1201.机器学习-算法-K-Means聚类
发表于
|
分类于
machine_learning
，
算法
K-means 算法是一种经典的无监督学习方法，用于对未标记的数据集进行分群，即将数据集中相似的对象划分为不同的簇。
基本原理：
初始化： 设定簇的数量（K）：由用户预先指定，表示希望得到的簇的数量。 选择初始聚类中心（Centroids）：通常随机从数据集中选取 K 个对象作为初始的聚类中心。
分
...
1201.机器学习-算法-支持向量机
发表于
|
分类于
machine_learning
，
算法
初识SVM算法支持向量机（Support Vector Machine，SVM）是一种经典的监督学习算法，用于解决二分类和多分类问题。其核心思想是通过在特征空间中找到一个最优的超平面来进行分类，并且间隔最大。它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；SVM还包括
...
1201.机器学习-算法-线性回归
发表于
|
分类于
machine_learning
，
算法
线性回归模型简介线性与非线性
线性：两个变量之间的关系是一次函数关系的——图象是直线，叫做线性。注意：线性是指广义的线性，也就是数据与数据之间的关系。
非线性：两个变量之间的关系不是一次函数关系的——图象不是直线，叫做非线性。线性回归是统计学中一种常用的预测分析方法，它通过最小化误差的平方和来研究
...
1201.机器学习-算法-朴素贝叶斯
发表于
|
分类于
machine_learning
，
算法
匈牙利算法(Hungarian Algorithm) 是一种在多项式时间内求解的分配问题的组合优化算法, 由 Harold Kuhn 在1955年完善并发表. 算法的命名是因为该算法很大程度上是基于两位匈牙利数学家 Dénes Kőnig and Jenő Egerváry 的工作而来的. Jame
...
1201.机器学习-算法-朴素贝叶斯
发表于
|
分类于
machine_learning
，
算法
18世纪英国业余(一点都不业余好吗)数学家托马斯·贝叶斯(Thomas Bayes，1702～1761)提出过一种看似显而易见的观点：用客观的新信息更新我们最初关于某个事物的信念后，我们就会得到一个新的、改进了的信念。这个研究成果由于简单显得平淡无奇，直至他死后两年才于1763年由他的朋友理查德·普
...
Python-包-可视化-matplotlib
绘图标记通过marker可以指定绘制图形中所用标记的形状，比如fmt 参数定义了基本格式，如标记、线条样式和颜色。markersize，简写为 ms：定义标记的大小。markerfacecolor，简写为 mfc：定义标记内部的颜色。markeredgecolor，简写为 mec：定义标记边框的颜色
...
机器学习-算法-决策树
发表于
|
分类于
machine_learning
，
算法
决策树简介决策树（Decision Tree）是一种基本的监督学习方法，可用于分类与回归。它将特征空间递归地划分为若干区域，每个区域对应一个预测值；从根节点到叶节点的路径，等价于一条 if-else 判定规则。决策树的可解释性极强——训练得到的”知识”以层次结构直接呈现，非专业人员也能读懂。
段末
...
5023.大模型-模型优化-微调工具-Unsloth
发表于
|
分类于
LLM
Unsloth简介2.1 主要特性(1) 所有的内核均以OpenAI的Triton语言实现，并且手动实现反向传播引擎。Triton语言是面向LLM训练加速。(2) 准确率0损失，没有近似方法，方法完全一致。(3) 硬件层面无需变动。支持18年之后的Nvidia GPU(V100, T4, Titan
...
5023.大模型-模型优化-微调进程可视化工具-Unsloth
发表于
|
分类于
LLM
SwanLab 是一个跟踪实验、可视化结果、发现新改进点等的在线平台。简而言之，SwanLab使你能够更快地构建更好的模型，并轻松与同事分享发现。
使用说明这是一个已经集成到python 的可视化库，使用非常简单，通过pip安装 swanlab,然后通过key(SwanLab 注册后获取) 登录 s
...