AI算法与模型共82篇
AI算法与模型模块深入探讨机器学习、优化算法和深度学习等人工智能的核心技术。通过详细的理论讲解与实战案例，帮助学习者理解各种算法的原理和应用，掌握如何构建和优化AI模型。无论是监督学习、无监督学习，还是神经网络的实现与优化，这里都提供了系统的学习资料~
排序
机器学习简介
1 机器学习基础 1.1 机器学习的定义与核心概念 为了更深入地理解机器学习，我们可以从以下核心概念入手： 数据驱动：机器学习完全依赖于数据。这些数据既可以是结构化的，如表格，也可以是非结...
6个月前
聚类算法之层次聚类 (Hierarchical Clustering)
层次聚类是一种非常独特和强大的聚类方法，与众多其他的聚类技术相比，它不仅为数据集提供了一个划分，还给出了一个层次结构，这在某些应用中是非常有价值的。在生物信息学、社会网络分析、市场...
6个月前
聚类算法之DBSCAN (Density-Based Spatial Clustering of Applications with Noise)
DBSCAN是在1990年代后期推出的一种聚类方法，它迅速成为基于密度的聚类技术中最受欢迎和广泛使用的算法之一。与传统的聚类方法如K-means不同，DBSCAN的主要优势在于其能够识别出任意形状的聚类...
6个月前
降维算法之t-SNE (t-Distributed Stochastic Neighbor Embedding)
t-SNE是一种用于探索高维数据结构的非线性降维技术。它特别适用于高维数据的可视化，因为它能够在低维空间中保留原始高维数据的局部结构。由于这个特性，t-SNE在机器学习和数据分析领域越来越受...
6个月前
降维算法之主成分分析 (Principal Component Analysis, PCA)
主成分分析（PCA）是一种统计方法，用于减少数据的维度，同时尽量保留原始数据中的方差。PCA在机器学习和数据可视化中有着坚实的地位，因为它可以有效地简化数据，同时保留其核心特征。 1 算法...
6个月前
降维算法之奇异值分解 (Singular Value Decomposition, SVD)
引言 在机器学习和数据分析领域，当数据的维度特别高时，处理和分析数据就会变得尤为困难。这是因为随着维度的增加，数据的稀疏性也会增加，这种现象被称为“维度的诅咒”。为了克服这个挑战，...
6个月前
遗传算法（Genetic Algorithm）
算法引言 遗传算法是一种模拟生物进化过程的搜索启发式算法。想象一下长颈鹿的进化过程：在古代，长颈鹿的祖先可能都有着不同长度的脖子。在食物竞争激烈的环境下，那些脖子较长、能够触及更高...
5个月前
线性回归算法
1.线性回归引言 回归分析是一种强大的统计方法，允许我们检查两个或多个变量之间的关系。通过这种分析，我们可以用一个或多个自变量来预测因变量的值。在机器学习和数据科学中，回归算法是一种...
5个月前
模拟退火（Simulated Annealing)
算法引言 模拟退火算法是一种启发式搜索算法，它受到物理学中固体物质退火过程的启发。在物理学中，退火是一种将材料加热至高温，然后缓慢冷却以减少材料内部应力的过程。在这个过程中，材料的...
5个月前
岭回归与LASSO回归
引言 岭回归: 通过向线性回归中引入L2正则化项防止过拟合。 LASSO回归: 通过向线性回归中引入L1正则化项实现特征选择。 L1正则化与LASSO回归 L1正则化通过在损失函数中添加参数权重的绝对值和的...
6个月前
蚁群优化算法（Ant Colony Optimization Algorithm）
算法引言 蚁群算法，是一种模拟蚂蚁觅食行为的优化算法。想象一下，当你在野餐时，不小心洒了一些糖在地上。一只蚂蚁偶然发现了这些糖，就会在回巢的路上留下信息素，引导其他蚂蚁也找到这个食...
6个月前
