对比学习原理与实践 - 程序员宅基地

强化学习极简入门：通俗理解MDP、DP MC TC和Q学习、策略梯度、PPO

标签：强化学习 TRPO PPO

强化学习里面的概念、公式，相比ML/DL特别多，初学者刚学RL时，很容易被接连不断的概念、公式给绕晕，而且经常忘记概念与公式符号表达的一一对应(包括我自己在1.10日之前对好多满是概念/公式的RL书完全看不下去，...

学习指南 | 如何学习这门编译原理实战课？

《编译原理实战课》强调实践与交流，通过学习委员陪伴、预备知识模块、语言编译器解析和期中复习周提高编译技术能力。重点关注“一课一思”学习环节和社区交流，“部落”分享对编译器的理解。最终关注华为方舟编译器...

机器学习算法原理与实践（六）、感知机算法

标签：机器学习算法数据

感知机的学习策略感知机的原始形式伪代码实现代码对线性可分数据集对线性不可分数据集感知机的对偶形式伪代码代码训练过程分类效果训练误差【原创】Liu_LongPo 转载请注明出处【CSDN】...

TIT 数字图像处理原理与实践(MATLAB) 入门教学实验一常用的MATLAB图像处理命令与图像基本操作

标签： matlab 计算机视觉图像处理

文章目录数字图像处理原理与实践(MATLAB) 入门教学实验一常用的MATLAB图像处理命令与图像基本操作实验要求知识点实验内容1、读入一幅RGB图像，变换为灰度图像和二值图像，并在同一个窗口内分成三个子窗口来分别...

深入理解FFM原理与实践

标签： FFM FM SGD

FM和FFM模型是最近几年提出的模型，凭借其在数据量比较大并且特征稀疏的情况下，仍然能够得到优秀的...本文旨在把我们对FM和FFM原理的探索和应用的经验介绍给有兴趣的读者。前言在计算广告领域，点击率CTR（click-th...

[机器学习] 模型融合GBDT(xgb/lgbm/rf)+LR 的原理及实践

标签： xgboost LR

一、原理 GBDT + LR 是什么,用在哪二、说明 GBDT + LR 的结构 RF + LR ? Xgb + LR? GBDT + LR 模型提升三、实践 1 如何获得样本落在哪个叶子节点 2 举例 2.2.1 训练集准备 2.2.2 RF+LR 2.2.3 GBDT+LR ...

基于自监督学习的图像分类与目标检测模型研究

标签：自然语言处理人工智能语言模型

作者：禅与计算机程序设计艺术。

超越GraphCL，GNN+对比学习的节点分类新SOTA

标签：深度学习机器学习推荐系统

拿捏了

机器学习超详细实践攻略(10)：随机森林算法详解及小白都能看懂的调参指南

标签：决策树机器学习数据挖掘

前面我们已经介绍了决策树的基本原理和使用。因为决策树会非常细致地划分样本，如果给决策树分太多的节点，就会导致在训练集上出现过拟合，而如果不增加节点的个数，决策树的表现又不会很理想。为了解决这个两难困境...

深入探索Apache ZooKeeper：关键技术学习与实践指南

标签： apache zookeeper 学习

深入学习ZooKeeper不仅需要理解其分布式一致性原理、数据模型与API，还需掌握集群架构、会话管理、Watcher机制以及在实际场景中的应用。同时，重视监控与运维、安全与权限管理，确保ZooKeeper在生产环境中稳定、高效...

深入FFM原理与实践

FM和FFM模型是最近几年提出的模型，凭借其在数据量比较大并且特征稀疏的情况下，仍然能够得到优秀的性能和...本文旨在把我们对FM和FFM原理的探索和应用的经验介绍给有兴趣的读者。前言在计算广告领域，点击率CTR

【Spark】实验6 Spark机器学习库MLlib编程实践

标签：机器学习 spark mllib

2、构建聚类模型可以采用Kmeans...4、查看聚类中心或混合成分参数，分析并对比聚类效果。i.即聚类的各类别是否反应其真实所属。【救救孩子，不会做 π _ π 】3.训练分类模型并预测居民收入。2.进行主成分分析（PCA）

【机器学习】逻辑回归(LogisticRegression)原理与实战

标签：逻辑回归 logistic regression 原理与实战

逻辑回归的原理和实战应用

2024三掌柜赠书活动第二十四期：containerd原理剖析与实战

标签： docker

作为开发者，对于编程语言并不陌生，随着技术圈的不断进步和发展，越来越多的编程语言诞生和问世。开发者们更喜欢稳定、好用、强大的编程语言，因为可以解决很多问题，也很稳定。随着软件开发的复杂性和规模不断增加...

机器学习项目实践——鸢尾花分类

标签：机器学习分类支持向量机

摘要：支持向量机，因其英文名为support vector machine，故一般简称SVM，通俗来讲，它是一种二类分类模型，其基本模型定义为特征空间上的间隔最大的线性分类器，其学习策略便是间隔最大化，最终可转化为一个凸二次...

深度学习——推荐算法基础原理

标签：推荐系统

摘要互联网和信息计算的快速发展，衍生了海量的数据，我们已经进入了一个信息爆炸的时代，每时每刻都有海量信息产生，然而这些信息并不全是个人所关心的，用户从大量的信息中寻找对自己有用的信息也变得越来越困难...

GAN学习：GAN/DCGAN原理、公式推导及实践

GAN/DCGAN原理、公式推导及实践GAN学习：GAN/DCGAN原理、公式推导及实践一、GANGAN原理简介二、DCGAN三、动漫头像生成 GAN学习：GAN/DCGAN原理、公式推导及实践生成对抗网络（GAN）是深度学习领域一个相当有趣的...

极限学习机(Extreme Learning Machine, ELM)原理详解和MATLAB实现

标签： ELM 极限学习机

极限学习机原理 MATLAB中重点函数解读极限学习机的MATLAB实践引言极限学习机不是一个新的东西，只是在算法（方法）上有新的内容。在神经网络结构上，就是一个前向传播的神经网络，和之前几篇博文讲的意义。 ...

深度学习系列资料总结

标签：深度学习人工智能计算机视觉

说明本系列深度学习资料集合包含机器学习、深度学习等各系列教程，主要以计算机视觉资料为主，包括图像识别、分类、检测、分割等，内容参考Github及网络资源，仅供个人学习。深度学习定义一般是指通过训练多层网络...

2021最新对比学习（Contrastive Learning）在各大顶会上的经典必读论文解读

标签：算法聚类大数据

点击上方，选择星标或置顶，每天给你送上干货作者|对白出品|公众号：对白的算法屋我为大家整理了对比学习在最新各大顶会上的论文合集及相应代码，所列举的论文涉及领域包括但不限于CV, NLP...

【项目实践】中文文字检测与识别项目（CTPN+CRNN+CTC Loss原理讲解）

标签： pytorch 深度学习神经网络

1、CTPN原理——文字检测 1.1、简介 1.2、CTPN模型创新点 1.3、CTPN与RPN网络结构的差异 1.4、CTPN网络结构 1.5、如何通过FC层输出产生Text proposals? 1.6、竖直Anchor定位文字位置 1.7、文本线构造算法 ...

【深度学习】RoBERTa模型详解和实践

标签：深度学习人工智能机器学习

RoBERTa模型详解和实践 Robustly optimized BERT approach. 内容介绍： RoBERTa改进思路和原文详解 bert4keras工具使用基于RoBERTa的2020语言与智能技术竞赛-阅读理解任务实战代码：基于RoBERTa的2020语言与...

深度学习实战——卷积神经网络/CNN实践(LeNet、Resnet)

标签：深度学习人工智能 python

本篇博客主要介绍几种卷积神经网络的原理，并进行了代码实践与优化，另外，使用了CAM、图像显著性检测等方法进行了模型的可视化诊断。（内附代码与数据集）。

机器学习入门实践——线性回归模型（波士顿房价预测）

标签：机器学习 python 深度学习

机器学习入门实践——线性回归模型（波士顿房价预测）一、背景介绍给定一个大小为????的数据集 {????????,????????1,…,????????????}????????=1，其中????????1,…,????????????是第????个样本????个属性上的取值...

AutoML系列 | 01-自动化机器学习技术原理

标签：机器学习序列最小化优化算法粒子群算法

提示：自动机器学习(AutomatedMachine Learning, AutoML)技术是当前机器学习领域热点研究和迅速发展的方向之一，已被证明能够在多个领域达到或超过人类专家手动调参的效果，国内外许多头部公司纷纷将AutoML技术集成...

fm原理与FM实践