随笔分类 -  机器学习

摘要:图神经网络(GNN)在多模态数据整合方面有着广泛的应用,主要是因为GNN能够有效地捕捉各种模态之间的复杂关系和依赖。以下是GNN在多模态数据整合中几种常见的用途和应用场景: 1. 社交网络分析 场景:社交网络中的数据通常包含多种模态的信息,如用户的文本、图像、视频、社交关系等。 应用: 社区发现:G 阅读全文
posted @ 2024-06-24 13:40 管道工人刘博 阅读(232) 评论(0) 推荐(0) 编辑
摘要:递归神经网络(RNN)和Transformer是两种广泛应用于序列数据处理的神经网络架构,它们在设计原理、应用场景以及性能表现上有显著的区别和联系。 RNN(Recurrent Neural Network) 基本概念 RNN是一种能够处理序列数据的神经网络,每个时刻的输出依赖于当前输入和前一个时刻 阅读全文
posted @ 2024-06-24 09:48 管道工人刘博 阅读(258) 评论(0) 推荐(0) 编辑
摘要:在机器学习项目中,将原始数据集划分为训练数据集和测试数据集是非常重要的一步。这个划分比例会影响模型的训练效果和对未来数据的泛化能力。虽然没有固定的规则,但有一些建议和常见做法可以参考: 常见的划分比例 70%训练 / 30%测试:这是一个较为传统的划分比例,被广泛应用于各种机器学习项目中。这种比例在 阅读全文
posted @ 2024-05-21 13:21 管道工人刘博 阅读(879) 评论(0) 推荐(0) 编辑
摘要:随机森林是一种基于决策树的集成学习方法,其基本思想是通过构建多个决策树来进行分类和回归。随机森林中的每一棵决策树都是在随机样本和随机特征的条件下构建出来的,整个建模过程相当于将多个弱分类器组合成一个强分类器。其主要数学原理如下: 1. 决策树: 随机森林是由多个决策树构成的集成模型,而决策树是一种树 阅读全文
posted @ 2023-05-30 19:43 管道工人刘博 阅读(473) 评论(0) 推荐(0) 编辑
摘要:压缩感知(也称为压缩感知、压缩采样或稀疏采样)是一种信号处理技术,通过寻找欠定线性系统的解决方案来有效地获取和重构信号。这是基于这样的原理,即通过优化,可以利用信号的稀疏性从比Nyquist-Shannon 采样定理所需的样本少得多的样本中恢复它。有两种情况可以恢复。第一个是稀疏的,这要求信号在某些 阅读全文
posted @ 2022-03-03 12:24 管道工人刘博 阅读(941) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示