首页
学习
活动
专区
圈层
工具
发布
首页标签机器学习

#机器学习

实现人工智能的一个途径,即以机器学习为手段解决人工智能中的问题

机器学习入门:从零开始理解AI的核心技术

用户9169265

机器学习(Machine Learning)是人工智能的核心分支,它让计算机能够从数据中"学习"规律,而不需要被明确地编程。近年来,从推荐系统到自动驾驶,从语音...

2200

强化学习算法解析:Gradient Boosting Machine(梯度提升机, GBM)算法原理、手动计算与Python/Java双代码实战指南

jack.yang

关键词:机器学习、梯度提升机、GBM算法、GBDT、负梯度拟合、残差学习、Python GBM、Java Weka GradientBoosting、XGBoo...

4910

数据科学可视化与机器学习概念解析

用户11764306

“我的现任经理 Brent Werness 发布了一条消息,说他的机器学习大学团队刚刚开设了一个新职位,利用数据可视化解释机器学习概念。我一定是在几分钟内就给他...

6810

Nat. Chem. | 氨基酸组成驱动的肽合成聚集机制与机器学习预测策略

DrugAI

肽合成过程中发生的聚集是长期困扰化学合成领域的关键问题,会显著降低合成效率与成功率。尽管已有数据驱动方法用于解析序列相关现象,但针对固相肽合成中“非随机困难偶联...

3710

Nat. Mach. Intell. | 用欧几里得快速注意力学习全局原子表示

DrugAI

在分子建模与材料模拟中,长程相互作用对于准确描述体系性质至关重要,但现有机器学习力场通常依赖局部信息,难以有效建模远距离相互作用。研究人员提出了一种新的注意力机...

7210

Nat. Chem. Eng. | 端到端反应性预测框架:重塑多相催化

DrugAI

多相催化反应通常由复杂的多步反应网络组成,不同反应路径之间存在竞争关系,因此理解完整反应机理对于预测催化活性和选择性至关重要。传统方法依赖研究人员基于经验提出反...

8210

Nat. Commun. | 从力与噪声中学习: 数据高效的粗粒化分子动力学建模方法

DrugAI

为解决这一问题,研究人员提出一种基于力和噪声联合学习的机器学习框架,通过从有限的全原子模拟轨迹中提取动力学信息,构建能够重现实时间演化行为的粗粒化模型。

8410

Chem. Sci. | 机器学习势+静电嵌入:高精度模拟酶催化的新方法

DrugAI

准确模拟酶催化反应对于理解生物催化机制和设计新型酶具有重要意义,但传统的量子力学/分子力学(QM/MM)方法在保证精度的同时计算成本极高。研究人员提出一种结合机...

5610

机器学习解偏微分方程:文献中的过度乐观与评估准则

用户11764306

“很少有文章报告机器学习表现更差,这并不是因为机器学习几乎总是做得更好,而是因为研究人员几乎从不发表机器学习表现更差的文章,”第一作者说。

9310

春季2021亚马逊研究奖获奖者公布

用户11764306

“自动化推理研究与其他广泛的研究领域深度交织,涉及机器学习、硬件与软件工程、机器人技术和生命科学,”自动化推理团队的首席科学家表示,“2021年的某机构研究奖反...

6310

机器学习算法之决策树:随机森林(Random Forest)原理、手动计算与Python/Java双代码实战指南

jack.yang

关键词:机器学习、随机森林、Random Forest、特征重要性、OOB误差、Bootstrap、决策树集成、Python随机森林、Java Weka Ran...

28620

机器学习稳定性基石:深度学习Bagging(Bootstrap Aggregating)算法的原理、手动计算与Python/Java双代码实战

jack.yang

关键词:机器学习、Bagging算法、Bootstrap聚合、集成学习、随机森林基础、偏差方差分解、Python Bagging、Java Bagging、OO...

9820

机器学习算法之超越均值预测:M5 回归树(M5P)原理、手动计算与工业级实战指南

jack.yang

关键词:机器学习、M5回归树、M5P算法、模型树、线性回归叶节点、Weka M5P、SDR、回归决策树、可解释回归、Quinlan

11920

机器学习算法无偏可解释模型:条件推断树(Conditional Inference Tree)原理、优势详解与实战指南

jack.yang

关键词:机器学习、条件推断树、Conditional Inference Tree、无偏决策树、party包、统计检验、置换检验、变量选择偏差、可解释AI、R ...

11620

机器学习算法:弱分类器中决策桩(Decision Stump)原理、手动计算与Python/Java双代码实战

jack.yang

关键词:机器学习、决策桩、Decision Stump、弱分类器、AdaBoost、手写代码、Python 决策桩、Java 决策桩、集成学习、基学习器

15320

机器学习之商业智能首选决策树:CHAID(卡方自动交互检测)原理、手动计算与实战应用指南

jack.yang

关键词:机器学习、CHAID算法、决策树、卡方检验、市场细分、问卷分析、类别合并、Python CHAID、商业智能、统计显著性

14320

机器学习全能决策树:CART(Classification and Regression Tree)原理、手动计算与Python/Java双代码实战

jack.yang

关键词:机器学习、CART算法、分类回归树、基尼系数、MSE、决策树、Python CART、Java CART、sklearn DecisionTree、代价...

18520

机器学习工业级决策树:C5.0 算法原理、优势详解与实战调用指南(C4.5 的终极进化版)

jack.yang

关键词:机器学习、C5.0算法、决策树、C4.5升级、Boosting集成、规则挖掘、可解释AI、R C50包、Python C5.0、Ross Quinlan

13420

机器学习经典算法:ID3决策树(Iterative Dichotomiser 3)原理、手动计算与Python/Java双代码实战

jack.yang

关键词:机器学习、ID3算法、决策树、信息增益、熵、手动计算、天气打球数据集、Python ID3、Java ID3、Iterative Dichotomise...

14320

机器学习之经典算法:隐马尔可夫模型(HMM)原理、手动计算与Python/Java双代码实战

jack.yang

关键词:机器学习、隐马尔可夫模型、HMM、维特比算法、前向算法、序列标注、词性标注、语音识别、Python HMM、Java HMM、手动计算

24620
领券