图解算法

人工智能基础算法.pdf

人工智能基础算法.pdf

人工智能的常用十种算法(1).pdf

⼈⼯智能的常⽤⼗种算法 根据⼀些 feature 进⾏分类，每个节点提⼀个问题，通过判断，将数据分为两类，再继续提问。这些问题是根据已有数据学习出来的，再投 ⼊新数据的时候，就可以根据这棵树上的问题，将数据划分到合适的叶⼦上。 如果你觉得这篇⽂章看起来稍微还有些吃⼒，或者想要更系统地学习⼈⼯智能，那么推荐你去看床长⼈⼯智能教程。⾮常棒的⼤神之作，教 程不仅通俗易懂，⽽且很风趣幽默。点击可以查看教程。 2. 随机森林 随机森林 在源数据中随机选取数据，组成⼏个⼦集 S 矩阵是源数据，有 1-N 条数据，A B C 是feature，最后⼀列C是类别 由 S 随机⽣成 M 个⼦矩阵 这 M 个⼦集得到 M 个决策树 将新数据投⼊到这 M 个树中，得到 M 个分类结果，计数看预测成哪⼀类的数⽬最多，就将此类别作为最后的预测结果 3. 逻辑回归 逻辑回归 当预测⽬标是概率这样的，值域需要满⾜⼤于等于0，⼩于等于1的，这个时候单纯的线性模型是做不到的，因为在定义域不在某个范围之 内时，值域也超出了规定区间。 所以此时需要这样的形状的模型会⽐较好 那么怎么得到这样的模型呢？ 这个模型需要满⾜两个条件 ⼤于等于0，⼩于等于1 ⼤于等于0 的模型可以选择 绝对值，平⽅值，这⾥⽤ 指数函数，⼀定⼤于0 ⼩于等于1 ⽤除法，分⼦是⾃⼰，分母是⾃⾝加上1，那⼀定是⼩于1的了 再做⼀下变形，就得到了 logistic regression 模型 1. 决策树 决策树 通过源数据计算可以得到相应的系数了 最后得到 logistic 的图形 4. SVM support vector machine 要将两类分开，想要得到⼀个超平⾯，最优的超平⾯是到两类的 margin 达到最⼤，margin就是超平⾯与离它最近⼀点的距离，如下 图，Z2>Z1，所以绿⾊的超平⾯⽐较好 将这个超平⾯表⽰成⼀个线性⽅程，在线上⽅的⼀类，都⼤于等于1，另⼀类⼩于等于－1 点到⾯的距离根据图中的公式计算 所以得到 total margin 的表达式如下，⽬标是最⼤化这个 margin，就需要最⼩化分母，于是变成了⼀个优化问题 举个栗⼦，三个点，找到最优的超平⾯，定义了 weight vector＝（2，3）－（1，1） 得到 weight vector 为（a，2a），将两个点代⼊⽅程，代⼊（2，3）另其值＝1，代⼊（1，1）另其值＝-1，求解出 a 和 截矩 w0 的 值，进⽽得到超平⾯的表达式。 a 求出来后，代⼊（a，2a）得到的就是 support vector a 和 w0 代⼊超平⾯的⽅程就是 support vector machine 5. 朴素贝叶斯 朴素贝叶斯 举个在 NLP 的应⽤ 给⼀段⽂字，返回情感分类，这段⽂字的态度是positive，还是negative 为了解决这个问题，可以只看其中的⼀些单词 这段⽂字，将仅由⼀些单词和它们的计数代表 原始问题是：给你⼀句话，它属于哪⼀类 通过 bayes rules 变成⼀个⽐较简单容易求得的问题 问题变成，这⼀类中这句话出现的概率是多少，当然，别忘了公式⾥的另外两个概率 栗⼦：单词 love 在 positive 的情况下出现的概率是 0.1，在 negative 的情况下出现的概率是 0.001 6. K最近邻 最近邻 k nearest neighbours 给⼀个新的数据时，离它最近的 k 个点中，哪个类别多，这个数据就属于哪⼀类 栗⼦：要区分 猫 和 狗，通过 claws 和 sound 两个feature来判断的话，圆形和三⾓形是已知分类的了，那么这个 star 代表的是哪⼀类呢 k＝3时，这三条线链接的点就是最近的三个点，那么圆形多⼀些，所以这个star就是属于猫 7. K均值 均值 想要将⼀组数据，分为三类，粉⾊数值⼤，黄⾊数值⼩ 最开⼼先初始化，这⾥⾯选了最简单的 3，2，1 作为各类的初始值 剩下的数据⾥，每个都与三个初始值计算距离，然后归类到离它最近的初始值所在类别 分好类后，计算每⼀类的平均值，作为新⼀轮的中⼼点 ⼏轮之后，分组不再变化了，就可以停⽌了 8. Adaboost adaboost 是 bosting 的⽅法之⼀ bosting就是把若⼲个分类效果并不好的分类器综合起来考虑，会得到⼀个效果⽐较好的分类器。 下图，左右两个决策树，单个看是效果不怎么好的，但是把同样的数据投⼊进去，把两个结果加起来考虑，就会增加可信度 adaboost 的栗⼦，⼿写识别中，在画板上可以抓取到很多 features，例如 始点的⽅向，始点和终点的距离等等 training 的时候，会得到每个 feature 的 weight，例如 2 和 3 的开头部分很像，这个 feature 对分类起到的作⽤很

2019年度人工智能算法文章合集.pdf

2019年度人工智能算法文章合集.pdf

人工智能算法岗笔试题（截图）.pdf

本文档为阿里2018年算法笔试题，为截图格式。有需要的可以参考下

华中科技大学，机器学习课程设计大作业，KNN实现红酒分类、感知机癌细胞识别、朴素贝叶斯进行新闻主题分类、支持向量机SVM分类实践

华中科技大学，机器学习课程... +--+ 2-机器学习之kNN算法 | | | +--- t-1.md # kNN算法原理 | +--- t-2.py # 使用 sklearn 中的kNN算法进行分类 | +--- t-3.py # 使用 sklearn 中的kNN算法进行回归 | +--- t-4.py

机器学习算法总结-决策树.pdf

机器学习算法总结-决策树.pdf机器学习算法总结-决策树.pdf机器学习算法总结-决策树.pdf机器学习算法总结-决策树.pdf机器学习算法总结-决策树.pdf机器学习算法总结-决策树.pdf机器学习算法总结-决策树.pdf机器学习...

梯度下降算法原理讲解-机器学习.pdf

梯度下降算法原理讲解——机器学习.pdf 梯度下降算法原理讲解——机器学习.pdf 梯度下降算法原理讲解——机器学习.pdf 梯度下降算法原理讲解——机器学习.pdf 梯度下降算法原理讲解——机器学习.pdf 梯度下降算法...

人工智能-机器学习-围棋博弈机器学习算法的研究及应用.pdf

人工智能-机器学习-围棋博弈机器学习算法的研究及应用.pdf

基于用户的协同过滤推荐算法--开题报告.pdf

基于用户的协同过滤推荐算法--开题报告.pdf基于用户的协同过滤推荐算法--开题报告.pdf基于用户的协同过滤推荐算法--开题报告.pdf基于用户的协同过滤推荐算法--开题报告.pdf基于用户的协同过滤推荐算法--开题报告.pdf...

逻辑回归分类实验——【机器学习与算法分析】.pdf

逻辑回归分类实验——【机器学习与算法分析】.pdf逻辑回归分类实验——【机器学习与算法分析】.pdf逻辑回归分类实验——【机器学习与算法分析】.pdf逻辑回归分类实验——【机器学习与算法分析】.pdf逻辑回归分类实验...

机器学习算法与应用.pdf

机器学习算法与应用.pdf

机器学习10大经典算法..pdf

机器学习10大经典算法..pdf机器学习10大经典算法..pdf机器学习10大经典算法..pdf机器学习10大经典算法..pdf机器学习10大经典算法..pdf机器学习10大经典算法..pdf机器学习10大经典算法..pdf机器学习10大经典算法..pdf...

机器学习十大算法：AdaBoost.pdf

机器学习十大算法：AdaBoost.pdf

机器学习算法总结-决策树.docx

机器学习算法总结-决策树.docx机器学习算法总结-决策树.docx机器学习算法总结-决策树.docx机器学习算法总结-决策树.docx机器学习算法总结-决策树.docx机器学习算法总结-决策树.docx机器学习算法总结-决策树.docx机器...

如何通俗的解释机器学习的10大算法？.pdf

.pdf如何通俗的解释机器学习的10大算法？.pdf如何通俗的解释机器学习的10大算法？.pdf如何通俗的解释机器学习的10大算法？.pdf如何通俗的解释机器学习的10大算法？.pdf如何通俗的解释机器学习的10大算法？.pdf如何...

五子棋AI算法的改进方法讲解--实用.doc.pdf

五子棋AI算法的改进方法讲解--实用.doc.pdf五子棋AI算法的改进方法讲解--实用.doc.pdf五子棋AI算法的改进方法讲解--实用.doc.pdf五子棋AI算法的改进方法讲解--实用.doc.pdf五子棋AI算法的改进方法讲解--实用.doc.pdf...

人工智能之机器学习常见算法.pdf

人工智能之机器学习常见算法人工智能之机器学习常见算法人工智能之机器学习常见算法人工智能之机器学习常见算法人工智能之机器学习常见算法人工智能之机器学习常见算法人工智能之机器学习常见算法人工智能之机器学习...

人工智能-机器学习-代价敏感的机器学习算法研究及应用.pdf

人工智能-机器学习-代价敏感的机器学习算法研究及应用.pdf

人工智能-机器学习-正则化机器学习算法及其财务预警应用研究.pdf

人工智能-机器学习-正则化机器学习算法及其财务预警应用研究.pdf

机器学习及其算法和发展研究.pdf

机器学习及其算法和发展研究.pdf

机器学习--决策树(ID3)算法及案例.pdf

机器学习--决策树(ID3)算法及案例.pdf机器学习--决策树(ID3)算法及案例.pdf机器学习--决策树(ID3)算法及案例.pdf机器学习--决策树(ID3)算法及案例.pdf机器学习--决策树(ID3)算法及案例.pdf机器学习--决策树(ID3)算法...

手把手教你使用Python实现机器学习算法.pdf

手把手教你使用Python实现机器学习算法.pdf手把手教你使用Python实现机器学习算法.pdf手把手教你使用Python实现机器学习算法.pdf手把手教你使用Python实现机器学习算法.pdf手把手教你使用Python实现机器学习算法.pdf...

ChatGPT教程（终极版）最全整理

这是一篇动了某些人利益的良心教程。 这是一篇姗姗来迟的ChatGPT教程。 纯小白关于ChatGPT入门，你看我这篇文章就够了。 如果你已经用上了ChatGPT，更要恭喜你挖到宝藏，后面的高级技巧一定能让你有收获。 文章包含以下内容： 一、ChatGPT是啥？有什么用； 二、ChatGPT如何注册； 三、ChatGPT使用方法； 四、用ChatGPT搞钱； 五、高级技巧；

博客中Kmeans以及FCM算法数据（免积分）

博客中Kmeans以及FCM算法的数据，包括IRIS鸢尾花数据集、Wine葡萄酒数据集、Seed小麦种子数据集、glass数据集、WDBD乳腺癌数据集，下载在直接存入项目文件夹即可，如果下载不了，可以私信我，看到后会及时回复。

基于Python+pytorch的图像处理+附完整代码图像处理，能够轻松实现图像的读取、显示、裁剪等还有机器学习等操作

Python+PyTorch：图像处理界的“瑞士军刀” 在图像处理这个充满魔法的世界里，Python和PyTorch这对黄金搭档，就像一位技艺高超的魔法师和一把无所不能的“瑞士军刀”，总能轻松解决各种看似棘手的难题。它们以高效、灵活和强大的特性，引领着图像处理技术的发展潮流，让无数开发者为之倾倒。Python，这位优雅的魔法师，以其简洁易懂的语法和丰富的库资源，赢得了广大开发者喜爱。无论是数据处理、机器学习还是深度学习，Python都能轻松应对，展现出其无与伦比的魅力。在图像处理领域，Python更是如鱼得水，通过OpenCV、PIL等库，能够轻松实现图像的读取、显示、裁剪、缩放、滤波等操作，让图像在指尖起舞。而PyTorch，这把图像处理界的“瑞士军刀”，则以其灵活性和易用性，成为深度学习领域的翘楚。它拥有强大的自动求导功能，能够轻松构建和训练复杂的神经网络模型。在图像处理中，PyTorch能够助力开发者构建出各种高效的图像识别、分割、生成等模型，让图像焕发出新的生机。想象一下，当你掌握了Python和PyTorch这对黄金搭档，就如同掌握了一把魔法杖和一把瑞士军刀。必然大可作为

hugging face的models-openai-clip-vit-large-patch14文件夹

用于无法访问hugging face并需要运行stable-diffusion-webui时使用

神经网络回归预测--气温数据集

神经网络回归预测--气温数据集

XGBoost+LightGBM+LSTM-光伏发电量预测

包含比赛代码、数据、训练后的神经网络模型等。 在分析光伏发电原理的基础上，论证了辐照度、光伏板工作温度等影响光伏输出功率的因素，通过实时监测的光伏板运行状态参数和气象参数建立预测模型，预估光伏电站瞬时发电量，根据光伏电站DCS系统提供的实际发电量数据进行对比分析，验证模型的实际应用价值。 1 数据探索与数据预处理 1.1 赛题回顾 1.2 数据探索性分析与异常值处理 1.3 相关性分析 2 特征工程 2.1 光伏发电领域特征 2.2 高阶环境特征 3 模型构建与调试 3.1 预测模型整体结构 3.2 基于LightGBM与XGBoost的构建与调试 3.3 基于LSTM的模型构建与调试 3.4 模型融合与总结 4 总结与展望 参考文献

Mathwork+Matlab+编程手册

Introduction to Programming with MATLAB ~ Vanderbilt University

yolov8调用zed相机实现三维测距（版本一）

yolov8调用zed相机实现三维测距（版本一），具体内容见博客https://blog.csdn.net/qq_45077760?type=blog