DataLearner 标志DataLearnerAI
AI技术博客
大模型评测排行
大模型评测基准
AI大模型大全
AI资源仓库
AI工具导航

加载中...

DataLearner 标志DataLearner AI

专注大模型评测、数据资源与实践教学的知识平台，持续更新可落地的 AI 能力图谱。

产品

  • 评测榜单
  • 模型对比
  • 数据资源

资源

  • 部署教程
  • 原创内容
  • 工具导航

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner 持续整合行业数据与案例，为科研、企业与开发者提供可靠的大模型情报与实践指南。

隐私政策服务条款
  1. 首页/
  2. 博客/
  3. 标签：监督学习
标签

「监督学习」相关文章

汇总「监督学习」相关的原创 AI 技术文章与大模型实践笔记，持续更新。

标签:#监督学习
机器学习之正则化项

机器学习之正则化项

在我们给推荐问题建模时，神秘的正则化项L0、L1、L2的选择对模型很重要。为什么要加正则化？正则化有哪几种形式？到底该选择哪种正则化来建模呢？正则化项与推荐问题的关系？

2017/03/09 14:21:075,991
#L0#L1#L2
分类和Logistic回归

分类和Logistic回归

监督学习中的分类问题和Logistic回归常常被用于推荐问题中关于BPR的研究，但是为什么一定要用Logistic函数来建模和优化呢？本篇博客将带你揭晓奥秘~

2017/03/06 20:58:313,771
#BPR#Logistic回归#分类

专题合集

RAG（检索增强生成）Long Context 长上下文AI Agent 实践

今日推荐

重磅！Kimi K2.5发布，依然免费开源！原生多模态MoE架构，全球最大规模参数的开源模型之一，官方评测结果比肩诸多闭源模型！可以驱动100个子Agent执行！深度学习之Attention机制大模型评测SimpleVQA全方位深度解析，直击多模态模型“事实幻觉”ToolTalk：微软发布的一个用以评测大语言模型工具使用能力的评测工具和评测数据集关于padding目前正在举办的机器学习相关的比赛Anthropic 最新 Agent 工程方案：使用双 Agent 架构让 AI 实现真正的长时自主工作网络爬虫之基础java集合操作篇KerasCV——一个新的简单易用的计算机视觉（CV）算法库预训练大模型时代必备技巧——提示工程指南（Prompt Engineering Guide）

最热博客

1Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）2回归模型中的交互项简介（Interactions in Regression）3贝塔分布（Beta Distribution）简介及其应用4矩母函数简介（Moment-generating function）5普通最小二乘法（Ordinary Least Squares，OLS）的详细推导过程6使用R语言进行K-means聚类并分析结果7深度学习技巧之Early Stopping（早停法）8H5文件简介和使用9手把手教你本地部署清华大学的ChatGLM-6B模型——Windows+6GB显卡本地部署10Wishart分布简介