- 【引言】 今天突然发现MATLAB 2015a的版本自带了许多经典的机器学习方法，简单好用，所以在此撰写博客用以简要汇总（我主要参考了MATLAB自带的帮助文档）。 MATLAB每个机器学习方法都有很多种方式实现，并可进行高级配置（比如训练决策树时设置的各种参数） ，这里由于篇幅的限制，不再详细描述。我仅列出我认为的最简单的使用方... 【引言】 今天突然发现MATLAB 2015a的版本自带了许多经典的机器学习方法，简单好用，所以在此撰写博客用以简要汇总（我主要参考了MATLAB自带的帮助文档）。 MATLAB每个机器学习方法都有很多种方式实现，并可进行高级配置（比如训练决策树时设置的各种参数） ，这里由于篇幅的限制，不再详细描述。我仅列出我认为的最简单的使用方...
- LDA： LDA的全称是Linear Discriminant Analysis（线性判别分析），是一种supervised learning。有些资料上也称为是Fisher’s Linear Discriminant，因为它被Ronald Fisher发明自1936年，Discriminan... LDA： LDA的全称是Linear Discriminant Analysis（线性判别分析），是一种supervised learning。有些资料上也称为是Fisher’s Linear Discriminant，因为它被Ronald Fisher发明自1936年，Discriminan...
- 在前面讲到的DQN系列强化学习算法中，我们主要对价值函数进行了近似表示，基于价值来学习。这种Value Based强化学习方法在很多领域都得到比较好的应用，但是Value Based强化学习方法也有很多局限性，因此在另一些场景下我们需要其他的方法，比如本篇讨论的策略梯度(Policy Gradient)，它是Policy Based强... 在前面讲到的DQN系列强化学习算法中，我们主要对价值函数进行了近似表示，基于价值来学习。这种Value Based强化学习方法在很多领域都得到比较好的应用，但是Value Based强化学习方法也有很多局限性，因此在另一些场景下我们需要其他的方法，比如本篇讨论的策略梯度(Policy Gradient)，它是Policy Based强...
- 1. TP（True Postive）、TN（True Negative）、FP（False Negative）、 FN（False Negative） 举个医生看病的例子： 假设患病为阳性（Positive），健康为阴性（Negative） 当医生正确地将患病病人确诊为有病，那么就是TP；当医生正确地将康复病人确诊为没病，那么就是TN... 1. TP（True Postive）、TN（True Negative）、FP（False Negative）、 FN（False Negative） 举个医生看病的例子： 假设患病为阳性（Positive），健康为阴性（Negative） 当医生正确地将患病病人确诊为有病，那么就是TP；当医生正确地将康复病人确诊为没病，那么就是TN...
- 从今天开始整理强化学习领域的知识，主要参考的资料是Sutton的强化学习书和UCL强化学习的课程。这个系列大概准备写10到20篇，希望写完后自己的强化学习碎片化知识可以得到融会贯通，也希望可以帮到更多的人，毕竟目前系统的讲解强化学习的中文资料不太多。 第一篇会从强化学习的基本概念讲起，对应Sutton书的第一章和UCL课程的... 从今天开始整理强化学习领域的知识，主要参考的资料是Sutton的强化学习书和UCL强化学习的课程。这个系列大概准备写10到20篇，希望写完后自己的强化学习碎片化知识可以得到融会贯通，也希望可以帮到更多的人，毕竟目前系统的讲解强化学习的中文资料不太多。 第一篇会从强化学习的基本概念讲起，对应Sutton书的第一章和UCL课程的...
- 在机器学习中的矩阵向量求导(一) 求导定义与求导布局中，我们讨论了向量矩阵求导的9种定义与求导布局的概念。今天我们就讨论下其中的标量对向量求导，标量对矩阵求导, 以及向量对向量求导这三种场景的基本求解思路。 对于本文中的标量对向量或矩阵求导这两种情况，如前文所说，以分母布局为默认布局。向量对向量求导，以分子布局为默认布局。如... 在机器学习中的矩阵向量求导(一) 求导定义与求导布局中，我们讨论了向量矩阵求导的9种定义与求导布局的概念。今天我们就讨论下其中的标量对向量求导，标量对矩阵求导, 以及向量对向量求导这三种场景的基本求解思路。 对于本文中的标量对向量或矩阵求导这两种情况，如前文所说，以分母布局为默认布局。向量对向量求导，以分子布局为默认布局。如...
- 共同点： SIFT/SURF为了实现不同图像中相同场景的匹配，主要包括三个步骤： 1、尺度空间的建立； 2、特征点的提取； 3、利用特征点周围邻域的信息生成特征描述子 4、特征点匹配。 从博客上看到一片文章，... 共同点： SIFT/SURF为了实现不同图像中相同场景的匹配，主要包括三个步骤： 1、尺度空间的建立； 2、特征点的提取； 3、利用特征点周围邻域的信息生成特征描述子 4、特征点匹配。 从博客上看到一片文章，...
- 过去二十年，由于互联网的发展，零售由线下往线上迁移。近些年，伴随着智能手机的普及，越来越多的线上零售在移动终端上完成。 随着这些移动设备计算力和存储力的日益强大，智能手机也正在成为强大的计算平台，为复杂的端上情景计算提供了可能。 情景计算是利用大数据和机器学习算法在移动设备上主动感知用户状态及用户所处的环境，预测用户意图，对新零... 过去二十年，由于互联网的发展，零售由线下往线上迁移。近些年，伴随着智能手机的普及，越来越多的线上零售在移动终端上完成。 随着这些移动设备计算力和存储力的日益强大，智能手机也正在成为强大的计算平台，为复杂的端上情景计算提供了可能。 情景计算是利用大数据和机器学习算法在移动设备上主动感知用户状态及用户所处的环境，预测用户意图，对新零...
- 标准差（Standard Deviation） ，中文环境中又常称均方差，是离均差平方的算术平均数的平方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的两组数据，标准差未必相同。 标准差（ Standard Deviation），在 标准差（Standard Deviation） ，中文环境中又常称均方差，是离均差平方的算术平均数的平方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的两组数据，标准差未必相同。 标准差（ Standard Deviation），在
- 特征工程-使用随机森林进行缺失值填补 一、前言 特征工程在传统的机器学习中是非常重要的一个步骤，我们对机器学习算法的优化通常是有限的。如果在完成任务时发现不管怎么优化算法得到的结果都不满意，这个时候就... 特征工程-使用随机森林进行缺失值填补 一、前言 特征工程在传统的机器学习中是非常重要的一个步骤，我们对机器学习算法的优化通常是有限的。如果在完成任务时发现不管怎么优化算法得到的结果都不满意，这个时候就...
- 💖作者简介：大家好，我是车神哥，府学路18号的车神🥇 ⚡About—>车神：从寝室到实验室最快3分钟，最慢3分半（那半分钟其实是等红绿灯） 📝个人主页：应无所住而生其心的博客_府学路18... 💖作者简介：大家好，我是车神哥，府学路18号的车神🥇 ⚡About—>车神：从寝室到实验室最快3分钟，最慢3分半（那半分钟其实是等红绿灯） 📝个人主页：应无所住而生其心的博客_府学路18...
- 竞赛背景 全国大学生智能汽车竞赛是以智能汽车为研究对象的创意性科技竞赛，是面向全国大学生的一种具有探索性工程的实践活动，是教育部倡导的大学生科技竞赛之一。竞赛以"立足培养，重在参与，鼓励探索，追求卓越"... 竞赛背景 全国大学生智能汽车竞赛是以智能汽车为研究对象的创意性科技竞赛，是面向全国大学生的一种具有探索性工程的实践活动，是教育部倡导的大学生科技竞赛之一。竞赛以"立足培养，重在参与，鼓励探索，追求卓越"...
- ➤01 一维函数 使用matplotlib的绘制函数是非常方便和容易的。 下面这个有趣的例子来自于飞浆PaddlePaddle深度学习实战P20中的例子。 1.简单的例子 演示了... ➤01 一维函数 使用matplotlib的绘制函数是非常方便和容易的。 下面这个有趣的例子来自于飞浆PaddlePaddle深度学习实战P20中的例子。 1.简单的例子 演示了...
- 今天下午，来自清华建筑学院的大一学生到我的办公室来，讨论车模控制问题。原来他参加了汽车工程系举办的科技冬令营-芯动计划活动，参加这个活动将会学习基本软件操作方法、MCU基本知识以及常见的传感器等。其中 一... 今天下午，来自清华建筑学院的大一学生到我的办公室来，讨论车模控制问题。原来他参加了汽车工程系举办的科技冬令营-芯动计划活动，参加这个活动将会学习基本软件操作方法、MCU基本知识以及常见的传感器等。其中 一...
- ^平衡 | 图^ 规 与 矩****None没有规矩，无以成方圆。对于一项学生课外科技竞赛来讲，更是如此。那么什么是全国大学生智能车竞赛的规和矩呢？ 那就是比赛的赛道和计时系统。 在第13届全国大... ^平衡 | 图^ 规 与 矩****None没有规矩，无以成方圆。对于一项学生课外科技竞赛来讲，更是如此。那么什么是全国大学生智能车竞赛的规和矩呢？ 那就是比赛的赛道和计时系统。 在第13届全国大...
上滑加载中
推荐直播
-
华为云码道Skill实战与极速交付，智能开发全链路实战2026/07/22 周三 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；姜浩-华为云HCDG核心组成员
直播深度解读华为云码道6月产品新特性，从Skill市场安装专家技能，带你零距离体验从需求，开发，审查，重构全链路闭环的开发过程。从零构建并交付一个完整项目，让您体验从代码提交到服务上线的“极速”之旅。
回顾中 -
聚开发者之力，创具身新未来2026/07/23 周四 15:00-17:00
张豪杰/程文/王军/刘新春/黄钦开 /张晓天
本次华为云具身智能开发平台CloudRobo培训面向具身智能开发者，带您全流程体验机器人本体R2C小时级接入、环境重建与轨迹生成仿真数据生产、PB级数据管理、数据评测、模型训推、强化学习和Benchmark一键评测等功能，并体验业界主流具身模型应用。
回顾中
热门标签