机器学习

【第二章:机器学习与神经网络概述】04.回归算法理论与实践 -(4)模型评价与调整（Model Evaluation & Tuning）内容：MSE、MAE、R-squared等指标，交叉验证与模型调参。机器学习中的回归任务需要定量地评价模型性能，并通过系统性的调整手段优化模型表现。本节涵盖最常用的评价指标与调参方法。

Python 机器学习核心入门与实战进阶 Day 3 - 决策树 & 随机森林模型实战运行输出：

PageRank：互联网的马尔可夫链平衡态本文由「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！

我就是全世界

TensorRT-LLM：大模型推理加速的核心技术与实践优势大型语言模型推理就像让一头300公斤的大熊猫玩平衡木——显存消耗和计算效率这对双胞胎问题随时可能让表演翻车。以主流的7B参数模型为例，FP16精度下仅模型权重就吃掉14GB显存，这还没算上推理过程中不断膨胀的KV Cache——当处理2048长度的对话时，显存占用会像吹气球般再膨胀30-50%，让大多数消费级GPU直接"窒息"。

.30-06Springfield

决策树（Decision tree）算法详解（ID3、C4.5、CART）决策树是一种树形结构的监督学习算法，其核心思想是通过一系列条件判断对数据进行分类，就像人类在做决策时的逻辑判断过程。

DAY 48 CBAM注意力目录cbam模块介绍cnn+cbam训练知识点回顾：cbam注意力之前我们介绍了se通道注意力，我们说所有的模块本质上只是对特征进一步提取，今天进一步介绍cbam注意力

摸爬滚打李上进

重生学AI第十六集：线性层nn.Linear今天学习nn.Linear（线性层），也叫全连接层，我们在卷积层通过卷积操作获取图像特征，然后在线性层，将图像特征转化为最终的输出结果，在图像分类任务中，就是每个类别的打分，后续在输出层，根据打分来输出每个类别的概率。

【零基础学AI】第21讲：TensorFlow基础 - 神经网络搭建入门想象你要盖房子：TensorFlow就是Google开发的"AI积木工厂"，它提供了：预期输出：张量就是多维数组，就像不同形状的盒子：

asyxchenchong888

ChatGPT、DeepSeek等大语言模型助力高效办公、论文与项目撰写、数据分析、机器学习与深度学习建模随着人工智能技术的快速发展，大语言模型如ChatGPT和DeepSeek在科研领域的应用正在为科研人员提供强大的支持。这些模型通过深度学习和大规模语料库训练，能够帮助科研人员高效地筛选文献、生成论文内容、进行数据分析和优化机器学习模型。

【NLP入门系列五】中文文本分类案例博主简介：努力学习的22级本科生一枚 🌟；探索AI算法，C++，go语言的世界；在迷茫中寻找光芒🌸 博客主页：羊小猪~~-CSDN博客内容简介：这一篇是NLP的入门项目，中文文本分类案例。 🌸箴言🌸：去寻找理想的“天空“”之城上一篇内容：【NLP入门系列四】评论文本分类入门案例-CSDN博客 💁💁💁💁: NLP数据格式的构建确实比较难，这里卡住的主要是文本向量化的数据格式。

睿尔曼系列机器人——以创新驱动未来，重塑智能协作新生态（上）在工业自动化与智能服务深度融合的浪潮中，协作机器人凭借其安全、灵活、易部署的特性，成为推动产业升级的核心力量。

李师兄说大模型

KDD 2025 | 地理定位中的群体智能：一个多智能体大型视觉语言模型协同框架今天跟大家分享一篇被KDD 25录用的多模态大模型智能体协同框架，该文章提出了一种多智能体大模型协作机制以及一种大模型智能体之间关系的动态学习策略，有效减少了大模型智能体之间冗余的交互次数，从而提高了系统的地理定位效率。具体而言，该论文参考审稿机制与流程来尽最大可能发挥不同大模型智能体对于不同地标的定位能力。同时，根据不同图像定位请求，自适应生成智能体社交网络结构，来规划哪些智能体之间的讨论可以产生对准确定位图像产生正面促进作用的结果。提出的框架在3个数据集上的实验表明，该框架表现显著优于其他目前最先进的

深层神经网络：原理与传播机制详解本文探讨的深层神经网络结构如下：前向传播是数据从输入层流向输出层的过程，计算步骤如下：第一隐藏层： Z [ 1 ] = W [ 1 ] X + b [ 1 ] Z^{[1]} = W^{[1]}X + b^{[1]} Z[1]=W[1]X+b[1] A [ 1 ] = g [ 1 ] ( Z [ 1 ] ) A^{[1]} = g^{[1]}(Z^{[1]}) A[1]=g[1](Z[1])

超龄超能程序猿

(1)机器学习小白入门 YOLOv：从概念到实践(1)机器学习小白入门YOLOv ：从概念到实践 (2)机器学习小白入门 YOLOv：从模块优化到工程部署

.30-06Springfield

人工智能概念之七：集成学习思想（Bagging、Boosting、Stacking）集成学习（Ensemble Learning）通过组合多个弱学习器提升模型性能。核心逻辑是：“三个臭皮匠胜过诸葛亮”，利用模型间的互补性降低误差。参与集成的模型需满足：

李宏毅机器学习笔记——梯度下降法基于仿生学的一种自成体系的机器学习算法，包括但不限于图像识别、语音、文本领域。作为深度学习算法种常用的优化算法

揭开预训练Pre-Training的力量：革新机器学习## 引言在不断发展的机器学习领域中，预训练已成为一项改变游戏规则的技术。它改变了我们构建和部署机器学习模型的方式，在广泛的任务中实现了显著的性能提升。从自然语言处理到计算机视觉，预训练已成为现代机器学习流程中不可或缺的一部分。这篇博客文章将深入探讨预训练的概念、其基本原理、不同类型的预训练方法、应用、挑战以及未来方向。

勤奋的大熊猫

机器学习中的 Agent 是什么？博主本人要开一个新坑了，主要分享机器学习相关的内容。本人越来越觉得机器学习将来会是 “传说级别” 的技术，因此，需要------跑步前进！

机器学习在智能建筑中的应用：能源管理与环境优化随着全球对可持续发展的关注不断增加，智能建筑作为节能减排的重要领域，正逐渐成为研究和应用的热点。智能建筑通过整合物联网（IoT）、大数据和机器学习等先进技术，能够实现能源管理的自动化和环境优化的智能化。机器学习技术在智能建筑中的应用尤为突出，尤其是在能源消耗预测、设备故障检测和室内环境优化方面。本文将探讨机器学习在智能建筑中的应用，并分析其带来的机遇和挑战。一、智能建筑中的能源管理（一）传统能源管理方法的局限性传统的建筑能源管理主要依赖于人工监控和简单的自动化系统，这些方法在处理复杂的能源消耗模式和