📅  最后修改于: 2022-05-13 01:58:08.724000        🧑  作者: Mango

区分支持向量机和逻辑回归逻辑回归：它是一种分类模型，用于预测有利于特定事件的几率。优势比代表我们想要预测的阳性事件，例如，样本患乳腺癌的可能性有多大/个人将来患糖尿病的可能性有多大。它使用 sigmoid函数在 0 和 1 之间转换输入值。逻辑回归的基本思想是适应线性回归，以便估计新条目落入类中的概率。线性决策边界是简单地回归函数的结构的结果，并在函数使用的阈值的分类。 Logistic 回归试图...

📅  最后修改于: 2022-05-13 01:58:08.731000        🧑  作者: Mango

用自然语言解释语言我们首先定义词典或允许的术语列表。词被分类成词典用户熟悉的词汇类别：名词、代词、表示事物的名称；表示事件的动词；修饰名词的形容词；修饰动词的副词；和函数：冠词（如the）、介词（in）和修饰动词（and）的连词。语言的小词汇如下图所示：编程需要懂一点英语术语 RelPro、Prep 和 Conj 分别代表关系代词、介词和连词。每个类别的概率加起来为 1。每个类别都以…结尾，表示该...

📅  最后修改于: 2022-05-13 01:58:08.737000        🧑  作者: Mango

毫升 |理解假设在大多数监督机器学习算法中，我们的主要目标是从假设空间中找出一个可能的假设，该假设可以将输入映射到正确的输出。下图显示了从假设空间中找出可能假设的常用方法：假设空间（H）：假设空间是所有可能的法律假设的集合。这是机器学习算法将从中确定最可能（只有一个）最能描述目标函数或输出的函数。假设（h）：假设是在监督机器学习中最能描述目标的函数。算法会出现的假设取决于数据，也取决于我们对数据施...

📅  最后修改于: 2022-05-13 01:58:08.744000        🧑  作者: Mango

毫升 |独立成分分析先决条件：主成分分析独立分量分析(ICA) 是一种机器学习技术，用于从混合信号中分离独立源。与主成分分析侧重于最大化数据点的方差不同，独立成分分析侧重于独立性，即独立成分。问题：从这些源的信号组成的混合信号中提取独立源的信号。给定：来自五个不同独立来源的混合信号。目的：将混合信号分解为独立的信号源：来源 1来源 2来源 3来源 4来源 5解决方案：独立分量分析（ICA）。考虑鸡...

📅  最后修改于: 2022-05-13 01:58:08.751000        🧑  作者: Mango

什么是机器学习中的 AutoML？机器学习是当前最流行的技术！！！它目前几乎用于所有可以想象的领域，这已经无限地推动了它的重要性。但是那些不了解机器学习的人呢？这就是自动化机器学习或 AutoML 的用武之地！自动化机器学习 (AutoML) 基本上涉及将机器学习应用于实际与行业相关的实际问题的端到端过程的自动化。近年来，人们一次又一次地注意到并证明机器学习或机器学习是未来的关键。可以理解，这是一...

📅  最后修改于: 2022-05-13 01:58:08.758000        🧑  作者: Mango

波束搜索算法简介介绍 ：启发式技术是一组标准，用于确定多个选项中的哪一个在实现特定目标方面最有效。这种策略通过放弃最佳的系统性和完整性的主张来提高搜索过程的效率。如果我们使用适当的启发式方法，我们可以希望在少于指数的时间内很好地解决难题（例如旅行商问题）。光束搜索：通过扩展有限集合中最有希望的节点来检查图的启发式搜索算法称为波束搜索。波束搜索是一种启发式搜索技术，它总是扩展每个级别的最佳节点的 W...

📅  最后修改于: 2022-05-13 01:58:08.765000        🧑  作者: Mango

龙飞优化由于其简单、易于操作、防止局部最优的能力以及无衍生品的问题，元启发式在过去的三个十年中经常被使用。探索和利用是两个基本的元启发式特征。第一个展示了该算法如何能够检测新的搜索区域，而第二个则专注于寻找最佳解决方案，这是一个有前途的搜索区域。元启发式成功是一种可以平衡探索与利用的成功。元启发式有几种分类。自然启发与非自然启发基于人口的与单点搜索动态目标函数与静态目标函数一个社区与多个社区内存使...

📅  最后修改于: 2022-05-13 01:58:08.773000        🧑  作者: Mango

很好的学习问题适定学习问题——如果计算机程序在 T 上的性能（由 P 衡量）随经验 E 升级，则称该计算机程序从上下文中的经验 E 中学习某些任务 T 和某些性能度量 P。如果任何问题具有三个特征，则可以将其分离为适定学习问题：任务性能指标经验有效定义适定学习问题的某些示例是：1. 更好地过滤垃圾邮件任务 – 将电子邮件分类为垃圾邮件与否绩效衡量 – 准确分类为垃圾邮件或非垃圾邮件的电子邮件比例经...

📅  最后修改于: 2022-05-13 01:58:08.779000        🧑  作者: Mango

使用 Word2Vec 嵌入在给定单词中查找奇数单词在测试个人的逻辑推理能力时，Odd One out问题是最有趣和最容易出现的问题之一。它经常用于许多竞争性考试和安置轮次，因为它检查个人的分析技能和决策能力。在本文中，我们将编写一个Python代码，可用于在给定的一组单词中查找奇数单词。假设我们有一组单词，例如 Apple、Mango、Orange、Party、Guava，我们必须找到奇数单词。...

📅  最后修改于: 2022-05-13 01:58:08.786000        🧑  作者: Mango

自动编码器与 PCA 有何不同在本文中，我们将了解自动编码器与主成分分析 (PCA) 有何不同。降维在 ML 中的作用当数据记录的数量不是特征数量的重要组成部分时，我们经常会在机器学习项目中遇到维度问题的诅咒。这通常会导致问题，因为它需要使用有限的数据集训练大量参数，这很容易导致过度拟合和泛化性差。高维也需要长时间的训练。为了解决这些挑战，通常使用降维方法。尽管它位于高维空间，但特征空间通常具有低...

📅  最后修改于: 2022-05-13 01:58:08.793000        🧑  作者: Mango

Jarvis-Patrick聚类算法的基本理解Jarvis Patrick 聚类算法是一种基于图的聚类技术，它用 SNN 相似度替换两点之间的邻近度，其计算方法如 SNN 算法中所述。然后习惯于使用阈值来稀疏这个 SNN 相似性矩阵。注意：“稀疏化”是一种大幅减少需要处理的数据量的技术。SNN 算法（共享最近邻相似度）：找到所有点的 k 最近邻。如果两个点x和y似乎不在彼此的 k 最近邻之间，那么...

📅  最后修改于: 2022-05-13 01:58:08.800000        🧑  作者: Mango

物联网中的执行器物联网设备由物理对象（“事物”）+控制器（“大脑”）+传感器+执行器+网络（互联网）组成。执行器是移动或控制机构或系统的机器部件或系统。设备中的传感器感知环境，然后根据执行所需的动作为执行器生成控制信号。伺服电机是致动器的一个例子。它们是线性或旋转执行器，可以移动到给定的指定角度或线性位置。我们可以将伺服电机用于物联网应用，并根据需要使电机旋转 90 度、180 度等。下图显示了执...

📅  最后修改于: 2022-05-13 01:58:08.807000        🧑  作者: Mango

规划在人工智能中的作用是什么？人工智能是未来的关键技术。无论是智能机器人，还是自动驾驶汽车，还是智慧城市，都会用到人工智能的不同方面！！！但是要创建任何此类 AI 项目，规划非常重要。以至于规划是人工智能的关键部分，它处理特定问题的行动和领域。计划被认为是表演的推理方面。我们人类所做的一切都是为了一个特定的目标，我们所有的行动都是为了实现我们的目标。以类似的方式，也为人工智能完成了规划。例如，到达...

📅  最后修改于: 2022-05-13 01:58:08.819000        🧑  作者: Mango

使用 R 进行简单线性回归的实用方法简单线性回归是一种统计方法，它使我们能够总结和研究两个连续（定量）变量之间的关系。一个用 x 表示的变量被认为是一个自变量，另一个用 y 表示的变量被认为是一个因变量。假设两个变量是线性相关的。因此，我们试图找到一个线性函数，它尽可能准确地预测响应值 (y) 作为特征或自变量 (x) 的函数。具有一个因变量和一个自变量的回归方程的最简单形式由以下公式定义：y =...

📅  最后修改于: 2022-05-13 01:58:08.828000        🧑  作者: Mango

毫升 |内核 PCA 简介PRINCIPAL COMPONENT ANALYSIS：是一种用于降低数据维度的工具。它允许我们减少数据的维度而不会丢失太多信息。 PCA 通过找到具有最大方差的原始变量的几个正交线性组合（主成分）来降低维度。第一个主成分捕获了数据中的大部分方差。第二个主成分与第一个主成分正交并捕获剩余的方差，这是第一个主成分的左侧，依此类推。主成分的数量与原始变量的数量一样多。这些主...