机器学习—性能度量
一个机器学习模型需要一些**性能度量指标**来判断它的好坏，了解各种评估的方法优点和缺点，在实际应用中选择正确的评估方法是十分重要的。

额无语2022-07-01

【机器学习】浅谈正规方程法&梯度下降
【机器学习】浅谈正规方程法&梯度下降数据模型为线性回归模型，方程代价函数。代价函数就是实际数据与数学模型（这里是一元一次方程）所预测的差值，如：蓝线的长度就是代价函数，可以看到代价函数越大拟合效果越差，代价函数越小，拟合效果越好。其中关于 θ1\theta_1θ1​ 的的代价函数f(θ1)f(\theta_1)f(θ1​)(右图） 和方程hθ(x)h_\theta(x)hθ​(x)（左图）如下图：.................................

阿飞云2022-06-26

机器学习常用工具
本文了解下一些机器学习的常用工具。 ##Anconda Anaconda 是一个集成各类Python工具的集成平台（例如：conda、Python等软件包，numpy，pandas（数据分析），sci

郭尕2022-06-14

R语言与机器学习学习笔记
人工神经网络（ANN），简称神经网络，是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自

这个世界有猫饼2022-06-12

懂机器学习如何入门量化交易？
1、 量化交易研究流程量化回测框架提供完整的数据，以及回测机制进行策略评估研究，并能够实时进行模拟交易。为实盘交易提供选择。我们的研究一般在回测平台当中做

轮子厂长2022-06-10

机器学习复习
七月的博客还有很多数据结构基础知识，很多面试题，写的非常好，其七月在线app很多课程也很不错。这只是部分题，后面还有题目。见http://mp.weixin.qq.com/s/C99b32MyrnEVggRAECetUA本文原文链接：http://m.blog.csdn.net/v_JULY_v/article/details...

郭梧悠2022-06-07

机器学习模型评估指标和调用方法
回归模型的评估指标有平均绝对值误差、均方误差、均方根误差、R平方值、Huber损失、Log-Cosh损失函数。也称L1损失（MAE）是预测值与真实值之差的绝对值，计算公式如下：MAE=1n∑i=1n∣fi−yi∣=1n∑i=1neiMAE = \frac{1}{n}\sum_{i=1}^n{|f_i-y_i|}=\frac{1}{n}\sum_{i=1}^n{e_i}MAE=n1​i=1∑n​∣fi​−yi​∣=n1​i=1∑n​ei​以下是sklearn中调用MAE的示例代码：均方误差也称L2损

阿珍爱上了阿强？2022-06-06

机器学习练习：tensorflow
文章目录tensorflow_cnn_mnist执行逻辑tensorflow_cnn_mnist执行逻辑目的：通过卷积神经网络来实现手写数字识别验证

秋92022-06-06

李宏毅《机器学习》国语课程(2022)来了
提起李宏毅老师，熟悉机器学习的读者朋友一定不会陌生。很多人选择的机器学习入门学习材料都是李宏毅老师的台大公开课视频。今年李宏毅老师开设一门新的机器学习机器学习课程，涵盖最新热门主题，非常值得关注！李宏毅老师的机器学习视频是机器学习领域经典的中文视频之一，也被称为中文世界中最好的机器学习视频。李老师以...

私房菜2022-06-06

机器学习第一张基本概念理解
stu_sex)s表中有3条属性 属性值。从所用的数据学的模型的过程称为学习。f(1)=.... 当n=2时。构成一个假设空间。构成空间为4*4*4+1(这个自己理解)=65 假设。这样一个训练数据样本。

谷歌开发者2022-06-06

与数字化先锋共绘创新蓝图
我们现在做数字化转型;生态圈里面、产业互联网里面怎么做好各自的角色是很重要的;这个也希望在未来能够跟安院长把这个体系化的东西做一做;在做这个业务数字化和数字业务化过程中;**我们非常期待跟咨询公司一起就数字化转型的理论方法模型做一些共同的研究

凌云时刻2021-12-23

数字化 人工智能
激光熔覆的特点
激光熔覆系统的工艺特点 (1)冷却速度快;这就是激光熔覆设备不会变形或退火的原因;在零件表面熔覆粉末材料;技术特点 激光熔覆最大的特点是热量集中、升温快、冷却快、热影响面积小;熔铸区的激光熔覆设备的结构也不同于其他熔覆方法

缘 源 园2021-12-22

产品思维 产品营销 产品经理 产品运营
从熵到交叉熵损失的直观通俗的解释
我们可以定义概率分布为p(x)的事件的预期以外惊讶程度并称其为熵;交叉熵损失是量化我们的机器学习模型对数据真实分布 § 的近似 (Q) 的好坏程度 (Q) 的好方法;罕见事件（低 p）导致惊讶程度高;这量化了表示遵循概率分布p(x)的随机选择事件所需的比特数;如果高熵则意味着事件的可能结果中固有的不确定性水平很高

deephub2021-12-22

信息熵 信息论 机器学习 人工智能
软考必过 - 系统架构师 - 系统性能评价 - 2 - 计算、设计、评估、监视
具有很高的参考价值 TPC基准程序 事务 Linpack测试 高性能计算机浮点性能 Web服务器性能评估 反映性能的参数 响应时间 吞吐量 最大并发连接数 性能评测方法 基准测试 压力测试 找性能瓶颈 可靠性测试 工具 IxWeb 系统监视 监视的数据 常规性数据 短期趋势 比较基准的性能数据 定期;文章目录 系统性能评价 性能设计 阿姆达尔解决方案 负载均衡 性能评估 基准测试程序 Web服务器性能评估 系统监视 系统性能评价 性能设计 阿姆达尔解决方案 总加速比 = 1 / ((1 - 增强比例) + （增强比例 / 增强加速比）) 负载均衡 定义 等价服务器分担负载 类型 基于特定服务器软件的负载均衡 重定向 基于DNS的负载均衡 域名 -> IP 反向代理负载均衡 反向代理软件Apache、Nginx 每次请求两个连接（内网连接和外网连接） 基于NAT（网络地址转换）的负载均衡 扩展的负载均衡术 半中心的负载均衡;实现地理位置无关性 对用户提供更好的访问质量 提高服务器响应速度 提高服务器及其他资源的利用效率 避免了数据中心的单点失效 性能评估 基准测试程序 整数测试程序 浮

这是谁的博客？2021-12-21

stack - 软考 系统性