1 置信学习提出的背景在做机器学习模型的时候我们一般认为数据的标签是可信的，而对于那些不可信的数据可能会直接丢弃或者利用类似半监督学习的思想处理。而置信学习反其道行之，通过使用一些策略给出数据原始标签的置信程度，纠正噪音数据的标签之后再进行后续的训练。该概念来自于ICML2020年的一篇论文：Confident Learning: Estimating Uncertainty in Dataset

我曾在机器学习之聚类算法应用篇中介绍过，聚类算法常使用轮廓系数来评估聚类效果，不过有时候并不是轮廓系数越大越好，如下面两幅图所示，图中的红色虚线表示聚类系数分数：显然将簇数据设置为2的时候得到的轮廓系数最高，达到了0.705分，但是这并不一定是最好的聚类结果，显然在这个测试集中，我们有4个簇。为了将各个簇的轮廓系数以可视化的形式展现出来，辅助决策聚类参数，【机器学习】菜菜的sklear...

在训练模型的过程中，应该关注于学习曲线避免模型过拟合，借助tensorboard可以非常方便地对训练过程中的各种数据进行可视化分析（虽然在pytorch下使用tensorboard，但其内核是 tensorflow里面的board，所以安装之前得先安装 tensorflow）1 安装必备的工具pip install tensorboardXpip install tensorboardpip in

BOM提供了localStorage和sessionStorage用于在浏览器中保存页面数据，区别在于：使用localStorage存储的数据将会一一直存在（除非使用removeItem或者清除缓存），而sessionStorage的有效期是和存储数据脚本所在的最顶层的窗口或者是浏览器标签是一样的，一旦窗口或者标签页被永久关闭了，存储的数据也就失效了。并且，这两种web存储方式都不支持设置过期时间

1 安装openmpi1 前置环境安装安装openmpi前需要安装一些编译器，确保你已经安装了如下工具：gcc，g++，python。可以使用下面的命令测试gcc --versiong++ --versionpython --version如果出现了版本号则说明已经安装了对应的环境。如果缺少对应的环境，在ubuntu环境下使用apt-get安装即可sudo apt-get install g++如

使用three.js实现骨骼绑定

我曾在机器学习之聚类算法应用篇中介绍过，聚类算法常使用轮廓系数来评估聚类效果，不过有时候并不是轮廓系数越大越好，如下面两幅图所示，图中的红色虚线表示聚类系数分数：显然将簇数据设置为2的时候得到的轮廓系数最高，达到了0.705分，但是这并不一定是最好的聚类结果，显然在这个测试集中，我们有4个簇。为了将各个簇的轮廓系数以可视化的形式展现出来，辅助决策聚类参数，【机器学习】菜菜的sklear...

在训练模型的过程中，应该关注于学习曲线避免模型过拟合，借助tensorboard可以非常方便地对训练过程中的各种数据进行可视化分析（虽然在pytorch下使用tensorboard，但其内核是 tensorflow里面的board，所以安装之前得先安装 tensorflow）1 安装必备的工具pip install tensorboardXpip install tensorboardpip in

我曾在机器学习之聚类算法应用篇中介绍过，聚类算法常使用轮廓系数来评估聚类效果，不过有时候并不是轮廓系数越大越好，如下面两幅图所示，图中的红色虚线表示聚类系数分数：显然将簇数据设置为2的时候得到的轮廓系数最高，达到了0.705分，但是这并不一定是最好的聚类结果，显然在这个测试集中，我们有4个簇。为了将各个簇的轮廓系数以可视化的形式展现出来，辅助决策聚类参数，【机器学习】菜菜的sklear...

1 二部图二部图又叫二分图，是图论中的一种特殊模型。设G=(V,E)是一个无向图，如果顶点V可分割为两个互不相交的子集(A,B)，并且图中的每条边（i，j）所关联的两个顶点i和j分别属于这两个不同的顶点集(i in A,j in B)，则称图G为一个二分图。简单来说，如果图中点可以被分为两组，并且使得所有边都跨越组的边界，则这就是一个二分图。准确地说：把一个图的顶点划分为两个不相交子集，使得...