长组页岩油区块为模拟场景，设计详细案例，包含可直接复用的模拟数据、操作步骤和工具应用，带你一步一步实现从甜点区筛选到后续井优化的全流程。

过尽漉雪千山

Anaconda的虚拟环境下使用清华源镜像安装PytorchAnaconda23.7.4，python虚拟环境3.11，本机NVIDIA显卡驱动CUDA Version: 11.1，Pytorch2.7.1，CUDA11.8。

AB测试相关知识在假设检验中，P>0.05是判断“是否拒绝原假设”的核心依据，但要理解这一结果，必须先明确P值的定义、计算逻辑和统计意义——这三个问题是层层递进，是假设检验的关键。

机器学习入门＜5＞支持向量机形象教学：寻找最安全的“三八线”，人人都能懂的算法核心想象一下，你被任命为一个村庄的新任村长。村子里有两大家族：苹果家族和橙子家族。他们共同拥有一片土地，现在请你来主持公道，画一条分界线，把土地一分为二，一边种苹果，一边种橙子。

极客BIM工作室

AI导读AI论文: CAD-Assistant: Tool-Augmented VLLMs as Generic CAD Task Solvers本文提出CAD-Assistant，这是一个基于工具增强VLLM的通用CAD任务求解框架，核心由VLLM规划器（如GPT-4o）、集成FreeCAD Python API的执行环境，以及包含手绘草图参数化器、约束检查器等在内的CAD专用工具集构成；它能处理文本、手绘草图、3D扫描等多模态输入，通过迭代生成Python代码并在FreeCAD中执行，动态适配CAD设计状态，有效弥补VLLM在几何推理和CAD命令影响预测上的局限；在CAD问答（CQA）、自动约束、手绘草图参数化三大基准任务中，零样本设置下的CA