摘要: 大侠幸会,在下全网同名「算法金」 0 基础转 AI 上岸,多个算法赛 Top 「日更万日,让更多人享受智能乐趣」 今天我们来聊聊达叔 6 大核心算法之 —— k-means 算法。最早由斯坦福大学的 J. B. MacQueen 于 1967 年提出,后来经过许多研究者的改进和发展,成为了一种经典的 阅读全文
posted @ 2024-06-14 22:16 算法金「全网同名」 阅读(146) 评论(0) 推荐(0) 编辑
摘要: 大侠幸会,在下全网同名「算法金」 0 基础转 AI 上岸,多个算法赛 Top 「日更万日,让更多人享受智能乐趣」 高斯过程算法是一种强大的非参数机器学习方法,广泛应用于回归、分类和优化等任务中。其核心思想是利用高斯分布来描述数据的分布,通过核函数来度量数据之间的相似性。与传统的机器学习方法相比,高斯 阅读全文
posted @ 2024-06-13 23:05 算法金「全网同名」 阅读(237) 评论(0) 推荐(0) 编辑
摘要: 大侠幸会,在下全网同名「算法金」 0 基础转 AI 上岸,多个算法赛 Top 「日更万日,让更多人享受智能乐趣」 吴恩达:机器学习的六个核心算法!--> 线性回归 在许多实际场景中,简单的线性回归无法捕捉复杂的模式,这时候就该祭出我们多项式回归大法了,一种在数据分析和预测中常用的机器学习方法。 本文 阅读全文
posted @ 2024-06-12 23:15 算法金「全网同名」 阅读(281) 评论(0) 推荐(0) 编辑
摘要: ​ 大侠幸会,在下全网同名「算法金」 0 基础转 AI 上岸,多个算法赛 Top 「日更万日,让更多人享受智能乐趣」 在机器学习和数据科学的江湖中,评估模型的好坏是非常关键的一环。而 ROC(Receiver Operating Characteristic)曲线和 AUC(Area Under C 阅读全文
posted @ 2024-06-11 23:26 算法金「全网同名」 阅读(1133) 评论(0) 推荐(2) 编辑
摘要: 大侠幸会,在下全网同名「算法金」 0 基础转 AI 上岸,多个算法赛 Top 「日更万日,让更多人享受智能乐趣」 历史上,许多杰出人才在他们有生之年默默无闻, 却在逝世后被人们广泛追忆和崇拜。 18世纪的数学家托马斯·贝叶斯(Thomas Bayes)便是这样一位人物 贝叶斯的研究,初看似平凡,其人 阅读全文
posted @ 2024-06-10 13:04 算法金「全网同名」 阅读(322) 评论(0) 推荐(1) 编辑
摘要: 大侠幸会,在下全网同名「算法金」 0 基础转 AI 上岸,多个算法赛 Top 「日更万日,让更多人享受智能乐趣」 1. 引言 1.1 教程目的与读者定位 "启程"往往是最具挑战性的一步,特别是在面临众多选择时,人们往往难以做出决策。本教程旨在帮助那些几乎没有Python机器学习基础的初学者成长为知识 阅读全文
posted @ 2024-06-09 23:51 算法金「全网同名」 阅读(1690) 评论(1) 推荐(0) 编辑
摘要: 大侠幸会,在下全网同名[算法金] 0 基础转 AI 上岸,多个算法赛 Top [日更万日,让更多人享受智能乐趣] 📈 数据可视化: 不只是图表那么简单 数据可视化不仅仅是把数字变成图形那么简单,它是一种强大的工具,能够帮助我们从数据中获得洞察力,并以此做出更加明智的决策。无论是产品开发还是市场营销 阅读全文
posted @ 2024-06-08 23:38 算法金「全网同名」 阅读(52) 评论(0) 推荐(0) 编辑
摘要: 大侠幸会,在下全网同名「算法金」 0 基础转 AI 上岸,多个算法赛 Top 「日更万日,让更多人享受智能乐趣」 时间拉回 2019 年,有「计算机界诺贝尔奖」之称图灵奖获得者公布,深度学习三巨头:Yoshua Bengio、Geoffrey Hinton、Yann LeCun 众望所归。 图灵奖为 阅读全文
posted @ 2024-06-08 23:11 算法金「全网同名」 阅读(399) 评论(2) 推荐(1) 编辑
摘要: 大侠幸会,在下全网同名「算法金」 0 基础转 AI 上岸,多个算法赛 Top 「日更万日,让更多人享受智能乐趣」 最近,有读者参加了腾讯算法岗位的面试,面试着重考察了基础知识,并且提问非常详细。 特别是关于AdaBoost算法的问题,面试官问了很多。 今天,我们就来和大家探讨一下 AdaBoost 阅读全文
posted @ 2024-06-07 22:18 算法金「全网同名」 阅读(369) 评论(0) 推荐(0) 编辑
摘要: ​大侠幸会,在下全网同名[算法金] 0 基础转 AI 上岸,多个算法赛 Top [日更万日,让更多人享受智能乐趣] 读者问了个关于卷积神经网络核心概念的问题,如下, 【问】神经元、权重、激活函数、参数、图片尺寸,卷积层、卷积核,特征图,平均池化,全家平均池化,全连接层、隐藏层,输出层 【完整问题】神 阅读全文
posted @ 2024-06-06 23:55 算法金「全网同名」 阅读(349) 评论(0) 推荐(0) 编辑