机器 行为 理论

前言 上一节大概讲了一下LeNet的内容，这一章就直接来用，实际上用一下LeNet来进行训练和分类试试。 调用的数据集： https://aistudio.baidu.com/datasetdetail/19065 说明： 如今近视已经成为困扰人们健康的一项全球性负担，在近视人群中，有超过35%的人 ......

from sklearn.cluster import KMeans from sklearn.datasets import make_blobs import matplotlib.pyplot as plt # 可视化数据 # 生成数据 n_samples = 200 n_clusters = ......

图像识别的技术前沿在于人工智能（AI）与机器学习（ML）的融合。这种融合使得图像识别系统能够从大量数据中自动学习并识别出各种模式，从而在复杂和动态的环境中实现更高的准确性和鲁棒性。 机器学习在图像识别中发挥着越来越重要的作用。传统的图像识别方法通常依赖于手工制作的特征提取和特征匹配，而机器学习则通过 ......

目录1. 剪枝2. CCP—代价复杂度剪枝（CART） 1. 剪枝 将子树还原成一个叶子节点： 是解决过拟合的一个有效方法。当树训练得过于茂盛的时候会出现在测试集上的效果比训练集上差不少的现象，即过拟合。可以采用如下两种剪枝策略。 前剪枝，设置超参数抑制树的生长， 例如:max_depth max_ ......

原文链接：https://tecdat.cn/?p=34754 原文出处：拓端数据部落公众号 分析师：Xingyu Lan 企业想要发展必须掌握政策的动向。本次研究把握政策的核心要点，利用Python强大的计算生态(pandas,Matplotlib,DataFrame,request_html.B ......

1、Hadoop是什么？ Hadoop是一个由Apache基金会所研发的分布式系统基础架构。主要解决海量数据存储和海量数据的分析计算问题。 2、Hadoop的特点？ （1）高可靠性：Hadoop底层维护多个数据副本，所以即使Hadoop某个计算元素或存储出现故障，也不会导致数据的丢失。 （2）高扩展 ......

1、什么是Hive？ Hive是基于Hadoop的一个数据仓库工具，它提供了类似SQL的查询语言来进行大规模的数据分析和处理。Hive将结构化的数据映射到Hadoop分布式文件系统（HDFS）上，并通过MapReduce任务执行查询操作。 2、数据模型有哪些？ 星形模式(Star Schema)：星 ......

1.docker安装 很多系统自带docker，可以跳过 2.拉取镜像 docker pull nvcr.io/nvidia/pytorch:22.12-py3 保证有足够磁盘空间，有些镜像要几十G，不然系统会出问题，看我另一篇博文 3.配置 创建一个名字为xxx的容器，运行镜像yyy docker ......

1. 什么是具身智能？ 具身智能通过在物理世界和数字世界的学习和进化，达到理解世界、互动交互并完成任务的目标。 具身智能是由“本体”和“智能体”耦合而成且能够在复杂环境中执行任务的智能系统。一般认为，具身智能具有如下的几个核心要素： 第一是本体，作为实际的执行者，是在物理或者虚拟世界进行感知和任务执 ......

前言 图像分类是根据图像的语义信息对不同类别图像进行区分，是计算机视觉的核心，是物体检测、图像分割、物体跟踪、行为分析、人脸识别等其他高层次视觉任务的基础。图像分类在许多领域都有着广泛的应用，如：安防领域的人脸识别和智能视频分析等，交通领域的交通场景识别，互联网领域基于内容的图像检索和相册自动归类， ......

算法分析与设计 第十次理论作业 目录算法分析与设计 第十次理论作业一. 填空题（共1题，20分）二. 判断题（共3题，60分）三. 单选题（共1题，20分） 一. 填空题（共1题，20分） (填空题) 根据本课程的学习内容，列举出一种既可以用动态规划算法、也可以用回溯法和分支限界法求解的问题：___ ......

算法分析与设计 第九次理论作业 目录算法分析与设计 第九次理论作业一. 单选题（共3题，30分）二. 填空题（共5题，50分）三. 简答题（共1题，20分） 一. 单选题（共3题，30分） (单选题, 10分) 优先队列通常采用（ ）来实现。 A. 栈 B. 堆 C.队列 D.二叉查找树 正确答案: ......

算法分析与设计 第八次理论作业 目录算法分析与设计 第八次理论作业一. 单选题（共1题，10分）二. 填空题（共3题，30分）三. 判断题（共3题，30分）四. 简答题（共1题，30分） 一. 单选题（共1题，10分） (单选题, 10分) 关于装载问题，以下叙述不正确的是（）。 A. 装载问题是一 ......

算法分析与设计 第七次理论作业 目录算法分析与设计 第七次理论作业一. 单选题（共2题，20分）二. 填空题（共8题，80分） 一. 单选题（共2题，20分） (单选题) 回溯法在搜索解空间树时所采取的策略是（ ）。 A. 广度优先加剪枝 B. 活结点优先 C. 深度优先加剪枝 D. 优先级高的结点 ......

算法分析与设计 第六次理论作业 目录算法分析与设计 第六次理论作业一. 单选题（共4题，50分）二. 填空题（共3题，37.5分）三. 简答题（共1题，12.5分） 一. 单选题（共4题，50分） (单选题) 关于哈夫曼算法的正确性，以下叙述中正确的是（ ）。 A.最优前缀码问题只满足贪心选择性质， ......

一、性能测试理论知识 1、常用的七种性能测试方法 (1) 后端性能测试：其实，你平时听到的性能测试，大多数情况下指的是后端性能测试，也就是服务器端性能测试。后端性能测试，是通过性能测试工具模拟大量的并发用户请求，然后获取系统性能的各项指标，并且验证各项指标是否符合预期的性能需求的测试手段。 (2) ......

算法分析与设计 第五次理论作业 一. 单选题（共5题，50分） (单选题) 贪心算法的基本要素是（ ）。 A.最优子结构性质与贪心选择性质 B.重叠子问题性质与贪心选择性质 C.最优子结构性质与重叠子问题性质 D.最优子结构性质和递归性质 正确答案: A:最优子结构性质与贪心选择性质; (单选题) ......

前言 这里实际上涉及到了挺多有关有关理论的东西，可以详细看一下paddle的官方文档。不过我这里不过多的谈有关理论的东西。 【低层视觉】低层视觉中常见的卷积核汇总 图像处理中常用的卷积核 在代码中，我们实际上是用不同的卷积核来造成不同的影响，我这里也是paddle中对于卷积核的几个比较简单的应用。 ......

想要理解为什么人们会债务缠身，你不必研究银行利率，而应该研究关于人类的贪婪、不安全感和乐观主义的历史；想要理解为什么人们会在熊市的最低点将股票卖出，你不必从数学角度研究未来预期回报，而应该想想一名投资者面对着家人，心里盘算着自己的投资行为是否会危及他们未来生活时的那种煎熬。我很喜欢伏尔泰的一句话：“ ......

如何使用群机器人 在终端某个群组添加机器人之后，创建者可以在机器人详情页看的该机器人特有的webhookurl。开发者可以按以下说明a向这个地址发起HTTP POST 请求，即可实现给该群组发送消息。下面举个简单的例子.假设webhook是：https://qyapi.weixin.qq.com/c ......

目录1. 决策树2. 举个例子 计算信息增益2. 信息熵与Gini指数关系 1. 决策树 决策树是属于有监督机器学习的一种，起源非常早，符合直觉并且非常直观， 模型生成：通过大量数据生成一颗非常好的树，用这棵树来预测新来的数据 预测：来一条新数据，按照生成好的树的标准，落到某一个叶子节点上 决策树的 ......

前言 我们之前不是说了有关梯度下降公式的事嘛，就是那个 这样梯度下降公式涉及两个问题，一是梯度下降的策略，二是涉及到参数的选择，如果我们选择固定步长的时候，就会发现我们求的值一直在最小值左右震荡，很难选择到我们期望的值。 假设上图中，x0为我们期望的极小值，yB = xA - yA'xA的时候，xB ......

前言 我们之前用的是均方差作为我们神经网络的损失函数评估值，但是我们对于结果，比如给定你一张应该是0的照片，它识别成了6，这个时候这个均方差表达了什么特别的含义吗？显然你识别成6并不代表它比识别成1的情况误差更大。 所以说我们需要一种全新的方式，基于概率的方案来对结果进行规范。也就是我们说的交叉熵损 ......

大家好，我是老章，刷X看到一位博主Alif Hossain⚡@alifcoder总结了微软的一些公开课，全部免费，蛮不错的。感兴趣可以学一波，还能领徽章。 1. 机器学习简介 本课程是学习机器学习基础知识和用例的好方法。 → 11 个模块 → 2.5 小时 → 适合初学者 → 免费徽章 链接: ht ......

微软真是活菩萨，面向初学者的机器学习、数据科学、AI、LLM课程统统免费 大家好，我是老章 推荐几个质量上乘且完全免费的微软开源课程 面向初学者的机器学习课程 地址：https://microsoft.github.io/ML-For-Beginners/#/ 学习经典机器学习，主要使用 Sciki ......

概述 机器学习是什么 与人工智能的关系 机器学习 是 人工智能 的一个实现途径 人工智能 是用机器来模仿人类学习以及其他方面的智能 定义 机器学习 是从数据中自动分析获得 模型 ，并利用 模型 对未知数据进行 预测 解释 我们人从大量的日常经验中归纳规律，当面临新的问题的时候，就可以利用以往总结的规 ......

为了更好的阅读体验，建议移步至笔者的博客阅读：认识机器学习 生活中的问题1：居民家庭生活用气价格 北京燃气小程序在线咨询，查询北京居民家庭生活用气价格 上图价格梯度，可以由文字转换成表格： 第一档用气量为0-350（含）立方米，气价为2.61元/m³； 第二档用气量在350-500（含）立方米之间， ......

前言 前段时间刷短视频看到过别人用摄像头自动化监控员工上班状态，比如标注员工是不是离开了工位，在位置上是不是摸鱼。虽然是段子，但是这个是可以用识别技术实现一下，于是我在网上找，知道发现了 SlowFast，那么下面就用 SlowFast 简单测试一下视频的行为识别。 工具简介 YOLO YOLO 是 ......

专有名词概念 标签（Labels）：预测列，需要预测的内容 特征（Features）：用于帮助预测标签的列 模型（Model）：模型是通过训练数据学习到的机器学习算法。它可以用来预测未知数据的标签 官方地址：ML.NET |专为 .NET 设计的机器学习 (microsoft.com) 准备环境 必 ......

训练神经网络的基本原则 当训练好了一个最初的神经网络 首先问 这个算法是否有高偏差？？？ 也就是是不是欠拟合 如果是高偏差： 解决高偏差，要么换更大的网络，要么延长训练的时间，（找更好的网络） 等到做完了这些，再判断这个算法是否有高偏差，直到在训练集上能够拟合好数据， 然后问 这个算法是否有高方差？ ......