Learn Beyond Limits

归档

2025 年 08 月

一、概括 这篇文章主要围绕如何根据数据分布选择合适的特征展开。通过直方图和分布曲线对比,展示了非高斯分布的数据在经过对数、平方根、幂次等数学变换后,能够更接近高斯分布,从而提升模型的表现。文章强调了理解数据特征分布的重要性,并介绍了常见的特征变换方法,为构建更稳健的机器学习模型提供思路。 二、非高斯
一、密度估计 图中说明了对多维特征向量进行密度估计的设定与公式。 训练集:{x(1),x(2),…,x(m)},每个样本 xi 有 n 个特征。右侧用列向量表示样本 xx由各维特征组成(x
一、正态分布的定义 正态分布(Normal Distribution),又称高斯分布(Gaussian Distribution),是统计学和概率论中最经典、最重要的一种分布形式。它的曲线形状呈对称的钟形,中间高、两边低,且以均值为中心对称展开,数据大多集中在均值附近,越往两端越稀少。正态分布由均值
一、异常检测的定义 异常检测(Anomaly Detection)是一种数据分析技术,它通过分析数据集中的模式和行为,识别出那些与正常模式显著不同的观测值或事件。在实际应用中,它就像是一个敏锐的“守门人”,时刻监视着数据流,寻找那些“不按套路出牌”的数据点。 通俗理解:
一、AutoDL算力云介绍 AutoDL是一个提供高性能GPU算力租用的云计算平台,专注于为人工智能(AI)、机器学习(ML)和深度学习(DL)项目提供服务,帮助用户以较低的成本获取强大的计算资源,加速模型训练和开发过程。 算力云特点 高性能GPU资源:提供多种高性能GPU配置,如RTX 3090、
一、K-means 初始化的定义 K-means 的初始化是指在算法开始时,随机选择 KK 个数据点作为初始聚类中心。之后,算法会不断迭代,逐步调整这些中心的位置。
一、K-means 优化目标与代价函数 符号说明(图左) <