机器学习

机器学习梯度提升树（GBDT）分类原理
孟宝亮2025-01-1128500
GBDT 是一种强大的集成学习方法，广泛用于分类和回归问题。它属于提升（Boosting）算法的一种，通过多个弱学习器（通常是决策树）结合起来提高模型的准确性。 1. 二分类对于 GBDT 应用到二分类的场景，其预测过...
机器学习线性 SVC 原始形式（Primal）
孟宝亮2025-01-0922400
在 sklearn 中，LinearSVC 线性支持向量机（SVM）的原始形式支持的两种目标函数类型，分别是： squared_hinge 是目标函数中的损失项，它是标准的 hinge loss 的平方形式。它可以提供...
机器学习感知机（Perceptron）
孟宝亮2024-12-31146801
感知机（Perceptron）是1958 年由弗兰克·罗森布拉特（Frank Rosenblatt）提出的一个经典线性分类算法。它是机器学习领域最早提出的基于数学规则进行分类的模型之一，适用于解决二分类问题。作为一种线...
机器学习线性判别分析（LDA）
孟宝亮2024-12-16205305
线性判别分析（Linear Discriminant Analysis，简称 LDA）是一种经典的统计学方法，主要用于特征降维和分类问题。它的核心思想是：寻找一个最佳的线性投影，使得投影后的数据在新空间中，不同类...
机器学习主成分分析（PCA）
孟宝亮2024-12-06190402
主成分分析（PCA，Principal Component Analysis）是一种常用的数据降维技术。数据降维是指将高维数据转换为低维数据的过程，同时尽可能保留原始数据的重要信息。通过降维可以： 1. 基本思想 PCA...
机器学习感知机对偶算法
孟宝亮2024-12-0419000
对偶形式的感知机将权重向量表示为训练样本和对应标记的线性组合，因此不需要显式地维护权重向量，而是通过记录支持向量（误分类的样本）与权重更新系数的乘积来完成分类。 1. 基本原理感知机原始形式的参数更新规则是：其中是...
机器学习高斯混合模型（GMM）算法初探
孟宝亮2024-11-0985700
高斯混合模型（Gaussian Mixture Model，GMM）是一种基于概率的无监督学习模型，通过假设数据由多个高斯分布组成来进行数据建模，在机器学习、统计学和信号处理等领域有广泛的应用。 1. 基本理解假设：我...
《高斯混合模型》

1 … 4 5 6 … 35

机器学习

机器学习 梯度提升树（GBDT）分类原理

机器学习 线性 SVC 原始形式（Primal）

机器学习 感知机（Perceptron）

机器学习 线性判别分析（LDA）

机器学习 主成分分析（PCA）

机器学习 感知机对偶算法

机器学习 高斯混合模型（GMM）算法初探

C++ 线程局部存储 – 创建线程私有变量的方案

Python 异步编程 – 让程序不再死等，提高效率

基于 dify + xinference + ChatTTS + SenseVoiceSmall 本地搭建语音聊天应用

Python Pickle 反序列化漏洞

C++ std::lock 避免死锁工具用法详解