自拍偷在线精品自拍偷,亚洲欧美中文日韩v在线观看不卡

<cite id="iapwz"></cite>

AI.x社區(qū)

軟考社區(qū)

免費(fèi)課

企業(yè)培訓(xùn)

鴻蒙開發(fā)者社區(qū)

WOT技術(shù)大會(huì)

公眾號(hào)矩陣

移動(dòng)端

視頻課免費(fèi)課排行榜短視頻直播課軟考學(xué)堂

全部課程軟考華為認(rèn)證廠商認(rèn)證 IT技術(shù)PMP項(xiàng)目管理免費(fèi)題庫

在線學(xué)習(xí)

文章資源問答課堂專欄直播

51CTO

鴻蒙開發(fā)者社區(qū)

51CTO技術(shù)棧

51CTO官微

51CTO學(xué)堂

51CTO博客

CTO訓(xùn)練營

鴻蒙開發(fā)者社區(qū)訂閱號(hào)

51CTO軟考

51CTO學(xué)堂APP

51CTO學(xué)堂企業(yè)版APP

鴻蒙開發(fā)者社區(qū)視頻號(hào)

51CTO軟考題庫

賬號(hào)設(shè)置退出

機(jī)器學(xué)習(xí)

2031內(nèi)容??

關(guān)注

涵蓋機(jī)器學(xué)習(xí)相關(guān)算法知識(shí)、開發(fā)工具、解決方案與應(yīng)用場景。

共 2031 條

國家金融與發(fā)展實(shí)驗(yàn)室副主任曾剛：AI的發(fā)展會(huì)去除“知識(shí)中介”，金融業(yè)需要借助大模型改善傳統(tǒng)發(fā)展模式

傳統(tǒng)業(yè)務(wù)發(fā)展模式受到越來越大的挑戰(zhàn)，行業(yè)需要用大模型去提升效率、適應(yīng)客戶需求變化和拓展新的服務(wù)空間及場景

2024-03-28 17:14:57

大模型馬上消費(fèi)

如何讓機(jī)器學(xué)習(xí)賦能工業(yè)應(yīng)用？

設(shè)備故障使工業(yè)部門陷入癱瘓，導(dǎo)致重大生產(chǎn)損失和計(jì)劃外停機(jī)。對(duì)于世界各地的加工制造商來說，這些損失每年高達(dá)數(shù)十億美元。例如，一條關(guān)鍵的傳送帶在中途停止運(yùn)行，可能會(huì)迫使整條工廠生產(chǎn)線閑置數(shù)小時(shí)，從而可能使整個(gè)供應(yīng)鏈陷入困境。

2024-03-25 13:59:20

機(jī)器學(xué)習(xí)工業(yè)應(yīng)用

最全總結(jié)！機(jī)器學(xué)習(xí)優(yōu)化算法！

機(jī)器學(xué)習(xí)的最優(yōu)化算法是用于找到最佳模型參數(shù)，以最小化預(yù)測誤差的算法。這些算法通過迭代地調(diào)整模型參數(shù)，以不斷改進(jìn)模型的性能。

2024-03-22 15:32:21

機(jī)器學(xué)習(xí)算法

文生圖的基石CLIP模型的發(fā)展綜述

CLIP的英文全稱是Contrastive Language-Image Pre-training，即一種基于對(duì)比文本-圖像對(duì)的預(yù)訓(xùn)練方法或者模型。CLIP是一種基于對(duì)比學(xué)習(xí)的多模態(tài)模型，CLIP的訓(xùn)練數(shù)據(jù)是文本-圖像對(duì)：一張圖像和它對(duì)應(yīng)的文本描述，這里希望通過對(duì)比學(xué)習(xí)，模型能夠?qū)W習(xí)到文本-圖像對(duì)的匹配關(guān)系。

2024-03-22 15:08:47

CLIP 機(jī)器學(xué)習(xí)人工智能

集成ChatGPT-4V，最有“人味兒”機(jī)器人Ameca模仿馬斯克講故事原創(chuàng) 精選

一個(gè)人形機(jī)器，操著一口流利的美式英語，用埃隆·馬斯克的聲音與口吻講述著機(jī)器人火箭飛船飛往火星發(fā)現(xiàn)钚的故事，它抑揚(yáng)頓挫、聲情并茂，不禁讓人恍惚，它真的只是個(gè)機(jī)器嗎？

2024-03-19 10:16:56

機(jī)器學(xué)習(xí)：Github上排名前19個(gè)強(qiáng)化學(xué)習(xí) (RL)項(xiàng)目

Github 上有一些受歡迎的 RL 項(xiàng)目，下面，我們列舉19個(gè)最受歡迎的強(qiáng)化學(xué)習(xí)項(xiàng)目。

2024-03-19 00:15:00

機(jī)器學(xué)習(xí)強(qiáng)化學(xué)習(xí)人工智能

智能郵件防護(hù)：ML.NET 3.0助力垃圾郵件過濾，讓你告別煩擾

ML.NET是Microsoft推出的開源機(jī)器學(xué)習(xí)框架，可用于在.NET應(yīng)用程序中集成機(jī)器學(xué)習(xí)功能。ML.NET提供了基礎(chǔ)用法和高級(jí)用法，讓開發(fā)人員能夠輕松地在其應(yīng)用程序中使用機(jī)器學(xué)習(xí)模型。

2024-03-18 08:38:34

ML.NET 機(jī)器學(xué)習(xí)開源

探秘Orange3：打開數(shù)據(jù)挖掘與機(jī)器學(xué)習(xí)新世界！

本文將介紹Orange3的基本功能和使用方法，并結(jié)合實(shí)際應(yīng)用場景和Python代碼案例，幫助讀者更好地了解和使用Orange3。

2024-03-04 08:00:00

Python Orange3 機(jī)器學(xué)習(xí)

使用Rust的Linfa和Polars庫進(jìn)行機(jī)器學(xué)習(xí)：線性回歸

對(duì)于優(yōu)先考慮快速迭代和快速原型的數(shù)據(jù)科學(xué)家來說，Rust的編譯時(shí)間可能是令人頭疼的問題。Rust的強(qiáng)靜態(tài)類型系統(tǒng)雖然有利于確保類型安全和減少運(yùn)行時(shí)錯(cuò)誤，但也會(huì)在編碼過程中增加一層復(fù)雜性。?

2024-03-01 07:26:49

Rust Polars 機(jī)器學(xué)習(xí)

如何免費(fèi)使用Lightning AI Studio 譯文

本文介紹了如何免費(fèi)使用Lightning AI IDE，以試驗(yàn)、訓(xùn)練和部署AI模型。

2024-02-29 09:00:00

AI模型人工智能機(jī)器學(xué)習(xí)

詳解面向Java開發(fā)人員的機(jī)器學(xué)習(xí)案例譯文精選

本文在了解機(jī)器學(xué)習(xí)相關(guān)概念的基礎(chǔ)上，介紹了一個(gè)監(jiān)督學(xué)習(xí)的示例，并使用梯度下降算法來訓(xùn)練目標(biāo)預(yù)測函數(shù)。同時(shí)，本文也討論了一種模型的欠適合示例，以及如何通過添加和擴(kuò)展特征來實(shí)現(xiàn)糾偏。最后，本文還簡要介紹了過度適合的危險(xiǎn)性，以及如何對(duì)其予以糾正。

2024-02-21 08:00:00

機(jī)器學(xué)習(xí)Java 大語言模型

什么是機(jī)器學(xué)習(xí)中的模型部署？

模型部署是將機(jī)器學(xué)習(xí)模型集成到生產(chǎn)環(huán)境中的過程，在生產(chǎn)環(huán)境中，模型可以接受輸入并返回輸出。

2024-02-20 15:17:35

機(jī)器學(xué)習(xí)模型部署

機(jī)器學(xué)習(xí)中七種常用的線性降維技術(shù)總結(jié)

上篇文章中我們主要總結(jié)了非線性的降維技術(shù)，本文我們來總結(jié)一下常見的線性降維技術(shù)。

2024-02-19 15:28:33

機(jī)器學(xué)習(xí)線性降維

機(jī)器學(xué)習(xí)中的十種非線性降維技術(shù)對(duì)比總結(jié)

降維意味著我們在不丟失太多信息的情況下減少數(shù)據(jù)集中的特征數(shù)量，降維算法屬于無監(jiān)督學(xué)習(xí)的范疇，用未標(biāo)記的數(shù)據(jù)訓(xùn)練算法。

2024-02-19 14:37:14

機(jī)器學(xué)習(xí)非線性降維

機(jī)器學(xué)習(xí)是聯(lián)絡(luò)中心的未來

機(jī)器學(xué)習(xí)在聯(lián)絡(luò)中心的應(yīng)用將改變游戲規(guī)則。企業(yè)必須利用這項(xiàng)技術(shù)，讓已經(jīng)感到不滿的客戶在與聯(lián)絡(luò)中心打交道時(shí)不再那么乏味。

2024-02-19 14:23:05

機(jī)器學(xué)習(xí)聯(lián)絡(luò)中心

如何探索和可視化用于圖像中物體檢測的 ML 數(shù)據(jù) 譯文精選

本文介紹如何使用Renumics Spotlight，來創(chuàng)建交互式的對(duì)象檢測可視化。預(yù)訓(xùn)練模型和 Spotlight 等工具的使用，可以讓我們的對(duì)象檢測可視化過程變得更加容易，進(jìn)而增強(qiáng)數(shù)據(jù)科學(xué)的工作流程。

2024-02-16 08:00:00

機(jī)器學(xué)習(xí)ML-data 預(yù)訓(xùn)練模型

使用核模型高斯過程(KMGPs)進(jìn)行數(shù)據(jù)建模

核模型高斯過程(KMGPs)作為一種復(fù)雜的工具可以處理各種數(shù)據(jù)集的復(fù)雜性。他通過核函數(shù)來擴(kuò)展高斯過程的傳統(tǒng)概念。本文將深入探討kmgp的理論基礎(chǔ)、實(shí)際應(yīng)用以及它們所面臨的挑戰(zhàn)。

2024-01-30 01:01:48

數(shù)據(jù)集核模型高斯過程機(jī)器學(xué)習(xí)

異常值檢測方法比較——基于美國職業(yè)棒球聯(lián)盟2023賽季擊球數(shù)據(jù) 譯文精選

本文將針對(duì)無監(jiān)督機(jī)器學(xué)習(xí)領(lǐng)域各種異常值檢測算法進(jìn)行綜合比較，使用來自于美國職業(yè)棒球大聯(lián)盟2023賽季的擊球數(shù)據(jù)。

2024-01-25 08:00:00

機(jī)器學(xué)習(xí)異常值檢測方法

基于Python的圖像預(yù)處理完整指南

你是否曾在機(jī)器學(xué)習(xí)或計(jì)算機(jī)視覺項(xiàng)目中遇到過質(zhì)量較差的圖像問題？圖像是許多AI系統(tǒng)的生命線，但并非所有圖像都是相同的。在訓(xùn)練模型或運(yùn)行算法之前，通常需要對(duì)圖像進(jìn)行一些預(yù)處理以獲得最佳結(jié)果。在Python中進(jìn)行圖像預(yù)處理將成為您的新伙伴。

2024-01-03 16:01:23

機(jī)器學(xué)習(xí)Python

神經(jīng)網(wǎng)絡(luò)中的分位數(shù)回歸和分位數(shù)損失

在使用機(jī)器學(xué)習(xí)構(gòu)建預(yù)測模型時(shí)，我們不只是想知道“預(yù)測值(點(diǎn)預(yù)測)”，而是想知道“預(yù)測值落在某個(gè)范圍內(nèi)的可能性有多大(區(qū)間預(yù)測)”。

2024-01-01 15:37:59

機(jī)器學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)

處理不平衡數(shù)據(jù)的過采樣技術(shù)對(duì)比總結(jié)

在不平衡數(shù)據(jù)上訓(xùn)練的分類算法往往導(dǎo)致預(yù)測質(zhì)量差。模型嚴(yán)重偏向多數(shù)類，忽略了對(duì)許多用例至關(guān)重要的少數(shù)例子。這使得模型對(duì)于涉及罕見但高優(yōu)先級(jí)事件的現(xiàn)實(shí)問題來說不切實(shí)際。

2023-12-26 15:32:25

不平衡數(shù)據(jù)過采樣機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)模型性能的十個(gè)指標(biāo) 原創(chuàng)

科恩卡帕系數(shù)是一種用于測量模型預(yù)測與實(shí)際標(biāo)簽之間一致性的統(tǒng)計(jì)工具，它尤其適用于分類任務(wù)的評(píng)估。與其他度量方法相比，它不僅計(jì)算模型預(yù)測與實(shí)際標(biāo)簽之間的簡單一致性，還對(duì)可能偶然發(fā)生的一致性進(jìn)行了校正，因此提供了一個(gè)更為準(zhǔn)確和可靠的評(píng)估結(jié)果。

2023-12-25 10:53:54

機(jī)器學(xué)習(xí)模型性能

2024年非結(jié)構(gòu)化數(shù)據(jù)管理將以四種方式發(fā)生變化

隨著我們進(jìn)入2024年，公司將需要?jiǎng)?chuàng)新并更智能地使用AI。數(shù)據(jù)存儲(chǔ)和備份至少占IT預(yù)算的30%。我們下面的預(yù)測集中在優(yōu)化AI和云技術(shù)的數(shù)據(jù)管理組件上，隨著GenAI開啟最終用戶生產(chǎn)力和技術(shù)熟練的新紀(jì)元，其具有長期的影響。

2023-12-22 11:08:03

GenAI IT預(yù)算 IT領(lǐng)導(dǎo)者

如何實(shí)施機(jī)器學(xué)習(xí)？

實(shí)施機(jī)器學(xué)習(xí)，即現(xiàn)在所稱的“MLOps”，是許多行業(yè)的最新趨勢。然而，許多企業(yè)在這個(gè)過程中遇到了困難。運(yùn)營是企業(yè)每天都在做的事情;其經(jīng)營自己的工廠、辦公室、商店等等。但“實(shí)施機(jī)器學(xué)習(xí)”是什么意思呢?以下是在業(yè)務(wù)中利用MLO的一些方法。

2023-12-21 17:05:46

機(jī)器學(xué)習(xí)MLOps 人工智能

揭開機(jī)器學(xué)習(xí)轉(zhuǎn)換器架構(gòu)的神秘面紗譯文精選

自2017年推出以來，轉(zhuǎn)換器（Transformers）已成為機(jī)器學(xué)習(xí)領(lǐng)域的一支突出力量，徹底改變了專業(yè)翻譯和自動(dòng)完成服務(wù)的能力。

2023-12-06 08:00:00

機(jī)器學(xué)習(xí)人工智能

機(jī)器學(xué)習(xí)之無監(jiān)督學(xué)習(xí)：九大聚類算法

今天，和大家分享一下機(jī)器學(xué)習(xí)之無監(jiān)督學(xué)習(xí)中的常見的聚類方法。

2023-12-01 16:27:05

機(jī)器學(xué)習(xí)無監(jiān)督學(xué)習(xí)

機(jī)器學(xué)習(xí)中常用的幾種回歸算法及其特點(diǎn)

回歸是統(tǒng)計(jì)學(xué)中最有力的工具之一，機(jī)器學(xué)習(xí)監(jiān)督學(xué)習(xí)算法分為分類算法和回歸算法兩種。回歸算法用于連續(xù)型分布預(yù)測，可以預(yù)測連續(xù)型數(shù)據(jù)而不僅僅是離散的類別標(biāo)簽。

2023-11-29 14:34:15

機(jī)器學(xué)習(xí)統(tǒng)計(jì)學(xué)

機(jī)器學(xué)習(xí)之無監(jiān)督學(xué)習(xí)：八大降維方法

之前我們總結(jié)了機(jī)器學(xué)習(xí)中常用的幾種回歸算法和分類算法。都屬于機(jī)器學(xué)習(xí)監(jiān)督學(xué)習(xí)算法。今天，和大家分享一下機(jī)器學(xué)習(xí)之無監(jiān)督學(xué)習(xí)中的常見的降維方法。

2023-11-28 12:12:46

機(jī)器學(xué)習(xí)算法

機(jī)器學(xué)習(xí)中常用的幾種分類算法，如何選擇合適的算法？

今天和大家分享一下機(jī)器學(xué)習(xí)中常見的六種分類算法：K近鄰、決策樹、樸素貝葉斯、邏輯回歸、支持向量機(jī)、隨機(jī)森林、AdaBoost、GBDT、XGBoost。

2023-11-28 12:08:56

機(jī)器學(xué)習(xí)算法人工智能

騰訊披露最新大模型訓(xùn)練方法，可節(jié)省50%算力成本

大模型訓(xùn)練效率提升至2.6倍，騰訊Angel機(jī)器學(xué)習(xí)框架升級(jí)

2023-11-23 18:19:15

騰訊騰訊混元 Angel

AI重塑媒體行業(yè)，鳳凰衛(wèi)視重磅入場AI數(shù)據(jù)賽道

鳳凰數(shù)據(jù)的核心目標(biāo)是是推動(dòng)AI數(shù)據(jù)領(lǐng)域華語數(shù)據(jù)的豐富與共享，同時(shí)為中華文化的傳承與傳播提供AI時(shí)代的探索思路和解決方案，讓AI與中華文化認(rèn)知對(duì)齊更簡單。?

2023-11-17 10:15:25

鳳凰衛(wèi)視人工智能 AI數(shù)據(jù)

微軟新專利公布：通過機(jī)器學(xué)習(xí)創(chuàng)建出“會(huì)臉紅”的逼真頭像

微軟的一項(xiàng)新專利于當(dāng)?shù)貢r(shí)間周二在美國專利商標(biāo)局網(wǎng)站上公開，這是一種新的機(jī)器學(xué)習(xí)模型專利，可為用戶創(chuàng)作出“更加有生命力”的逼真頭像。

2023-11-17 06:56:57

微軟機(jī)器學(xué)習(xí)

YOLO-NAS：最高效的目標(biāo)檢測算法之一

我們使用新發(fā)布的YOLO-NAS模型執(zhí)行了圖像和視頻上的初始目標(biāo)檢測任務(wù)。你可以使用自定義數(shù)據(jù)集來對(duì)該模型進(jìn)行微調(diào)，以提高其在某些對(duì)象上的性能。

2023-11-13 22:17:54

YOLO-NAS 目標(biāo)檢測

無監(jiān)督學(xué)習(xí)的集成方法：相似性矩陣的聚類

在機(jī)器學(xué)習(xí)中，術(shù)語Ensemble指的是并行組合多個(gè)模型，這個(gè)想法是利用群體的智慧，在給出的最終答案上形成更好的共識(shí)。

2023-11-13 15:01:28

機(jī)器學(xué)習(xí)

人工智能的實(shí)力：利用Docker簡化機(jī)器學(xué)習(xí)應(yīng)用程序的部署和可擴(kuò)展性譯文

利用Docker的強(qiáng)大功能，可以簡化部署解決方案，確?？蓴U(kuò)展性，簡化機(jī)器學(xué)習(xí)模型的持續(xù)集成（CI）/持續(xù)交付（CD）流程。

2023-11-10 09:00:00

人工智能機(jī)器學(xué)習(xí)Docker

目標(biāo)檢測標(biāo)注的時(shí)代已經(jīng)過去了？

隨著研究人員不斷提高目標(biāo)檢測算法的準(zhǔn)確性和效率，我們預(yù)計(jì)將看到它們應(yīng)用于更廣泛的實(shí)際應(yīng)用領(lǐng)域。

2023-11-07 12:03:53

機(jī)器學(xué)習(xí)目標(biāo)檢測

使用LIME解釋各種機(jī)器學(xué)習(xí)模型代碼示例

機(jī)器學(xué)習(xí)模型變得越來越復(fù)雜和準(zhǔn)確，但它們的不透明性仍然是一個(gè)重大挑戰(zhàn)。理解為什么一個(gè)模型會(huì)做出特定的預(yù)測，對(duì)于建立信任和確保它按照預(yù)期行事至關(guān)重要。在本文中，我們將介紹LIME，并使用它來解釋各種常見的模型。

2023-11-06 10:50:35

機(jī)器學(xué)習(xí)LIME

PubDef：使用公共模型防御遷移攻擊譯文

對(duì)抗性攻擊對(duì)機(jī)器學(xué)習(xí)模型構(gòu)成了嚴(yán)重威脅。但是大多數(shù)提議的防御措施對(duì)于干凈數(shù)據(jù)的性能影響太大，因而不現(xiàn)實(shí)。

2023-11-06 09:00:00

機(jī)器學(xué)習(xí)攻擊

什么是機(jī)器學(xué)習(xí)中的正則化？

一般而言，當(dāng)數(shù)據(jù)表現(xiàn)出多重共線性（自變量高度相關(guān)）時(shí)，它被認(rèn)為是一種采用的方法。盡管多重共線性中的最小二乘估計(jì)值（OLS）是無偏的，但它們的巨大方差會(huì)導(dǎo)致觀測值與實(shí)際值相差很大。

2023-11-06 08:58:52

正則化機(jī)器學(xué)習(xí)Laplace

機(jī)器學(xué)習(xí) | PyTorch簡明教程下篇

接著上篇《PyTorch簡明教程上篇》，繼續(xù)學(xué)習(xí)多層感知機(jī)，卷積神經(jīng)網(wǎng)絡(luò)和LSTMNet。

2023-11-02 14:30:25

機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí) | PyTorch簡明教程上篇

前面幾篇文章介紹了特征歸一化和張量，接下來開始寫兩篇PyTorch簡明教程，主要介紹PyTorch簡單實(shí)踐。

2023-11-02 14:26:30

PyTorch 機(jī)器學(xué)習(xí)

使用Panda-Gym的機(jī)器臂模擬進(jìn)行Deep Q-learning強(qiáng)化學(xué)習(xí)

強(qiáng)化學(xué)習(xí)(RL)是一種機(jī)器學(xué)習(xí)方法，它允許代理通過試錯(cuò)來學(xué)習(xí)如何在環(huán)境中表現(xiàn)。行為主體因采取行動(dòng)導(dǎo)致預(yù)期結(jié)果而獲得獎(jiǎng)勵(lì)，因采取行動(dòng)導(dǎo)致預(yù)期結(jié)果而受到懲罰。隨著時(shí)間的推移，代理學(xué)會(huì)采取行動(dòng)，使其預(yù)期回報(bào)最大化。

2023-10-31 16:40:39

機(jī)器學(xué)習(xí)強(qiáng)化學(xué)習(xí)

數(shù)據(jù)分析和機(jī)器學(xué)習(xí)的11個(gè)高級(jí)可視化圖表介紹

可視化是一種強(qiáng)大的工具，用于以直觀和可理解的方式傳達(dá)復(fù)雜的數(shù)據(jù)模式和關(guān)系。它們在數(shù)據(jù)分析中發(fā)揮著至關(guān)重要的作用，提供了通常難以從原始數(shù)據(jù)或傳統(tǒng)數(shù)字表示中辨別出來的見解。

2023-10-24 20:38:15

數(shù)據(jù)分析機(jī)器學(xué)習(xí)

聯(lián)邦學(xué)習(xí)——突破隱私障礙，釋放數(shù)據(jù)價(jià)值

聯(lián)邦學(xué)習(xí)是一種帶有隱私保護(hù)、安全加密技術(shù)的分布式機(jī)器學(xué)習(xí)框架，旨在讓分散的各參與方在不向其他參與者披露隱私數(shù)據(jù)的前提下，協(xié)作進(jìn)行模型訓(xùn)練。

2023-10-16 11:30:59

聯(lián)邦學(xué)習(xí)機(jī)器學(xué)習(xí)

DeepMind讓大模型學(xué)會(huì)歸納和演繹，GPT-4準(zhǔn)確率提升13.7%

現(xiàn)在，來自谷歌、Mila 研究所等研究機(jī)構(gòu)的研究者聯(lián)合探索了一種新方法 —— 讓 LLM 學(xué)習(xí)推理規(guī)則，并提出一種名為假設(shè)到理論（Hypotheses-to-Theories，HtT）的新框架。

2023-10-14 17:24:49

機(jī)器學(xué)習(xí)大模型

人工智能和機(jī)器學(xué)習(xí)如何改變建筑行業(yè)

智能建筑是指采用各種技術(shù)來優(yōu)化其運(yùn)營并提高其能源效率、舒適度和安全性的建筑。這包括智能照明和暖通空調(diào)系統(tǒng)、自動(dòng)化安全和訪問控制以及預(yù)測性維護(hù)等功能。另一方面，智能建筑是指利用數(shù)字技術(shù)來簡化和優(yōu)化建筑過程，包括設(shè)計(jì)、規(guī)劃、調(diào)度和資源管理。

2023-10-11 15:07:30

人工智能機(jī)器學(xué)習(xí)

常用的相似度度量總結(jié)：余弦相似度，點(diǎn)積，L1，L2

相似性度量在機(jī)器學(xué)習(xí)中起著至關(guān)重要的作用。這些度量以數(shù)學(xué)方式量化對(duì)象、數(shù)據(jù)點(diǎn)或向量之間的相似性。理解向量空間中的相似性概念并采用適當(dāng)?shù)亩攘渴墙鉀Q廣泛的現(xiàn)實(shí)世界問題的基礎(chǔ)。

2023-10-10 15:33:55

機(jī)器學(xué)習(xí)相似性度量

十分鐘掌握Python集成學(xué)習(xí)和隨機(jī)森林算法

集成學(xué)習(xí)和隨機(jī)森林是強(qiáng)大的機(jī)器學(xué)習(xí)模型，機(jī)器學(xué)習(xí)從業(yè)者和數(shù)據(jù)科學(xué)家經(jīng)常使用它們。在本文中，我們介紹了提升集成學(xué)習(xí)的基本原理、應(yīng)用場景，并介紹了其中最受歡迎的算法及其在Python中的使用方法。

2023-10-07 13:13:24

機(jī)器學(xué)習(xí)模型數(shù)據(jù)

用于數(shù)據(jù)增強(qiáng)的十個(gè)Python庫

數(shù)據(jù)增強(qiáng)是人工智能和機(jī)器學(xué)習(xí)領(lǐng)域的一項(xiàng)關(guān)鍵技術(shù)。它涉及到創(chuàng)建現(xiàn)有數(shù)據(jù)集的變體，提高模型性能和泛化。Python是一種流行的AI和ML語言，它提供了幾個(gè)強(qiáng)大的數(shù)據(jù)增強(qiáng)庫。

2023-10-07 11:36:15

機(jī)器學(xué)習(xí)人工智能 Python

處理不平衡數(shù)據(jù)的十大Python庫

數(shù)據(jù)不平衡是機(jī)器學(xué)習(xí)中一個(gè)常見的挑戰(zhàn)，其中一個(gè)類的數(shù)量明顯超過其他類，這可能導(dǎo)致有偏見的模型和較差的泛化。有各種Python庫來幫助有效地處理不平衡數(shù)據(jù)。在本文中，我們將介紹用于處理機(jī)器學(xué)習(xí)中不平衡數(shù)據(jù)的十大Python庫，并為每個(gè)庫提供代碼片段和解釋。

2023-09-29 22:51:22

數(shù)據(jù)不平衡 Python 機(jī)器學(xué)習(xí)

上一頁 1 2 3 4 5 6 ··· 41 下一頁

點(diǎn)贊

51CTO技術(shù)棧公眾號(hào)

業(yè)務(wù)
速覽

媒體

51CTO CIOAge HC3i

社區(qū)

51CTO博客鴻蒙開發(fā)者社區(qū) AI.x社區(qū)

教育

51CTO學(xué)堂精培企業(yè)培訓(xùn) CTO訓(xùn)練營

^{<thead id="mek6p"></thead>}

<cite id="mek6p"><track id="mek6p"></track></cite>