腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

ATYUN订阅号

专栏作者

2069

文章

2034852

阅读量

114

订阅数

使用Python的四种机器学习技术

线性回归监督学习编程算法机器学习决策树

在一些统计书籍中，我们经常会发现回归是衡量一个变量的均值与其他值的对应值之间相互关系的量度。那么让我们讨论一下该如何看待它。

2020-02-21

4440

DeepMind的人工智能系统学会了绘画

强化学习监督学习神经网络深度学习人工智能

近日，在伦敦举行的深度学习峰会会议上，DeepMind研究科学家Ali Eslami提出了一个非常有趣的项目，名为“人工智能和创造力”。

2019-10-15

7410

韩商言为什么让万千少女“上头”？除了颜值，CTF必须了解一下！

监督学习机器学习深度学习人工智能神经网络

一个是30岁的高冷腹黑霸道总裁，前CTF（网络信息安全竞赛）职业选手，K&K俱乐部老板（CTF方向）；

2019-07-30

5180

另一种深度学习（上）：自我监督学习与着色任务

图像识别深度学习监督学习机器学习神经网络

深度学习确实在机器学习领域，尤其是图像识别任务中重新调整了东西。2012年，Alex-net发起了一项（仍然远未结束）的竞赛，以解决或至少显着改善计算机视觉任务。虽然主要思想非常稳定（对所有事物都使用深度神经网络），但研究人员却采用了不同的方法：

2019-06-05

1.1K0

Facebook通过教机器人自学走路，推进发展更灵活的AI系统

机器人监督学习神经网络深度学习人工智能

机器人技术为推进人工智能提供了重要机会，因为教机器独立学习将有助于在其他场景中开发更有能力和更灵活的AI系统。与各种机器人合作，Facebook AI研究人员正在探索新技术，以突破人工智能的界限。

2019-05-22

4560

安静的半监督学习革命，一起清理未标记的数据

机器学习神经网络深度学习人工智能监督学习

对于机器学习工程师来说，访问大量数据十分重要，但有标记的数据很有限。处于此困境的人可能会查阅文献，思考下一步该做什么，而文献似乎都会给出一个现成的答案：半监督学习。

2019-05-21

7190

决策树完全指南（上）

编程算法数据传输服务监督学习

在最初的时候，学习机器学习(ML)可能是令人生畏的。“梯度下降”、“隐狄利克雷分配模型”或“卷积层”等术语会吓到很多人。但是也有一些友好的方法可以进入这个领域，我认为从决策树开始是一个明智的决定。

2019-05-21

1K0

探索生成式对抗网络GAN训练的技术：自注意力和光谱标准化

go 监督学习 tensorflow api

最近，生成模型引起了很多关注。其中很大以部分都来自生成式对抗网络（GAN）。GAN是一个框架，由Goodfellow等人发明，其中互相竞争的网络，生成器G和鉴别器D都由函数逼近器表示。它们在对抗中扮演不同的角色。

2018-09-26

1.4K0

NVIDIA研究人员提出新型深度学习架构，提高标识定位速度

深度学习人工智能监督学习

NVIDIA的研究人员与学术界的合作者共同开发了一种新的基于深度学习的标识定位（landmark localization）架构，该架构用于寻找图像特定部分的精确位置。此外，他们还提出了一种基于半监督学习的新型训练程序，该程序允许探索没有实际标记的图像以提高模型的准确性。

2018-07-27

3240

赫尔辛基大学AI基础教程：回归（4.3节）

人工智能监督学习线性回归机器学习

我们在本节中的主要学习目标是监督学习方法的另一个很好的例子，它也和最近邻分类一样简单：线性回归。以及它的近亲逻辑回归。

2018-07-27

4300

从自编码器到变分自编码器（其一）

人工智能监督学习神经网络

AiTechYun 编辑：yuxiangyu 自编码器是一种无监督学习技术，利用神经网络进行表征学习。也就是说，我们设计一个在网络中施加“瓶颈”，迫使原始输入压缩知识表示的神经网络架构。如果输入特征彼

2018-03-27

1.1K0

【学术】强化学习系列（上）：关于强化学习，你需要知道的重要知识点

强化学习机器学习编程算法监督学习

强化学习是一个非常有用的工具，可以在任何机器学习工具包中使用。为了能使你能够尽可能快地实现最新的模型，本系列的两篇文章是作为基础知识来设计的。这两篇文章中将分享强化学习中最重要的知识点。在文章的最后，你将了解所有的基本理论，以理解强化学习算法是如何工作的。首先我们看看本系列的上半部分内容。监督学习 VS 评估学习对于许多感兴趣的问题，监督学习的范例并没有给我们带来我们所需要的灵活性。监督学习与强化学习之间的主要区别在于，所获得的反馈是否具有评估性（evaluative）或启发性（instructive）

2018-03-05

7920

【机器学习】伪标签（Pseudo-Labelling）的介绍:一种半监督机器学习技术

机器学习监督学习

我们在解决监督机器学习的问题上取得了巨大的进步。这也意味着我们需要大量的数据来构建我们的图像分类器。但是，这并不是人类思维的学习方式。一个人的大脑不需要上百万个数据来进行训练，需要通过多次迭代来完成相同的图像来理解一个主题。它所需要的只是在基础模式上用几个指导点训练自己。显然，我们在当前的机器学习方法中缺少一些东西。我们能否可以建立一个系统，能够要求最低限度的监督，并且能够自己掌握大部分的任务。本文将介绍一种称为伪标签（Pseudo-Labelling）的技术。我会给出一个直观的解释，说明伪标签是什么，然

2018-03-05

16.9K0

机器学习黑客系列：模型比较与选择

机器学习黑客编程算法线性回归监督学习

训练机器学习并生成模型以供将来预测的科学被广泛使用。为了更好地解决我们的问题，我们引入了不会太复杂的代码，更高级的学习算法和统计方法。模型的比较和选择在我关于“机器学习101和线性回归”的论文中广泛讨论，我们尝试使用机器学习来解决的问题可以主要分为两种类型：监督机器学习与无监督机器学习。监督学习从标记的数据中学习，例如，房屋特征的数据，其中还包括房价，房价预测。换句话说，监督机器学习学习标记的数据点，并预计未来的标记数据点。论文地址：https://codingstartups.com/practica

2018-03-05

1.7K0

序列预测问题的简单介绍

序列预测与其他类型的监督学习问题不同。这个序列在观察结果上被强加了一个命令：当训练模型和做预测时序列必须保存。通常，包含序列数据的预测问题被称为序列预测问题，尽管他们是一些基于不同输入和输出序列的问题

2018-03-05

1.7K0

机器学习入门——使用python进行监督学习

机器学习 python 监督学习编程算法

什么是监督学习？在监督学习中，我们首先要导入包含训练特征和目标特征的数据集。监督式学习算法会学习训练样本与其相关的目标变量之间的关系，并应用学到的关系对全新输入（无目标特征）进行分类。为了说明如何

2018-03-02

1.4K0

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态