- 综合排序
- 最热优先
- 最新优先
- 来自专栏算法与数据结构
机器学习方法
机器学习是人工智能的一个分支,包括从数据中自动创建模型的算法。从高层次上讲,机器学习有四种:监督学习、无监督学习、强化学习和主动机器学习。由于强化学习和主动机器学习相对较新,因此此类列表有时会省略它们。由于强化学习和主动机器学习相对较新,因此此类列表有时会省略它们。你也可以把半监督学习添加到列表中,也不算错。
62120发布于 2021-10-20 - 来自专栏程序员奇点
链式学习方法
具体来说，就是画出“领域分层图”和“细节分层图”。一开始你可能会觉得画不出来，这恰恰说明你对深度的理解还不够，而尝试画图本身就是一个梳理结构、强化认知的过程。
65450编辑于 2022-03-28 - 来自专栏嵌入式音视频
QT学习方法
1 .类的学习方法 第一步：从UI文件中，找到界面的类—QMainWindow 第二步：在Qt Creator工具中，找到“帮助”按钮，进入到帮助菜单界面，在选择"索引",在Look for:输入类名，
28920编辑于 2023-10-15 - 来自专栏用户2442861的专栏
神经网络与深度学习（4）：改进神经网络的学习方法
4. 学习率的选择 不同的代价函数应该搭配不同的学习率。 5. 在什么时候用交叉熵来替换二次代价函数？ 如果在输出神经元是S 型神经元时，交叉熵一般都是更好的选择。 4. 正则化的其他技术 （1）L1 规范化：是在未规范化的代价函数上加上一个权重绝对值的和。
89110发布于 2018-09-19 - 来自专栏SnailTyan
统计学习方法(一)——统计学习方法概论
统计学习方法概论 本文是统计学习方法（李航）第一章的学习总结。 统计学习的特点：(1)以计算机和网络为平台；(2)以数据为研究对象，是数据驱动的学科；(3)目的是对数据进行分析和预测；(4)以方法为中心，构建模型并应用模型进行分析和预测；(5)是概率论、统计学、信息论 4.统计学习的方法 统计学习分为监督学习（supervised learning）、非监督学习（unsupervised learning）、半监督学习(semi-supervised learning 统计学习方法包括模型的假设空间、模型选择的准则及模型选择的算法，称为统计学习方法的三要素，简称模型（model）、策略（strategy）和算法（algorithm）。 通常采用测试误差来评价学习方法的泛化能力，但这种方法依赖于测试数据，但数据较少时评价结果有可能不可靠。统计学试图从理论上对学习方法的泛化能力进行分析。
1.1K20发布于 2019-05-25 - 来自专栏闪电gogogo的专栏
《统计学习方法》笔记一 统计学习方法概论
实现统计学习方法的具体步骤如下： （1）得到一个有限的训练数据集合； （2）确定包含所有可能的模型的假设空间，即学习模型的集合； （3）确定模型选择的准则，即学习的策略； （4）实现求解最优模型的算法， 即学习的算法； （5）通过学习方法选择最优模型； （6）利用学习的最优模型对数据进行预测或分析。 标注常用的统计学习方法有：隐马尔可夫模型、条件随机场。 回归问题 回归用于预测输入变量和输出变量之间的关系，回归模型表示从输入变量到输出变量之间映射的函数，回归问题的学习等价于函数拟合。
88920发布于 2018-10-11 - 来自专栏iOSDevLog
《统计学习方法》笔记-统计学习方法概论-1
统计学习的定义、研究对象与方法 监督学习，这是本书的主要内容 统计学习方法的三要素 模型 策略 算法 模型选择 正则化 交叉验证 学习的泛化能力 生成模型与判别模型 监督学习方法的应用 分类问题 4．统计学习的方法 统计学习的方法是基于数据构建统计模型从而对数据进行预测与分析。 统计学习方法为主，特别是 监督学习方法，主要包括用于分类、标注与回归问题的方法。 5．统计学习的研究 统计学习方法（statistical learning method） 开发新的学习方法 统计学习理论（statistical learning theory） 探求统计学习方法的有效性与效率 1.3 统计学习三要素 统计学习方法都是由模型、策略和算法构成的，即统计学习方法由 三要素 构成，可以简单地表示为 方法＝模型＋策略＋算法 下面论述监督学习中的统计学习三要素。
71640发布于 2019-05-31 - 来自专栏刘笑江的专栏
在线学习方法概述
为了解决这个问题，在线最优化算法如 TG [1]、FOBOS [2]、RDA [3]、FTRL [4,5,6] 应运而生，下面将介绍、对比这些算法。 SGD 对于传统的在线学习方法 SGD，有更新规则 wi+1=wi−ηg(wi,zj)w_{i+1}=w_i - \eta g(w_i, z_j) wi+1=wi−ηg(wi,zj FTRL FTRL 是 McMahan 在 2010 提出 [4]，在 [5] 与 FOBOS RDA 对比，在 [6] 介绍了 Google FTRL 工程实践。 PDF [4] McMahan, H. Brendan, and Matthew Streeter.
1.1K40发布于 2018-05-28 - 来自专栏磐创AI技术团队的专栏
多核学习方法介绍
作者 | Walker 编辑 | 磐石 【磐创AI导读】：本文为SVM多核学习方法简介的续篇。想要学习更多的机器学习知识，欢迎大家点击上方蓝字关注我们的公众号：磐创AI。 SVM多核学习方法简介 通过上篇文章的学习，我们知道，相比于单个核函数，多核模型可以具有更高的灵活性。 多核学习方法根据不同的分类标准有不同的分类方式，按照多核函数的构造方法和特点的不同，可以将多核学习方法大致分成三大类别：合成核方法、多尺度核方法、无限核方法。 （4）局部多核学习 针对多核学习在整个输入空间中对某个核都是分配相同权值的问题, 利用一种选通模型 (Gating model) 局部地选择合适核函数, 提出了一种局部多核学习算法. 具体实现时,σ的取值可以借鉴 小波变换中尺度变化的规律, σ可由下式定义: 对多尺度核的学习方法： 很直观的思路就是进行多尺度核的序列学习. 多尺度核序列合成方法。
2.2K10发布于 2018-08-20 - 来自专栏hotarugaliの技术分享
统计学习方法
【注】学习笔记参考自《统计学习方法第二版》——李航。 1. 简介 统计学习方法由三要素构成，即：方法=模型+策略+算法。 2. 模型 统计学习首要考虑的问题是学习什么样的模型。
55120编辑于 2022-03-18 - 来自专栏刘笑江的专栏
在线学习方法概述
为了解决这个问题，在线最优化算法如 TG [1]、FOBOS [2]、RDA [3]、FTRL [4,5,6] 应运而生，下面将介绍、对比这些算法。 SGD 对于传统的在线学习方法 SGD，有更新规则 image.png 其中 image.png 是 image.png 对于 image.png 的次梯度。 FTRL-Proximal FTRL_Proximal 是 McMahan 在 2010 提出 [4]，在 [5] 与 FOBOS RDA 对比，在 [6] 介绍了 Google FTRL 工程实践。 PDF [4] McMahan, H. Brendan, and Matthew Streeter.
1.2K10发布于 2019-12-30 - 来自专栏九彩拼盘的叨叨叨
学习纲要：学习方法
寻找适合自己的学习方法，告别低效学习。 学习目标 发现适合自己的学习方法。 逐渐养成整理的习惯。 尝试克服拖延。 知道如何提问。 学习资源 学习方法目录 《学习之道》 《精进：如何成为一个很厉害的人》 习题 发现适合自己的学习方法。 整理归纳自己的知识库。如果你是前端，整理自己的前端知识树。 改掉一个坏习惯。 培养一个好习惯。
36210发布于 2018-08-24 - 来自专栏Android小知识
编程学习方法篇
学习方法总结 时间观念 比如我们上学时一节课45分钟，其实人的注意力真的是很难长时间集中的，所以你可以给自己定一个区间，过了这个区间可以放松一下，个人觉得时间这个东西，要么弄个表要么弄个沙漏，手机就算了
44830发布于 2020-02-13 - 来自专栏小明的博客
监督学习方法
可以看出，相较于简单的感知机模型，后两种模型的损失函数更加光滑，且对噪声数据比较明显（分类错误误差的增加比较多）
21610编辑于 2022-09-05 - 来自专栏零象限
Spring源码学习方法
4.调试源码 在学习 Spring 源码时，调试是一个非常有用的工具。通过调试源码，你可以更好地理解代码的执行过程和细节，从而更好地掌握 Spring 的实现方式。
96030编辑于 2023-03-27 - 来自专栏机器学习与统计学
《统计学习方法》极简笔记P4：朴素贝叶斯公式推导
朴素贝叶斯基本方法 通过训练数据集 学习联合概率分布P(X,Y)，即学习先验概率分布 条件概率分布 假设条件独立 然后根据学习到的模型计算后验概率分布，根据贝叶斯定理 条件概率带入，得 于是
1K20发布于 2019-08-21 - 来自专栏Michael阿明学习之路
监督学习方法总结
极大似然估计(或正则化的极大似然估计)，又可以看成是 极小化逻辑斯谛损失(或正则化的逻辑斯谛损失) 朴素贝叶斯模型、隐马尔可夫模型 的非监督学习也是 极大似然估计 或 极大后验概率估计，但这时模型含有隐变量 4.
1.1K20发布于 2020-07-13 - 来自专栏云原生实验室
个人学习方法分享
hi，大家好，今天来分享一下，我的一些学习经验，希望对大家学习有帮助 我的学习方法 学习计划 核心思想：把自己像产品一样打造，就像张一鸣经典语录：run company as a product 制定目标 4 . 计算机程序的构造和解释 ? 书中使用程序设计语言Lisp的方言Scheme来解释计算机科学的核心概念，包括抽象、递归、解释器以及元语言抽象。具体而微地由宏观到微观给出清楚地轮廓与脉络。 蜗窝科技，博客专注分享linux内核知识（偏嵌入式方向）, 很多文章都非常精华和透彻，值得内核学习者学习； 4. http://bbs.chinaunix.net/ ? 4. 保证产品可以快速上线，这类人最终会成为架构师或者负责人，比如求伯君，章文嵩，章亦春，张小龙，比尔盖茨，Ken Thompson，Fabrice Bellard，Linus Torvalds，Jeff Dean等； 4.
1.7K20发布于 2021-07-15 - 来自专栏强化学习专栏
深度学习方法的改进
文章分类在学习摘录和笔记专栏： 学习摘录和笔记（9）---《深度学习方法的改进》 深度学习方法的改进 1 深度学习的成功 深度学习的成功来自于以下 3 个要素： 一是数据：
45410编辑于 2024-12-03 - 来自专栏机器学习与统计学
统计学习方法：概述
这个系列是对李航写的《统计学习方法》的一个读书笔记。统计学习方法是我在机器学习领域的入门书籍。比起别的书这本相对简单一些。非常感谢李航的这本好书，把我带入了机器学习这个领域。 话又说回来，既然这是统计学习方法，那么我们就可以用概率来描述问题。这就牵扯到一些概率统计方面的知识了。学习统计学习方法要求读者有一定的概率思想。 方法 那么统计学习的方法指的是什么呢？ 这里所说的统计学习方法，不单单指某一个模型、某一个学习算法。这里的方法指的是一个机器学习解决方法。 对于统计学习方法李航先生有个很精炼的描述： 方法=模型+策略+算法 等式右边就是统计学习三要素。 可以说这直接就把统计学习方法抽象化了（有朝一日如果写个面向对象的统计学习方法包的话，可以考虑这个结构）。 模型 我们反复提到模型，模型到底是什么呢？
82620发布于 2019-04-10
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号