机器学习

Trustworthy Machine Learning稳健性（Robustness）：机器学习模型在面对数据噪声、分布变化或对抗性攻击时仍能维持其预测性能的能力。

K-均值聚类K-均值聚类是一种常用的无监督学习算法，用于将数据点划分为 K 个不同的类别。算法的步骤如下： 1. 选择 K 个初始的聚类中心点。 2. 将每个数据点分配到与其最近的聚类中心点所对应的类别。 3. 重新计算每个类别的中心点。 4. 重复步骤2和步骤3，直到聚类中心点不再发生变化，或者达到预定的迭代次数。

1.2 基于卷积神经网络与SE注意力的轴承故障诊断本博客来源于CSDN机器鱼，未同意任何人转载。更多内容，欢迎点击本专栏，查看更多内容。目录0 引言1 卷积神经网络故障诊断模型

无难事者若执

新手村：逻辑回归-理解03：逻辑回归中的最大似然函数假设我们有一个二分类问题，其中 N N N 个样本的数据集为 { ( x 1 , y 1 ) , ( x 2 , y 2 ) , … , ( x N , y N ) } \{(x_1, y_1), (x_2, y_2), \ldots, (x_N, y_N)\} {(x1,y1),(x2,y2),…,(xN,yN)}，每个样本 x i x_i xi 对应一个标签 y i ∈ { 0 , 1 } y_i \in \{0, 1\} yi∈{0,1}。

达柳斯·绍达华·宁

自动驾驶04：点云预处理03感知算法人员在完成点云的运动畸变补偿后，会发现一个问题：激光雷达发送的点云数据包中的点云数量其实非常少，完全无法用来进行后续感知和定位层面的处理工作。

IT从业者张某某

机器学习-04-分类算法-03KNN算法案例K近邻算法实现葡萄酒分类通过未知品种的拥有13种成分的葡萄酒，应用KNN分类算法，完成葡萄酒分类；熟悉K近邻算法应用的一般过程；

k近邻算法K-Nearest Neighbors（KNN）KNN算法的核心思想是“近朱者赤，近墨者黑”。对于一个待分类或预测的样本点，它会查找训练集中与其距离最近的K个样本点（即“最近邻”）。然后根据这K个最近邻的标签信息来对当前样本进行分类或回归。在分类任务中，通常是根据K个最近邻中出现次数最多的类别来确定待分类样本的类别；在回归任务中，则是根据K个最近邻的目标值的平均值来预测待预测样本的目标值。

线性判别分析（LDA）：降维与分类的完美结合在机器学习领域，线性判别分析（Linear Discriminant Analysis，简称LDA）是一种经典的算法，它在降维和分类任务中都表现出色。

大语言模型智体的综述：方法论、应用和挑战（下）25年3月来自北京大学、UIC、广东大亚湾大学、中科院计算机网络信息中心、新加坡南阳理工、UCLA、西雅图华盛顿大学、北京外经贸大学、乔治亚理工和腾讯优图的论文“Large Language Model Agent: A Survey on Methodology, Applications and Challenges”。

SwanLab Slack通知插件：让AI训练状态同步更及时在AI模型训练的过程中，开发者常常面临一个难题：如何及时跟踪训练状态？无论是实验超参数的调整、关键指标的变化，还是意外中断的告警，传统的监控方式往往依赖手动刷新日志或反复检查终端，这不仅效率低下，还可能因信息滞后导致资源浪费和决策延迟。

机器学习的一百个概念（5）数据增强本文隶属于专栏《机器学习的一百个概念》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！

蚍蜉撼树谈何易

机器学习的定义及分类机器学习（Machine Learning, ML）是人工智能（AI）的一个重要分支，旨在通过计算机系统的学习和自动化推理，使计算机能够从数据中获取知识和经验，并利用这些知识和经验进行模式识别、预测和决策。其核心思想是使用数据来训练计算机算法，使其能够自动地从数据中学习并改进自己的性能，而无需明确地编程。

量子退火与机器学习（2）：少量实验即可找到新材料，黑盒优化➕量子退火这篇文章是东京大学的一位博士生的毕业论文中的主要贡献。结合了黑盒优化和量子退火，是融合的非常好的一篇文章，在此分享给大家。

NLP高频面试题（二十八）——Reward model是如何训练的，怎么训练一个比较好的Reward model在强化学习领域，**奖励模型（Reward Model）是关键组件之一，旨在通过预测特定行为或输出的奖励值，指导智能体的学习方向。特别是在基于人类反馈的强化学习（RLHF）**中，奖励模型通过整合人类的偏好信息，帮助强化学习算法更有效地优化策略，使生成的内容更符合人类的期望。

nara wpe去混响学习笔记nara wpe git地址博客中demo代码下载参考论文NARA - WPE: A Python Package for Weighted Prediction Error Dereverberation in Numpy and Tensorflow for Online and Offline ProcessingNAR

人工智能、机器学习经典计算机课程以下是人工智能（AI）、机器学习（ML）和 AI 大模型相关的经典计算机课程，从入门编程、数学基础到深度学习、强化学习、自然语言处理（NLP）及 AI 领域实践等，适合不同阶段的学习者。

机器学习的一百个概念（6）最小最大缩放本文隶属于专栏《机器学习的一百个概念》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！

滴答滴答嗒嗒滴

用 Python 实现机器学习小项目：从入门到实战在人工智能蓬勃发展的今天，机器学习早已成为技术人绕不开的关键词。无论你是初学者还是转行者，学习一门编程语言并通过小项目实战，都是掌握机器学习的最佳方式。本文将以 Python 为编程语言，带你实现一个完整的机器学习小项目，帮助你从理论走向实践。