机器学习

一只菜鸟学机器学习的日记：入门分布偏移本文以作者阅读《Dive into Deep Learning》为线索，融合串联了自身理解感悟、原始论文、优秀文章等。如有无意侵权，请联系本人删除。作者也只算是初学者，分享自己的理解心得，如有错误、误导，烦您指正！感激不尽！

深度学习：生成对抗网络（GAN）详解摘要：本文深入解析生成对抗网络（Generative Adversarial Network, GAN）的核心原理、训练机制与实际应用。通过类比“师生博弈”模型，直观理解 GAN 的对抗思想，并结合数学公式揭示其优化本质。

海边夕阳2006

【每天一个AI小知识】：什么是循环神经网络？目录🎯开篇：传声筒的秘密📚核心概念：让机器拥有"记忆"2.1 什么是循环神经网络？2.2 RNN的基本结构

DAY 19 数组的常见操作和形状Python 里没有原生的 “数组” 类型，我们通常说的数组操作指的是numpy库提供的numpy 数组（ndarray）—— 它是专门用来处理数值型数据的 “容器”，比 Python 普通列表更高效，支持多维数据和数学运算。

智能交通技术

iTSTech：自动驾驶技术综述报告 2025后台回复“251125”，可获得下载资料的方法。在全球科技革命与产业变革深度融合的当下，自动驾驶技术凭借其对交通体系的颠覆性潜力，成为汽车产业与信息技术领域交叉创新的核心焦点。它并非简单的 “车辆自动化”，而是通过融合人工智能、传感器技术、高精度定位、大数据与云计算等多领域前沿成果，构建起一套能够自主感知环境、决策行驶策略并精准控制车辆的复杂智能系统，旨在彻底摆脱对人类驾驶员的依赖，实现安全、高效、便捷的出行与运输模式。

大佬，救命！！！

更换适配python版本直接进行机器学习深度学习等相关环境配置(非仿真环境)上一篇最新的python3.14版本下仿真环境配置深度学习机器学习相关在仿真环境下配置的，但是运行效率没有直接合适版本的快，故而重新配置

致深度学习小白：一文理解拟合问题与经典解决方案本文以作者阅读《Dive into Deep Learning》为线索，融合串联了自身理解感悟、原始论文、优秀文章等。如有无意侵权，请联系本人删除。

C在机器学习中的ML.NET应用是一个开源的跨平台机器学习框架，专为.NET开发者设计。它于2018年由微软发布，旨在降低机器学习的入门门槛。通过，你可以处理各种任务，如分类、回归和聚类，而无需依赖外部库或语言切换。该框架内置了多种算法和工具，支持从数据加载到模型训练的全流程。例如，你可以使用C代码直接处理数据集，训练模型并进行预测，整个过程与Visual Studio或.NET Core无缝集成。这尤其适合企业级应用，因为它能轻松整合到现有的.NET系统中，提高开发效率。

甄心爱学习

数据挖掘-聚类方法聚类分析划分式方法层次式方法基于密度和基于网格的方法聚类结果的评价为了实现有效的聚类，可以采用哪些不同的相似度或距离度量？

机器学习日报21今天学习了K-means算法初始化和聚类数选择的关键问题。在初始化方面，我理解了随机选择k个训练样本作为初始聚类中心的方法，以及通过多次随机初始化来避免局部最优解的技巧。对于聚类数的选择，认识到这往往没有标准答案，需要根据数据特性和应用需求来判断。通过可视化不同k值下的聚类效果，我明白了肘部法则等选择聚类数的实用方法。

【机器学习】10 正则化 - 减小过拟合过拟合 Overfitting，通常也可以描述为 High Variance （高方差）欠拟合 Underfitting，通常也可以描述为 High Bias （但这个词也有很多别的用法）

增强城市数据分析：多密度区域的自适应分区框架原文: Enhancing Urban Data Analysis: Adaptive Partitioning Framework for Multidensity Regions 欢迎引用！

不去幼儿园

【启发式算法】灰狼优化算法（Grey Wolf Optimizer, GWO）详细介绍（Python）📢本篇文章是博主启发式算法领域学习时，用于个人学习、研究或者欣赏使用，并基于博主对相关等领域的一些理解而记录的学习摘录和笔记，若有不当和侵权之处，指出后将会立即改正，还望谅解。文章分类在👉启发式算法专栏：

大模型面试题5：矩阵(M*M)特征值分解的步骤特征值分解的核心是：把一个复杂的M×M矩阵A，拆成3个简单矩阵的乘积（A = PΛP⁻¹），其中：分解的本质是：找到矩阵A的“核心作用方向”（特征向量）和“每个方向上的缩放倍数”（特征值），把复杂的矩阵运算转化为简单的“缩放+坐标变换”。

极客BIM工作室

用LLM+CadQuery自动生成CAD模型：CAD-Coder让文本秒变3D零件你有没有过这样的经历？想画个法兰盘的CAD模型，得打开专业软件、调坐标系、画草图、做拉伸……步骤繁琐还得熟稔操作逻辑。现在，基于大语言模型（LLM）和CadQuery的CAD-Coder方案，能让你输入一段零件描述，直接生成可执行的CAD代码——今天我们就来拆解这个让CAD建模“动口不动手”的技术！

原子级制造的现状与未来！原子级制造正引领一场制造技术的范式革命，它旨在通过对单个原子或原子团簇进行精准操控，直接构造具有特定功能的材料和器件，被认为是制造技术的终极形态之一。当前，全球主要科技强国在此领域处于竞争与合作并存的“并跑”阶段，中国凭借前瞻布局和大科学装置建设，正积极抢占这一未来产业的制高点。

Box-Cox变换：机器学习中的正态分布“整形师“本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！

陈天伟教授

基于学习的人工智能（4）机器学习基本框架学习需要一个主体，就像人的学习需要大脑一样。这个主体本质上是一个可以随着学习不断更新的数据结构，从而实现对学习结果的累积，通常称为“模型”。

深度学习理论与实战：MNIST 手写数字分类实战深度学习的核心魅力之一，在于深层神经网络能处理复杂的多分类问题 —— 比如经典的 MNIST 手写数字识别。今天我们会从 “多分类问题的核心逻辑” 到 “深层神经网络实战代码”，把 MNIST 分类的全流程讲透，新手也能跟着跑通完整代码，理解深层网络的工作原理。

飞扬的风信子

RAG基础知识1. RAG定义RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合检索和生成技术的方法。2020年，Facebook AI Research(FAIR)团队发表名为《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》的论文，该篇论文首次提出了RAG概念。在大模型领域中，RAG特指一种模式：模型在回答问题或生成文本时，首先从广阔的文档库中寻找相关信息。然后，模型使用这些找到的信息来生成