机器学习

【机器学习与实战】回归分析与预测：线性回归-03-损失函数与梯度下降配套视频课程 www.bilibili.com/video/BV1Rx…根据上述数据集的相关性分析，目前我们来确定一个模型类型：y=wx+b，最简单的一元线性回归模型。在模型没有被正式确定之前，我们只能称该函数为假设函数（可以使用y‘来表示，只是一个名称，不重要）。但是由于我们有160条数据样本，也就是说，机器学习时会有160个函数，比如会构造y1=5x+3，y2=58x+12……，那么此时，如何来评估哪一个函数更好呢？这就需要引入损失（loss）函数，也就是目标就是损失最小，如果模型完全准确，则损失为0

机器学习shap分析案例在进行数据分析和机器学习时经常用到shap，本文对shap相关的操作进行演示。波士顿数据集链接在这里。

weixin_42963026

机器学习-第一章C:\Users\71042\.conda\envs\tf_gpu_new\python.exe E:\教学\2025教学\机器学习\机器学习数据代码\1-2章数据代码\ch1.1_iris_classification.py iris_dataset.keys() = dict_keys(['data', 'target', 'frame', 'target_names', 'DESCR', 'feature_names', 'filename', 'data_module']) <class 'num

机器学习中的距离总结在数据分析、机器学习、模式识别等领域，距离函数用于衡量两个对象（向量、集合、字符串等）之间的相似性或差异性。不同的距离函数适用于不同的数据类型和业务场景，以下是常见距离函数的总结，按应用场景分类整理：

机器学习-数据标注基于少样本量的有标注的数据和大样本量的无标注的数据对无标注的数据做以下假设：训练模型并预测无标注的数据，保留特别置信的标注数据加入数据集，并进行迭代

自动驾驶中的传感器技术46——Radar（7）卫星雷达（又称为分布式雷达）主要讲当前雷达的雷达信号处理计算以及雷达目标相关的一些感知算法都迁移到中央域控进行，雷达端基本只负责数据采集，这样做的影响如下：

limengshi138392

机器学习面试：请介绍几种常用的学习率衰减方式学习率衰减（ Learning Rate Decay）是指在训练过程中逐渐降低学习率的策略。通过衰减学习率，可以在训练的早期阶段使用较大的学习率以快速收敛，然后逐渐降低学习率以细化参数更新并提高模型的泛化能力。

救救孩子把

2-机器学习与大模型开发数学教程-第0章预备知识-0-2 数列与级数（收敛性、幂级数）在前一节我们聊过集合与逻辑，它们像是数学的“语法规则”。这一节我们要进入“数列与级数”——这是数学中描述“无限”的重要工具。

如何在Anaconda中配置你的CUDA & Pytorch & cuNN环境（2025最新教程）目录一、简介二、下载CUDA三、下载Pytorch-GPU版本四、下载CUDNN五、总结六、测试代码啥是Anaconda?啥是CUDA?啥是CUDNN？它们和Pytorch、GPU之间有啥关系?

什么是机器学习？机器学习 (ML) 是许多重要技术的助力，从翻译应用到自动驾驶汽车，都离不开机器学习。机器学习提供了一种新的方式来解决问题、解答复杂问题和创建新内容。

合作小小程序员小小店

机器学习介绍机器学习介绍机器学习是人工智能的重要分支，它让计算机能像人类一样 “学习”。从定义看，对于给定任务 T，在合理性能度量方案 P 下，计算机程序可自主学习任务 T 的经验 E，且随着优质、大量经验 E 的积累，程序对任务 T 的性能会逐步提升。简单来说，就是计算机通过不断执行任务、积累经验，实现性能的优化。

深度学习实战指南：从神经网络基础到模型优化的完整攻略🌟 Hello，我是蒋星熠Jaxonic！ 🌈 在浩瀚无垠的技术宇宙中，我是一名执着的星际旅人，用代码绘制探索的轨迹。 🚀 每一个算法都是我点燃的推进器，每一行代码都是我航行的星图。 🔭 每一次性能优化都是我的天文望远镜，每一次架构设计都是我的引力弹弓。 🎻 在数字世界的协奏曲中，我既是作曲家也是首席乐手。让我们携手，在二进制星河中谱写属于极客的壮丽诗篇！

java1234_小锋

Scikit-learn Python机器学习 - 分类算法 - K-近邻(KNN)算法锋哥原创的Scikit-learn Python机器学习视频教程：https://www.bilibili.com/video/BV11reUzEEPH

回溯剪枝的 “减法艺术”：化解超时危机的 “救命稻草”(二)专栏：算法的魔法世界个人主页：手握风云目录一、例题讲解1.1. 电话号码的字母组合1.2. 括号生成1.3. 组合

剪一朵云爱着

一文入门：机器学习机器学习是一门让计算机在没有明确编程的情况下，从数据中自动学习经验并提升性能的学科。通俗的讲就是：如果你想教电脑识别猫，你不需要写规则去判断“猫有几个耳朵、几个胡须”；而是给它大量猫和非猫的图片，让它自己总结出“这像是猫”的特征。机器学习 ≈ “让计算机通过看例子来自己总结经验” 就像人类一样：如果你小时候看了很多苹果和橘子，你就能分辨两者；机器学习系统也是这样，只不过它“看”的是数据，用数学算法来学习。完整学术定义：一个计算机程序在完成某项任务T时，能够通过经验E使得其在性能评估指标P上

机器学习实战(一): 什么是机器学习在当今数字化的浪潮中，人工智能无疑是最引人注目的技术之一，而机器学习正是其核心驱动力。它不再是科幻电影中的遥远设想，而是已经渗透到我们日常生活的方方面面，从智能推荐到自动驾驶，从疾病诊断到金融风控。那么，究竟什么是机器学习？它又是如何让机器拥有“思考”的能力，并不断提升其智慧的呢？本文将带您深入浅出地探索机器学习的奥秘，揭示其核心概念、分类、项目流程、面临的挑战以及如何评估模型的“真才实学”。

【漫话机器学习系列】003.Agglomerative聚类Agglomerative 聚类（层次聚类中的自底向上方法）Agglomerative 聚类是一种层次聚类（Hierarchical Clustering）算法，采用自底向上的策略，将每个数据点看作一个单独的簇，然后逐步将相近的簇合并，直到满足停止条件。

Scikit-Learn 对糖尿病数据集（回归任务）进行全面分析糖尿病数据集，442个样本，10个特征（年龄、血压等），目标为疾病进展值该数据集为回归问题，需要使用回归分析方法进行分析

Scikit-learn 对加州房价数据集（回归任务）进行全面分析加利福尼亚房价数据集 fetch_california_housing，20640个样本，8个特征（人口、收入等），目标为房价中位数该数据集是一个回归问题，需要运用回归任务的分析方法进行分析

机器人逆运动学进阶：李代数、矩阵指数与旋转流形计算做机器人逆运动学（IK）的时候，你迟早会遇到矩阵指数和对数这些东西。为什么呢？因为计算三维旋转的误差，不能简单地用欧氏距离那一套，那只对位置有效。旋转得用另一套方法——你需要算两个旋转矩阵之间的差异，这就涉及到矩阵对数了。