机器学习

过期的秋刀鱼！

机器学习-逻辑回归的成本函数的补充-推导逻辑回顾的成本函数是在输出0和1的两个函数是通过对数函数的变化平移来的先说预测1的成本函数我们要预测1那么说明，在输出0的时候成就就要无限大则得出结论要预测1 成本函数输入1的时候成本为0 成本函数输入0的时候成本无限大对数函数符合逻辑我们叫他-log(f)

AI大模型-核心概念-机器学习为避免一学就会、一用就废，这里做下笔记本文内容紧接前文-AI发展史从范畴看：机器学习是实现AI的一种途径，是一个专门的学科，除此之外，还有基于规则的专家系统、群体智能等其他途径从内涵看：机器学习，就是从数据中分析获得规律，并利用规律对未知数据进行预测、分类或者决策的过程。

FiLM FFT传统FiLM：FFT调和FiLM：这是FiLM用FFT调和的完整实现！ 🚀

机器学习&第三章注意：Logistic 回归名字带 “回归”，但它是分类模型，专门解决二分类问题（也可扩展到多分类），核心是输出样本属于正类的概率。

目标检测-机器学习-Hog+SVM附代码python）1、Hog特征提取过程步骤 1：预处理图像（标准化，提升鲁棒性） ①转灰度图：丢弃颜色信息（颜色对目标检测无核心帮助，还会增加计算量）。 ②Gamma 校正（可选）：对图像做灰度值非线性变换，抑制光照变化的影响（比如过亮、过暗区域的细节保留）。 ③裁剪或缩放：将图像块调整为 winSize（64x64）尺寸（对应训练 / 检测的窗口大小），保证特征提取的一致性。步骤 2：计算图像梯度（提取边缘 / 纹理信息，梯度能反映图像的边缘、纹理变化，目标的轮廓就是强梯度区域，这是 HOG 特征的核心来源） ①对

基于贝叶斯的评论分类实例首先，读取原始文本数据。本实验使用两个文本文件分别存储差评和好评数据：参数说明：中文文本分析首先需要进行分词处理，将连续的字符序列切分成有意义的词语单元：

明月照山海-

机器学习周报三十本周阅读了DreamText的论文，并尝试复现论文，虽然设备上很难达到，但是如果通过微调和量化，可以减小模型的参数、训练和推理时间，也是一项有意义的工作。

RAG 评估入门：Recall@k、MRR、nDCG、Faithfulness适用场景：企业知识库问答 / 课程资料问答 / 文档助手 / 内部制度查询 / 产品手册助手目标：把“感觉还行”的 RAG，变成“可量化、可对比、可迭代”的 RAG。

人工智能培训

10分钟了解向量数据库（4）3 向量检索算法4 主要开源向量数据库5 AI与向量数据库

MBHM_DATASET_GUIDEMBHM (Multimodal Bearing Health Management) 是首个专为轴承健康管理研究设计的多模态数据集，由 SIA-IDE 团队开发，相关论文发表于 AAAI-25 会议。

机器学习&第二章线性回归线性回归的核心：用 “直线 / 平面（线性）” 去拟合数据，预测连续的数值（比如房价、销量）。你可以把它想象成 “找一条最贴合所有数据点的直线”。

全栈小精灵

Winform入门本节课程由宠萌气质狗老师讲解如何在Visual Studio 2022中新建WinForm项目，并详细介绍了项目结构及其关键文件。视频中演示了如何选择.NET Framework框架创建项目，并深入分析了解决方案文件、项目文件、以及WinForm特有的Form1.cs和Form1.Designer.cs文件，最后解释了C#中“部分类”（partial class）的概念及其在WinForm开发中的应用。

机器学习&第四章支持向量机SVM（Support Vector Machine）是经典的二分类模型，核心思想是找一条 “最优分类线（超平面）”，让两类样本的间隔最大，泛化能力最强。

机器学习的一些基本知识经典定义：利用经验改善系统自身的性能构建一个可以从数据中学习的模型，并利用这个模型来进行预测或决策。最主要的应用在于研究只能数据分析的理论和方法，并成为智能数据分析技术的源泉之一。机器学习的基础理论概率近似正确学习：

做科研的周师兄

【MATLAB 实战】栅格数据 K-Means 聚类（分块处理版）—— 解决大数据内存溢出、运行卡顿问题大家好，我是专注于地理空间数据处理的博主。今天给大家带来一篇超高实用价值的 MATLAB 实战教程，针对栅格数据（遥感影像、DEM、气象栅格等）的 K-Means 聚类任务，解决大家在处理大数据时最头疼的内存溢出、运行卡顿、结果丢失地理参考三大核心问题，附带完整可直接落地的代码，看完就能复刻运行！

机器学习&第五章生成式生成器生成式分类器是分类模型的两大分支之一，核心是先学习数据的概率分布，再基于分布进行分类。与之相对的是判别式分类器，两者的思路差异是理解分类模型的关键。

机器学习&第一章机器学习本质就是让计算机像人一样从经验（数据）中学习规律，不用我们手动写死规则。根据 “学习时有没有标准答案”，分为三大类：

AI大模型-机器学习-算法-线性回归为避免一学就会、一用就废，这里做下笔记目标输出f(x)f(x)f(x)的值域如果是预设的枚举值，则为分类，如果是非预设的连续值，则是回归示例： 1、任务的目标是根据照片分辨是猫还是狗，这是分类 2、任务的目标是根据K线图预测股票价格，这是回归

Birch聚类算法Birch（Balanced Iterative Reducing and Clustering using Hierarchies）是一种专为大规模数值数据设计的增量式、多阶段聚类算法。它由 Zhang & Ramakrishnan 于 1996 年在 SIGMOD 提出，目标是在一次数据扫描内、有限内存下，快速生成一棵内存驻留的层次摘要树（CF-Tree），再基于该摘要执行最终聚类。核心思想：“先压缩，再聚类”。