机器学习

三块可乐两块冰

【第二十六周】机器学习笔记二十五摘要本周学习了机器学习人为攻击的知识点，为了欺骗模型，攻击者会对数据进行处理以此达到目的，本周学习了攻击者是如何进行处理数据的。

[机器学习-从入门到入土] 特征选择知乎：https://www.zhihu.com/people/byzh_rcCSDN：https://blog.csdn.net/qq_54636039

机器学习——K-means聚类K-means是一种基于距离的划分聚类方法，通过迭代将数据划分为K个簇。核心思想是使簇内样本的平方误差最小化。算法流程包括初始化聚类中心、分配样本到最近中心、重新计算中心位置，直到收敛。

【文献阅读】Half-Quadratic Quantization of Large Machine Learning Modelshttps://dropbox.github.io/hqq_blog/https://github.com/dropbox/hqq

【推荐系统】深度学习训练框架（二十三）：TorchRec端到端超大规模模型分布式训练+推理实战在大规模推荐系统中，模型参数量通常达到数十亿甚至数百亿，单GPU无法容纳。TorchRec的DistributedModelParallel (DMP) 通过将模型分片到多个GPU上，解决了这一挑战。但这也带来了分布式检查点和推理部署的新问题。

人工智能之核心基础机器学习第七章监督学习总结第七章监督学习总结监督学习解决两类问题：✅ 所有以下算法均可用于分类或回归（部分需变体），但各有侧重。

大数据-203 scikit-learn 决策树剪枝参数：max_depth/min_samples_leaf 到 min_impurity_decrease限制树的最大深度是决策树剪枝中最常用的参数之一，主要用于控制树的生长规模，防止模型过拟合。具体做法是设定一个最大深度阈值，当树的生长达到这个深度时就会停止继续分裂。

机器学习28：增强式学习（Deep Reinforcement Learn）③本周的学习重点是增强式学习（Reinforcement Learning, RL）中的Actor-Critic方法。主要深入讲解Actor-Critic框架的核心原理、优势函数的计算、Critic的价值估计方式，以及如何结合Actor和Critic来提升策略学习的稳定性和效率。并且重点围绕Actor-Critic的核心内容展开总结，包括价值函数估计（Monte Carlo vs. Temporal Difference）、优势函数的定义与作用、Actor-Critic的整体框架、训练细节，以及相关扩展如奖

V搜xhliang0246

基于欠采样的影像组学机器学习模型术前预测子宫肌瘤高强度聚焦超声消融效果基于欠采样的影像组学机器学习模型术前预测子宫肌瘤高强度聚焦超声消融效果一、研究背景与临床问题1.1 HIFU治疗子宫肌瘤的临床挑战

【论文速递】2025年第49周(Nov-30-Dec-06)(Robotics/Embodied AI/LLM)中文使用 googletrans 翻译，翻译不对的地方以英文为准Large language models (LLMs) have fundamentally transformed automated software development by enabling direct translation of natural language descriptions into functional code, driving commercial adoption through tools like

最小二乘 (Ordinary Least Squares, OLS) 线性回归想象一下，你想预测房价：根据房子的面积来估算价格。你收集了一些数据，比如不同面积的房子和它们的实际售价。这些数据点在图上看起来像是一堆散点。如果你能画一条直线，让它尽可能“贴近”这些点，这条线就能帮你预测新房子的价格。这就是线性回归的基本想法。

[机器学习-从入门到入土] 模型评估与选择知乎：https://www.zhihu.com/people/byzh_rcCSDN：https://blog.csdn.net/qq_54636039

[机器学习-从入门到入土] 神经网络知乎：https://www.zhihu.com/people/byzh_rcCSDN：https://blog.csdn.net/qq_54636039

七轴协作机器人运动学正解计算方法给定关节角向量： θ = [θ₁, θ₂, θ₃, θ₄, θ₅, θ₆, θ₇]ᵀ目标：计算末端执行器相对于基座坐标系的位姿，表示为齐次变换矩阵 ⁿ⁰T₇（即从坐标系 0 到坐标系 7 的变换）。

机器学习-线性回归学习目标：1.理解线性回归是什么？2.知道一元线性回归和多元线性回归的区别3.知道线性回归的应用场景假若有了身高和体重数据，来了播仔的身高，你能预测播仔体重吗?

机器学习试题总结目录一.选择题二.填空题三.判断题四.简答题总结自以下试题：(7 封私信) 机器学习笔试100题完全解析 - 知乎

未来之窗软件服务

幽冥大陆(九十一 ) 办公用品识在线检测模型netron —东方仙盟练气期在科技与传统认知交织的当下，机器学习模型的训练恰似东方仙盟弟子的修炼之路 —— 数据源是修炼的 “灵脉矿石”，Python 代码是 “修炼心法”，Win7 环境则是稳固的 “修炼洞府”，唯有步步为营、循法修炼，方能练就 “办公用品精准识别” 的绝世神通。本文将详细拆解在 Win7 系统中，如何用 Python 搭建办公用品识别模型，从数据源准备到代码实现，全程贯穿仙盟修炼与科技的融合思维。

人工智能之核心基础机器学习第六章朴素贝叶斯第六章朴素贝叶斯贝叶斯定理告诉我们：在看到某些证据后，如何更新对某件事发生的信念（概率）。公式如下：

国家税务总局中文点选验证码识别2026年元旦节，国家税务总局中文点选验证码居然又更新了。这次更新对识别还是有很大的影响。1、文字的位置变得随机

线性代数学习笔记（未完结）含有 \(n\) 个未知量、\(m\) 个方程的线性方程组称为 \(m \times n\) 线性方程组(或 \(n\) 元线性方程组)，形式：