Nov 07 2025
MrVolleyball -
彩筆運維勇闖機器學習--最小二乘法的數學推導
前言
今天我們來討論一下回歸算法當中的數學實現。本人數學也是渣，大學時期概率論一直掛到清考才勉強通過，+_+ !!，如今勇闖機器學習，硬着頭皮重新學習了微積分和線代，也是為了記錄自己最近的狀態，避免過段時間忘記了。描述的時候有不周全的地方，請各位大佬們多擔待了
本節將會運用一些數學知識來解釋一下相關的迴歸算法的合理性，雖有些枯燥，但知其然也知其所以然，多瞭解一些總是好的
最小二乘法
最小二乘法的核
機器學習
收藏
評論
Nov 07 2025
MrVolleyball -
彩筆運維勇闖機器學習：多項式迴歸
前言
在之前的討論中，討論的都是線性迴歸，自變量與結果可以通過一條直線來解釋。而今天討論的問題，自變量與結果可能需要曲線來擬合，也就是所謂的 \(x^n\)，n=2
開始探索
老規矩，先運行起來，再探索原理
1. scikit-learn
import numpy as np
from sklearn.preprocessing import PolynomialFeatures
from skl
機器學習
收藏
評論
Nov 07 2025
MrVolleyball -
彩筆運維勇闖機器學習--擬合
前言
今天我們來討論擬合的問題
在之前的篇幅，主要討論的是線性迴歸的問題，不管是一元、多元、多項式，本質都是線性迴歸問題。線性迴歸在機器學習中屬於“監督學習”，也就是使用已有的、預定義的“訓練數據”集合，訓練系統，在解釋未知數據時，也能夠很好的解釋
而模型訓練完成之後，可能會有3中狀態：“欠擬合”、“最佳適配”、“過擬合”。本小節就來消息討論一下，怎麼判斷訓練出來的模型處於什麼樣的狀態
過擬合
老
機器學習
收藏
評論
Nov 07 2025
MrVolleyball -
彩筆運維勇闖機器學習--邏輯迴歸
前言
從本節開始，我們的機器學習之旅進入了下一個篇章。之前討論的是迴歸算法，迴歸算法主要用於預測數據。而本節討論的是分類問題，簡而言之就是按照規則將數據分類
而要討論的邏輯迴歸，雖然名字叫做迴歸，它要解決的是分類問題
開始探索
scikit-learn
還是老規矩，先來個例子，再討論原理
假設以下場景：一位老哥想要測試他老婆對於抽煙忍耐度，他進行了以下測試
星期一
機器學習
收藏
評論
Nov 07 2025
愚生淺末 -
機器學習基本理論
目錄
機器學習基本理論
機器學習三要素
機器學習方法分類
建模流程
特徵工程
什麼是特徵工程
特徵工程有什麼
特徵選擇
特徵轉換
特徵構造
特徵降維
常用方法
模型評估和模型選擇
機器學習
收藏
評論
Nov 07 2025
MrVolleyball -
彩筆運維勇闖機器學習--決策樹
前言
決策樹是一種常用的機器學習模型，用於分類和迴歸任務，它通過模擬“樹”的結構來對數據進行決策。本節我們詳細討論的是決策樹中的分類任務
開始探索
scikit-learn
假設以下運維場景
CPU
低：40%
中：40%~70%
高：70%
內存
低：60%
中：60%~85%
高：85%
磁盤I/O
低：40%
機器學習
收藏
評論
Nov 07 2025
柒城小柒 -
Transformer通俗講解（大白話版）
温馨提示：本文共有8472個字，平均閲讀時間約為34分鐘
大家可以快速查看自己感興趣的內容點擊下面的目錄：
目錄
模型簡介
整體架構
Encoder結構
輸入階段
輸入嵌入（Input Embedding）
位置編碼（Position Encoding）
輸入向
機器學習
收藏
評論
Nov 07 2025
MrVolleyball -
彩筆運維勇闖機器學習--隨機森林
前言
隨機森林的出現，是為了解決決策樹對訓練數據過擬合的問題而出現的。決策樹在訓練的工程中，可以讓每一個葉子節點的不確定性降為0（即熵或者基尼指數為0），這樣做可能把訓練數據中的偶然性、異常值或噪聲也當成了“規 律”去學習了
對於複雜高維的數據，隨機森林的算法可以更好的泛化能力
開始探索
scikit-learn
老規矩，先上代碼，看看隨機森林的用法
from sklearn.ensemble i
機器學習
收藏
評論
Nov 07 2025
MrVolleyball -
彩筆運維勇闖機器學習--梯度下降法
前言
彩筆運維勇闖機器學習，今天我們來討論一下梯度下降法
梯度
首先要搞明白什麼是梯度，那就要先從導數説起
導數
函數\(y=f(x)\)的自變量\(x\)在一點\(x_0\)上產生一個增量\(\Delta x\)時，函數輸出值的增量\(\Delta y=f(x_0 + \Delta x)-f(x_0)\)與自變量增量\(\Delta x\)的比值在\(\Delta x\)趨於0時的極限\(a\)
機器學習
收藏
評論
Nov 07 2025
MrVolleyball -
彩筆運維勇闖機器學習--lasso迴歸
前言
彩筆運維勇闖機器學習，今天我們來討論一下lasso迴歸，本期又是一起數學推理過程展示
座標下降法
目標找到一組參數，使目標函數值最小。比如\(f(x,y)=3x^2+5xy+10y^2\)，要找到\(x,y\)使得\(f(x,y)\)取值最小
\[x_j^{(k+1)} = \arg \min_{x_j} f(x_1^{(k+1)}, \dots, x_{j-1}^{(k+1)}, x_j
機器學習
收藏
評論
Nov 07 2025
MrVolleyball -
彩筆運維勇闖機器學習--GBDT
前言
本文討論的GBDT算法，也是基於決策樹
開始探索
scikit-learn
老規矩，先上代碼，看看GBDT的用法
from sklearn.datasets import load_iris
from sklearn.ensemble import GradientBoostingClassifier
from sklearn.model_selection import train_tes
機器學習
收藏
評論
Nov 07 2025
wang_yb -
讓YOLO飛起來：從CPU到GPU的配置指南
最近在配置YOLO（You Only Look Once）進行物體檢測和圖像分割任務時，發現默認安裝的情況下，YOLO使用的是CPU進行計算。
這對於需要處理大量圖像或實時檢測的任務來説，效率明顯不足。
本文將詳細介紹如何將YOLO從CPU模式切換到GPU模式，顯著提升運行效率。
1. 配置步驟
1.1. 檢查當前PyTorch是否支持GPU
首先需要確認當前安裝的PyTorch是否支持GPU。打
機器學習
收藏
評論
Nov 07 2025
MrVolleyball -
彩筆運維勇闖機器學習--KNN算法
前言
彩筆運維勇闖機器學習：KNN算法，它也是分類中的一種
開始探索
scikit-learn
import numpy as np
import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
機器學習
收藏
評論
Nov 07 2025
qlhh -
pytorch的矩陣操作分類
PyTorch 的矩陣操作
注意：
無論是torch.f()還是tensor.f()，都是返回新的Tensor，不會修改原始的tensor
單個tensor
初始化
empty
用於創建一個未初始化的張量，其值是隨機的
與torch.randn的區別在於，torch.randn是從正態分佈中採樣的
torch.empty(*size, *, out=None, dtyp
機器學習
收藏
評論
Nov 07 2025
MrVolleyball -
彩筆運維勇闖機器學習--孤立森林
前言
孤立森林，一種非常高效快速的異常檢測算法
開始探索
scikit-learn
import numpy as np
import matplotlib.pyplot as plt
from sklearn.ensemble import IsolationForest
rng = np.random.RandomState(0)
X_train = 0.3 * rng.randn(100
機器學習
收藏
評論
Nov 07 2025
明月之歌 -
初識目標檢測
一．目前我校主要研究方向就是目標檢測，所以首先應對目標檢測有初步瞭解。目標檢測屬於計算機視覺中的一個熱門方向，主要應用於物體、人、動物識別、動作識別等。結合我校農業研究方向，通過目標檢測，可以用來檢測瓜果、蔬菜的成熟度、可以用來識別花卉、土壤營養分析、蔬菜採摘等。我國為農業大國，通過在農業工程中運用人工智能技術，可以有效降低人力投入、經濟成本。
人工智能研究方向分類如下圖：
傳統目標
機器學習
收藏
評論
Nov 07 2025
躺柒 -
讀浪潮將至04生命技術
1.生命技術
1.1.生命，這項宇宙中最古老的“技術”，已經存在了至少37億年
1.2.在無盡的歲月裏，生命以緩慢、自主、無序的方式悄然進化
1.3.生命系統擁有自我組裝和自我修復的能力，如同利用能量的高手，能在各種環境中複製、生存和繁衍，其高超的技巧、精確的運作和快速的信息處理能力讓人歎為觀止
1.4.與人工智能的迅猛發展類似，合成生物學也正處於成本不斷降低、能力持續提升的快速發展階段
1.
AI
收藏
評論
Nov 07 2025
躺柒 -
讀浪潮將至05更廣泛的浪潮
1.更廣泛的浪潮
1.1.技術浪潮並非一兩種通用技術的簡單疊加，而是大約同一時期涌現的眾多技術的集羣式體現
1.1.1.以某種或多種通用技術為基礎，但又遠遠超出這些通用技術的範疇
1.2.通用技術扮演着催化劑的角色
1.2.1.發明會激發新的發明
1.2.2.技術浪潮為進一步的科學技術實驗奠定了基礎，為新的可能性叩開了大門
1.2.3.反過來又催生了新的工
AI
收藏
評論
