极客教程
神经网络和逻辑回归的区别
神经网络和逻辑回归的区别 神经网络和逻辑回归是重要的机器学习技术，可以帮助解决各种分类和回归问题。由于它们在进行预测时的准确性和处理各种数据类型的适应性，因此这些模型已经变得越来越流行。例如，神经网络在图像识别和自然语言处理等领域非常有用，...
机器学习
机器学习(Machine Learning, ML)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
它是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域，它主要使用归纳、综合而不是演绎。
生成模型与判别模型的区别
生成模型与判别模型的区别 两种主要的机器学习范例，即生成模型和判别模型，在许多领域广泛应用。换句话说，判别模型关注划分多个数据类别的边界建模，而生成模型则寻求捕捉数据的潜在分布。数据科学家和机器学习专家必须了解这两种类型的模型之间的区别，以...
人工智能和人类智能的区别
人工智能和人类智能的区别 人工智能（AI）和人类智能是两个不同的概念，常常被比较和对比。AI是一个快速发展的领域，旨在开发能够执行通常需要人类智能的任务，如学习、推理、解决问题和感知的机器。另一方面，人类智能是人类的认知能力，使他们能够理解...
L1和L2正则化之间的区别
L1和L2正则化之间的区别 正则化是一种机器学习策略，可以避免过度拟合。当一个模型对训练数据拟合得太好、太复杂，但在未观察到的数据上却不能充分地发挥作用时，就会发生过度拟合。模型的损失函数被正则化，包括一个惩罚项，这有助于防止参数增长失控并...
归纳性学习和演绎性学习之间的区别
归纳性学习和演绎性学习之间的区别 简介 在被称为机器学习的人工智能领域，开发出的算法可以从数据中学习，并在没有明确编程的情况下做出判断或预测。归纳学习和演绎学习是机器学习中使用的两种主要方法。虽然这两种策略都可用于建立依靠数据进行选择或预测...
机器学习 为什么时间序列在分析前必须是静止的
机器学习 为什么时间序列在分析前必须是静止的 时间序列分析是一种有效的方法，用于识别和预测随时间收集的数据的趋势。时间序列中的每个数据点都代表一个特定的时间点，而数据是随着时间的推移而收集的。时间序列数据的例子包括股票价格数据、天气信息和网...
机器学习 什么时候使用高斯混合模型
机器学习 什么时候使用高斯混合模型 高斯混合模型（GMM）是一个统计框架，它假设基础数据是由几个高斯分布组合产生的。这种概率模型决定了数据的概率密度函数。 GMM的多功能性是其主要优势。GMM可以用来对不同的数据类型和分布进行建模。它可以处...
机器人技术和信息处理中的顺序预测问题
机器人技术和信息处理中的顺序预测问题 顺序预测问题涉及根据前面的数值对一系列数值中的下一个数值进行预测。一些领域，包括机器人学、自然语言处理、语音识别、天气预报和股票市场预测等等，都可能面临这些困难。根据过去的状态、事件或结果来预测未来的状...
机器学习 时间序列算法在数据科学中的作用
机器学习 时间序列算法在数据科学中的作用 为了识别和预测随时间收集的数据的趋势，时间序列分析是一种有力的技术。时间序列中的每个数据点都代表了一个不同的时间点，并随着时间的推移而收集。股票价格、天气信息和网站流量是时间序列数据的几个例子。在各...
机器学习 在传输和加载过程中可能损害数据的风险
机器学习 在传输和加载过程中可能损害数据的风险 数据从一个地方转移到另一个地方，并加载到数据库或另一个系统进行存档和分析，被称为数据传输和加载。这个过程可能需要在两个地方之间进行物理传输，如使用USB驱动器，或通过互联网等网络进行数据通信。...
机器学习 如何评估一个好的逻辑模型
机器学习 如何评估一个好的逻辑模型 逻辑模型是一个预测发生概率的统计框架。这些模型通常用于包括银行业、医疗保健和市场营销等行业，以协助重要的商业决策。这些模型必须是精确和可靠的，因为从它们得出的结果可以极大地影响一个项目或业务的结局。 评估...
机器学习 缺失数据的处理是如何使选择偏倚恶化的
机器学习 缺失数据的处理是如何使选择偏倚恶化的 在一些研究领域，如统计学、流行病学和机器学习，数据缺失是一个主要问题。众多因素，如调查无响应，测量问题，或数据输入不正确，都可能导致它。虽然归类和最大似然估计是处理缺失数据的替代方法，但它们可...
机器学习 哪种评价指标最适合于线性回归
机器学习 哪种评价指标最适合于线性回归 简介 在机器学习中，线性回归是用于线性类型数据的最佳算法之一，它同样可以返回非常准确的预测结果。尽管在用任何算法训练一个模型之后，都有必要检查该算法的性能，以了解该模型的表现，以及需要哪些东西来改进该...
机器学习 检测给定数据集中异常情况的方法
机器学习 检测给定数据集中异常情况的方法 简介 异常是指在现有数据集中与其他观测值非常不同的数值或数据观测值，在建立机器学习模型时，检测和处理异常是至关重要的，因为传递给模型的数据质量应该足够公平，值得信赖。人们认为，高质量的数据集可以提供...
机器学习 模型验证
机器学习 模型验证 绪论 模型验证是一种技术，我们试图通过收集、预处理和向机器学习算法提供适当的数据来验证已经建立的模型。我们不能直接将数据送入模型，训练它并部署它。验证一个模型的性能或结果，以检查一个模型是否按照我们的期望执行，是至关重要...
机器学习中的最大似然
机器学习中的最大似然 绪论 最大似然是一种常用于密度估计问题的方法，其中定义了一个似然函数以获得分布数据的概率。学习和理解最大似然的概念是非常必要的，因为它是学习其他高级机器学习和深度学习技术和算法的主要和核心概念之一。 在这篇文章中，我们...
机器学习中的超参数调控
机器学习中的超参数调控 简介 机器学习中的超参数调整是一种技术，我们通过调整或改变现有模型或算法的默认参数来实现更高的准确率和更好的性能。有时，当我们使用算法的默认参数时，它并不适合现有的数据，因为数据可以根据问题的陈述而变化。在这种情况下...
线性回归的假设–同方差性
线性回归的假设–同方差性 简介 线性回归是机器学习中最常用和最简单的算法之一，它有助于预测几乎所有类型的问题陈述中的线性数据。尽管线性回归是一种参数化的机器学习算法，但该算法对数据进行了某些假设，以使预测更快、更容易。同质性也是...
什么是结构化和非结构化数据
什么是结构化和非结构化数据 简介 在机器学习中，数据及其质量是影响机器学习模型训练和部署的性能和其他参数的最关键参数之一。人们认为，如果向一个表现不佳的机器学习算法提供高质量的数据，那么该算法就很有可能获得比以往更好的表现，反之亦然。 在这...
如何从数据集中选择重要变量
如何从数据集中选择重要变量 简介 在机器学习中，数据特征是最能影响模型性能的参数之一。数据的特征或变量应该具有足够的信息量，并能提供给机器学习算法，因为人们注意到，如果提供的数据量再少，质量再好，模型也能表现得最好。 传统的机器学习算法在得...
如何阅读机器学习论文
如何阅读机器学习论文 简介 机器学习和深度学习是当前行业形势下的新兴技术。有很多与该行业相关的工作，并对目前的世界商业格局产生了重大影响。有很多人正试图进入这个领域，并希望从中受益。 为了掌握一个领域，有必要了解最新的研究工作和最近几天发生...
分类变量和连续变量之间的相关性
分类变量和连续变量之间的相关性 简介 在机器学习中，数据和关于其行为的知识是一个人在处理任何类型的数据时应该拥有的基本东西。在机器学习中，不可能有相同参数和行为的数据，所以必须进行一些预训练阶段，也就是说，在训练模型之前，有必要对数据有一些...
纳米技术和人工智能的区别
纳米技术和人工智能的区别 人工智能和纳米技术在开发现实世界的应用方面合作良好。这两种技术在今天都是新技术；许多人将人工智能和纳米技术视为科幻小说。如果这两种技术紧密联系在一起，我们就能产生更强大的人工智能。人们不可能花一天时间不使用智能手机...
同时进行定位和测绘
同时进行定位和测绘 简介 同步定位和绘图或SLAM是一种方法，让我们建立一个地图，并同时在该地图上定位我们的车辆。SLAM算法用于未知环境的测绘和同步定位。 SLAM是如何发挥作用的 工程师可以利用SLAM来避开障碍物，也可以利用它们来进行...
对数赔率在逻辑回归中的作用
对数赔率在逻辑回归中的作用 简介 逻辑回归是一种统计方法，根据一个或多个独立变量之间的关系来预测因果数据变量。它利用对数几率，在逻辑函数的帮助下，预测事件发生的概率。它是一种分类方法。 什么是对数概率，为什么它们对逻辑回归有用 Logist...
Python中的局部加权线性回归
Python中的局部加权线性回归 本地加权线性回归是一种非参数方法/算法。在线性回归中，数据应该是线性分布的，而局部加权回归则适用于非线性分布的数据。一般来说，在局部加权回归中，离查询点较近的点比离查询点较远的点获得更多的权值。 参数化和非...
鲸鱼优化算法的实现
鲸鱼优化算法的实现 简介 鲸鱼优化算法是一种解决数学和机器学习中优化问题的技术。它是基于座头鲸的行为，它使用了座头鲸在海洋中搜索猎物、包围猎物和锻造气泡网行为等运算符。它是由Mirjalili和Lewis在2016年提出的。 在这篇文章中，...
使用MobileNet的图像识别
使用MobileNet的图像识别 简介 用图像识别一个物体或特征的过程被称为图像识别。图像识别在不同的领域都能找到它的位置，无论是医学成像、汽车、安全还是检测缺陷。 什么是MobileNet，为什么它如此受欢迎？ MobileNet是使用深...
如何用机器学习提高用户体验
如何用机器学习提高用户体验 简介 用户体验（UX）是指个人或用户与产品、服务或系统的互动方式，包括从使用的便利性，以及它的实用性到效率的一切。今天，机器学习可以通过建模、定制、聚类和隔离来提供直观的用户体验。在这篇文章中，让我们来看看机器学...
如何计算监测数据的百分比
如何计算监测数据的百分比 简介 监测在线系统，尤其是数据密集型的系统，对于持续的健康检查、分析和检测停机时间以及提高性能是极其重要的。基于百分位数的方法是一种非常有效的技术来衡量这种系统的行为。让我们来看看这个方法。 一般复习 什么是百分位...