分类 "artificial intelligence" 下的文章

一、SVM 是什么？支持向量机（Support Vector Machine, SVM） 是一种监督学习算法，主要用于分类（也可用于回归，称为 SVR）。其核心思想是：在特征空间中找到一个最优的超平面（decision boundary），使得不同类别的样本被尽可能清晰地分开，并且分类边界到最近样本点的距离（即“间隔”）最大化。SVM 属于判别模型，追求结构风险最小化（而非经验风险最小化），具有良...

一、XGBoost 是什么（一句话）XGBoost（eXtreme Gradient Boosting）是一个高性能的梯度提升库，提供了基于树的 GBDT/DART 与（历史上的）线性模型接口，具备稀疏感知、正则化、早停、分布式/多 GPU、类别特征等特性，适合结构化数据的分类、回归与排序任务。官方文档入口与导航在此。 (docs.xgboost.com.cn)二、核心工作原理（你需要知道的几个“...

模块/主题核心类/函数/操作主要用途/说明Tensor操作torch.tensor(), torch.randn(), view(), reshape(), to(device)创建张量、改变形状、设备转换自动微分requires_grad=True, backward(), grad, torch.no_grad()设置梯度追踪、计算梯度、清空梯度、禁用梯度计算数据加载与处理Dataset, D...

一、Agent 的工作循环（Perception–Thinking–Action）几乎所有 Agent 框架都遵循同一个主循环：while not done: observe(state) think(plan or react) act(action) reflect(feedback)这与经典的认知科学模型如 Sense → Think → Act → Reflect 一致。现代 LLM-Ag...

deepseek原理综述🔢 核心思想：下一个词的预测大型语言模型的本质是一个概率模型。给定一个词序列（即上下文或提示），其根本任务是预测下一个最可能出现的词。基本设定：设有一个词序列(w_1, w_2, w_3, \dots, w_{t-1})，其中每个(w_i)来自一个庞大的词汇表 (V)。核心目标：计算在给定上文的情况下，下一个词 (w_t) 是词汇表中任意一个词的条件概率：$$ P(w_t ...