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="erkkw"></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

公眾號矩陣

移動端

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

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

51CTO軟考題庫

賬號設(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、開發(fā)工具、解決方案與應(yīng)用場景。

共 2031 條

機(jī)器學(xué)習(xí)如何徹底改變農(nóng)業(yè)

隨著機(jī)器學(xué)習(xí)的進(jìn)步，農(nóng)業(yè)中的機(jī)器學(xué)習(xí)已經(jīng)能夠解決該行業(yè)遇到的許多問題。

2022-10-26 11:06:16

機(jī)器學(xué)習(xí)農(nóng)業(yè)

12個(gè)常用的圖像數(shù)據(jù)增強(qiáng)技術(shù)總結(jié)

機(jī)器學(xué)習(xí)或深度學(xué)習(xí)模型的訓(xùn)練的目標(biāo)是成為“通用”模型。這就需要模型沒有過度擬合訓(xùn)練數(shù)據(jù)集，或者換句話說，我們的模型對看不見的數(shù)據(jù)有很好的了解。數(shù)據(jù)增強(qiáng)也是避免過度擬合的眾多方法之一。

2022-10-25 16:36:03

機(jī)器學(xué)習(xí)深度學(xué)習(xí)數(shù)據(jù)集

機(jī)器學(xué)習(xí)用于安全是美麗的謊言？譯文

ML結(jié)合一系列廣泛的統(tǒng)計(jì)技術(shù)：即使我們沒有提前為正確答案編好程，ML也讓我們可以訓(xùn)練計(jì)算機(jī)來估計(jì)解決問題的答案。如果精心設(shè)計(jì)的ML系統(tǒng)用來處理合適類型的問題，可以發(fā)掘原本無法獲得的洞察力。

2022-10-24 08:02:00

機(jī)器學(xué)習(xí)安全 ML

用機(jī)器學(xué)習(xí)解決非結(jié)構(gòu)化數(shù)據(jù)問題譯文

數(shù)據(jù)革命如火如荼。未來五年內(nèi)創(chuàng)建的數(shù)字?jǐn)?shù)據(jù)總量將是迄今生成的數(shù)據(jù)總量的兩倍，非結(jié)構(gòu)化數(shù)據(jù)將定義這個(gè)倡導(dǎo)數(shù)字體驗(yàn)的新時(shí)代。

2022-10-19 08:00:00

機(jī)器學(xué)習(xí)非結(jié)構(gòu)化數(shù)據(jù)數(shù)據(jù)集

聊聊圖像識別：循環(huán)神經(jīng)網(wǎng)絡(luò)

長短時(shí)記憶網(wǎng)絡(luò)(Long Short-Term Memory，LSTM)解決了RNN存在著梯度消失或梯度爆炸等問題，可以學(xué)習(xí)長期依賴問題。

2022-10-19 07:42:41

圖像識別神經(jīng)網(wǎng)絡(luò)

持續(xù)學(xué)習(xí)常用六種方法總結(jié)：使ML模型適應(yīng)新數(shù)據(jù)的同時(shí)保持舊數(shù)據(jù)的性能

持續(xù)學(xué)習(xí)是指在不忘記從前面的任務(wù)中獲得的知識的情況下，按順序?qū)W習(xí)大量任務(wù)的模型。

2022-10-18 16:29:21

機(jī)器學(xué)習(xí)持續(xù)學(xué)習(xí)ML模型

TabTransformer轉(zhuǎn)換器提升多層感知機(jī)性能深度解析譯文精選

本文將介紹機(jī)器學(xué)習(xí)中的一種新型的轉(zhuǎn)換器——TabTransformer，并通過具體的實(shí)例展示該轉(zhuǎn)換器的用法。

2022-10-18 08:23:38

機(jī)器學(xué)習(xí)轉(zhuǎn)換器 NLP

sklearn 中的兩個(gè)半監(jiān)督標(biāo)簽傳播算法 LabelPropagation和LabelSpreading

標(biāo)簽傳播算法是一種半監(jiān)督機(jī)器學(xué)習(xí)算法，它將標(biāo)簽分配給以前未標(biāo)記的數(shù)據(jù)點(diǎn)。要在機(jī)器學(xué)習(xí)中使用這種算法，只有一小部分示例具有標(biāo)簽或分類。在算法的建模、擬合和預(yù)測過程中，這些標(biāo)簽被傳播到未標(biāo)記的數(shù)據(jù)點(diǎn)。

2022-10-17 16:17:24

機(jī)器學(xué)習(xí)算法標(biāo)簽傳播

你要了解數(shù)據(jù)科學(xué)團(tuán)隊(duì)中的這些角色譯文

全球知名的流媒體服務(wù)商N(yùn)etflix公司在2017年將其五星級評級系統(tǒng)更改為“拇指向上”（喜歡）和“拇指向下”（不喜歡）簡單的評價(jià)系統(tǒng)。該系統(tǒng)可以根據(jù)百分比匹配來推薦電影，但也有人對這一做法很反感。那么如何將電影藝術(shù)中所有的細(xì)微差別簡化為一種原始的二元反應(yīng)?

2022-10-17 08:00:00

機(jī)器學(xué)習(xí)數(shù)據(jù)驅(qū)動數(shù)據(jù)科學(xué)

僅用 SQL 就可以搞機(jī)器學(xué)習(xí)

MindsDB 通過采用 AI 表的概念將機(jī)器學(xué)習(xí)引入數(shù)據(jù)庫。AI 表是作為虛擬表存儲在數(shù)據(jù)庫中的機(jī)器學(xué)習(xí)模型。它們有助于根據(jù)數(shù)據(jù)進(jìn)行預(yù)測。你可以在數(shù)據(jù)庫中執(zhí)行時(shí)間序列、回歸和分類預(yù)測，并通過使用簡單的 SQL 語句查詢 AI 表幾乎立即獲得輸出。

2022-10-17 07:16:08

SQL 機(jī)器學(xué)習(xí)AI

云端構(gòu)建機(jī)器學(xué)習(xí)平臺的幾個(gè)優(yōu)秀實(shí)踐譯文

為了跟上大數(shù)據(jù)、人工智能和機(jī)器學(xué)習(xí)帶來的技術(shù)能力具有的規(guī)模和復(fù)雜性，許多公司在自行開發(fā)復(fù)雜的內(nèi)部平臺。事實(shí)上Gartner預(yù)測，到2025年，云原生平臺將成為超過95%的新數(shù)字化計(jì)劃的基礎(chǔ)，高于2021年的不到40%。

2022-10-09 08:08:02

人工智能機(jī)器學(xué)習(xí)平臺

機(jī)器學(xué)習(xí)：不要低估樹模型的威力

樹模型和神經(jīng)網(wǎng)絡(luò)，像一枚硬幣的兩面。在某些情況下，樹模型的性能甚至優(yōu)于神經(jīng)網(wǎng)絡(luò)。

2022-10-08 23:50:04

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

機(jī)器學(xué)習(xí)11種特征選擇策略總結(jié)！

本文與你分享可應(yīng)用于特征選擇的各種技術(shù)的有用指南。一起來看一下吧。

2022-10-08 12:06:52

機(jī)器學(xué)習(xí)特征選擇

機(jī)器學(xué)習(xí)模型的集成方法總結(jié)：Bagging, Boosting, Stacking, Voting, Blending

機(jī)器學(xué)習(xí)是人工智能的一個(gè)分支領(lǐng)域，致力于構(gòu)建自動學(xué)習(xí)和自適應(yīng)的系統(tǒng)，它利用統(tǒng)計(jì)模型來可視化、分析和預(yù)測數(shù)據(jù)。

2022-10-08 06:30:23

機(jī)器學(xué)習(xí)人工智能工具

機(jī)器學(xué)習(xí)真能產(chǎn)生智能決策嗎？

歷經(jīng)三年時(shí)間，我們在2022年完成了圖靈獎獲得者、加州大學(xué)洛杉磯分校計(jì)算機(jī)科學(xué)教授，美國國家科學(xué)院院士，被譽(yù)為“貝葉斯網(wǎng)絡(luò)之父”的朱迪亞·珀?duì)柎笞鳌兑蚬摚耗Ｐ?、推理和推斷》?

2022-09-29 23:57:54

機(jī)器學(xué)習(xí)人工智能統(tǒng)計(jì)學(xué)

基于遷移學(xué)習(xí)的圖像分類概述

遷移學(xué)習(xí)是一種機(jī)器學(xué)習(xí)，它使用預(yù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)來加快新任務(wù)的學(xué)習(xí)過程。

2022-09-29 23:53:06

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

Pytorch創(chuàng)建多任務(wù)學(xué)習(xí)模型

在機(jī)器學(xué)習(xí)中，我們通常致力于針對單個(gè)任務(wù)，也就是優(yōu)化單個(gè)指標(biāo)。但是多任務(wù)學(xué)習(xí)(MTL)在機(jī)器學(xué)習(xí)的許多應(yīng)用中都取得了成功，從自然語言處理和語音識別到計(jì)算機(jī)視覺和藥物發(fā)現(xiàn)。

2022-09-28 15:34:06

機(jī)器學(xué)習(xí)語音識別 Pytorch

Mango：基于Python環(huán)境的貝葉斯優(yōu)化新方法譯文精選

在本文中，我們將學(xué)習(xí)一種機(jī)器學(xué)習(xí)模型可伸縮超參數(shù)調(diào)整的新方法——Mango。

2022-09-28 08:00:00

Python 機(jī)器學(xué)習(xí)算法

決策樹和隨機(jī)森林的理論、實(shí)現(xiàn)和超參數(shù)調(diào)整

在本文中，我們將詳細(xì)介紹決策樹和隨機(jī)森林模型。此外，我們將展示決策樹和隨機(jī)森林的哪些超參數(shù)對它們的性能有重要影響，從而使我們能夠在欠擬合和過擬合之間找到最佳方案。在了解了決策樹和隨機(jī)森林背后的理論之后。，我們將使用Scikit-Learn實(shí)現(xiàn)它們。

2022-09-25 23:19:01

機(jī)器學(xué)習(xí)決策樹 Python

在兩行Python代碼中應(yīng)用 40 個(gè)機(jī)器學(xué)習(xí)模型

我們將使用lazypredict庫，它允許我們只用一行代碼在我們的數(shù)據(jù)集上實(shí)現(xiàn)許多機(jī)器學(xué)習(xí)模型，本文將演示lazypredict的快速使用。

2022-09-25 23:10:53

Python 數(shù)據(jù)集機(jī)器學(xué)習(xí)

使用可視化工具和統(tǒng)計(jì)方法檢測異常值

異常值（離群值）是指距離其他數(shù)據(jù)值太遠(yuǎn)的數(shù)據(jù)值。數(shù)據(jù)異常值可能是自然產(chǎn)生的，也可能是由于測量不準(zhǔn)確、或系統(tǒng)故障造成的。與缺失值類似，異常值會破壞數(shù)據(jù)科學(xué)項(xiàng)目并返回錯(cuò)誤的結(jié)果或預(yù)測。異常值也可能出現(xiàn)在傾斜數(shù)據(jù)中，這些類型的異常值被認(rèn)為是自然異常值。

2022-09-22 15:42:02

機(jī)器學(xué)習(xí)異常值工具

用于時(shí)間序列異常值檢測的全棧機(jī)器學(xué)習(xí)系統(tǒng)

在本文中，我想介紹一個(gè)開源項(xiàng)目，用于構(gòu)建機(jī)器學(xué)習(xí)管道以檢測時(shí)間序列數(shù)據(jù)中的異常值。

2022-09-21 23:41:40

機(jī)器學(xué)習(xí)開源數(shù)據(jù)

使用MultiTrain在數(shù)據(jù)集上訓(xùn)練多個(gè)機(jī)器學(xué)習(xí)分類模型示例

MultiTrain是一個(gè)python庫，它允許您一次訓(xùn)練多個(gè)機(jī)器學(xué)習(xí)模型，以評估它們在數(shù)據(jù)集上的性能。Python

2022-09-20 23:42:15

機(jī)器學(xué)習(xí)Python 數(shù)據(jù)集

數(shù)學(xué)優(yōu)化和機(jī)器學(xué)習(xí)結(jié)合使用的四種方法簡介

數(shù)學(xué)優(yōu)化(或數(shù)學(xué)規(guī)劃)是一個(gè)強(qiáng)大的決策工具。通過制定目標(biāo)并指定約束條件和變量，數(shù)學(xué)優(yōu)化可以幫助在當(dāng)前現(xiàn)實(shí)環(huán)境下做出最佳決策。它已經(jīng)在航空、物流、電力和金融等許多不同行業(yè)證明了其價(jià)值。

2022-09-20 23:38:24

機(jī)器學(xué)習(xí)工具數(shù)字優(yōu)化

深度卷積生成對抗網(wǎng)絡(luò)實(shí)戰(zhàn) 譯文精選

據(jù)《紐約時(shí)報(bào)》報(bào)道，數(shù)據(jù)中心90%的能源被浪費(fèi)，這是因?yàn)楣臼占拇蟛糠謹(jǐn)?shù)據(jù)從未被分析或以任何形式使用。更具體地說，這被稱為“暗數(shù)據(jù)（Dark Data）”。

2022-09-20 08:00:00

暗數(shù)據(jù)機(jī)器學(xué)習(xí)數(shù)據(jù)

如何確保用于訓(xùn)練機(jī)器學(xué)習(xí)模型的數(shù)據(jù)安全？

隨著人工智能越來越融入我們的生活，人工智能系統(tǒng)中的網(wǎng)絡(luò)安全問題也隨之而來。

2022-09-19 15:37:51

人工智能機(jī)器學(xué)習(xí)大數(shù)據(jù)

手寫編程語言-實(shí)現(xiàn)運(yùn)算符重載

運(yùn)算符重載其實(shí)并不是一個(gè)常用的功能；因?yàn)闀淖冞\(yùn)算符的語義，比如明明是加法卻在重載函數(shù)中寫為減法。這會使得代碼閱讀起來困難，但在某些情況下我們又非常希望語言本身能支持運(yùn)算符重載。

2022-09-19 08:10:37

運(yùn)算符函數(shù)語言

時(shí)間序列機(jī)器學(xué)習(xí)數(shù)據(jù)集的非常規(guī)拆分技術(shù)

對于大多數(shù)工作來說，簡單的3-way就足夠了。在現(xiàn)實(shí)生產(chǎn)中，拆分方式往往需要更復(fù)雜的方法來確保泛化問題。這些拆分更加復(fù)雜，因?yàn)樗鼈冊醋詫?shí)際數(shù)據(jù)，而不是普通拆分方法所基于的數(shù)據(jù)結(jié)構(gòu)。這篇文章試圖講解一些在機(jī)器學(xué)習(xí)開發(fā)中拆分?jǐn)?shù)據(jù)的非常規(guī)方法，以及它們背后的原因。

2022-09-19 00:21:31

機(jī)器學(xué)習(xí)數(shù)據(jù)數(shù)據(jù)集

如何打通機(jī)器視覺產(chǎn)業(yè)鏈？

目前，整個(gè)機(jī)器視覺行業(yè)處于快速成長階段。2020年開始，機(jī)器視覺行業(yè)全球市場規(guī)模就已經(jīng)超過100億美元。但是中國機(jī)器視覺行業(yè)規(guī)模依舊不大，但增速較快，發(fā)展可觀。

2022-09-16 13:35:47

人工智能機(jī)器視覺機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)中的集成方法概述

想象一下，你正在網(wǎng)上購物，你發(fā)現(xiàn)有兩家店鋪銷售同一種商品，它們的評分相同。然而，第一家只有一個(gè)人評分，第二家有 100 人評分。您會更信任哪個(gè)評分呢？最終您會選擇購買哪家的商品呢？大多數(shù)人的答案很簡單。100 個(gè)人的意見肯定比只有一個(gè)人的意見更值得信賴。這被稱為“群眾的智慧”，這也是集成方法有效的原因。

2022-09-15 23:58:51

機(jī)器學(xué)習(xí)集成數(shù)據(jù)

計(jì)算機(jī)視覺技術(shù)即將迎來重大轉(zhuǎn)變

根據(jù) Benosman 的說法，在圖像傳感范式不再有用之前，它會阻礙替代技術(shù)的創(chuàng)新。高性能處理器（例如 GPU）的發(fā)展推遲了尋找替代解決方案的需要，因此延長了這種影響。

2022-09-15 15:24:19

人工智能機(jī)器學(xué)習(xí)

Python 機(jī)器學(xué)習(xí)最常打交道的 27 款工具包

為了大家能夠?qū)θ斯ぶ悄艹Ｓ玫?Python 庫有一個(gè)初步的了解，以選擇能夠滿足自己需求的庫進(jìn)行學(xué)習(xí)，對目前較為常見的人工智能庫進(jìn)行簡要全面的介紹。

2022-09-15 14:51:05

Python 機(jī)器學(xué)習(xí)人工智能

為什么機(jī)器學(xué)習(xí)中的數(shù)據(jù)要用向量/矩陣來表示？

在數(shù)據(jù)科學(xué)和機(jī)器學(xué)習(xí)中，我們經(jīng)常將數(shù)據(jù)表示為向量和矩陣。在數(shù)學(xué)和物理中，向量被定義大小和方向的量(例如，距離向量)。然而，通常我們處理的數(shù)據(jù)不一定會遵循向量的定義，但但我們?nèi)匀挥孟蛄縼肀硎緮?shù)據(jù)。

2022-09-14 23:39:03

機(jī)器學(xué)習(xí)數(shù)據(jù)科學(xué)數(shù)據(jù)

機(jī)器學(xué)習(xí)模型和高斯過程的不確定性

在本文中，我們將嘗試解釋什么是模型不確定性，以及為什么我們應(yīng)該在機(jī)器學(xué)習(xí)模型中關(guān)注它，并給出一個(gè)如何使用高斯過程模型處理不確定性的例子。

2022-09-14 22:51:08

機(jī)器學(xué)習(xí)模型高斯過程

帶掩碼的自編碼器MAE在各領(lǐng)域中的應(yīng)用總結(jié)

機(jī)器學(xué)習(xí)算法應(yīng)該理解數(shù)據(jù)從中提取有用的特征才能夠解決復(fù)雜的任務(wù)。通常訓(xùn)練泛化模型需要大量帶注釋的數(shù)據(jù)。這個(gè)是非常費(fèi)時(shí)費(fèi)力的，并且一般情況下都很難進(jìn)行。

2022-09-13 15:26:40

機(jī)器學(xué)習(xí)算法數(shù)據(jù)

MLOps對比DevOps：有什么區(qū)別？

本文介紹了MLOps和DevOps之間的主要區(qū)別，最后介紹了一些將在不久的將來改變DevOps和MLOps的關(guān)鍵趨勢。

2022-09-13 10:23:52

MLOps DevOps 開發(fā)

機(jī)器學(xué)習(xí)入門必備：如何用Python從頭實(shí)現(xiàn)感知器算法

感知器算法是最簡單的人工神經(jīng)網(wǎng)絡(luò)形式之一。感知器是一個(gè)單神經(jīng)元的模型，可以用于兩個(gè)類別的分類問題，也能為以后開發(fā)更大的神經(jīng)網(wǎng)絡(luò)奠定基礎(chǔ)。

2022-09-11 15:02:22

機(jī)器學(xué)習(xí)算法感知器

數(shù)據(jù)科學(xué)家必須了解的六大聚類算法

在機(jī)器學(xué)習(xí)中，無監(jiān)督學(xué)習(xí)一直是我們追求的方向，而其中的聚類算法更是發(fā)現(xiàn)隱藏?cái)?shù)據(jù)結(jié)構(gòu)與知識的有效手段。

2022-09-07 23:54:17

機(jī)器學(xué)習(xí)無監(jiān)督學(xué)習(xí)算法

MLFlow打包和部署機(jī)器學(xué)習(xí)模型實(shí)戰(zhàn) 譯文精選

MLFlow是管理機(jī)器學(xué)習(xí)模型的端到端生命周期的工具。本文將向您詳細(xì)介紹這個(gè)工具，包括MLFlow服務(wù)的安裝和配置的介紹，最后還添加了有關(guān)如何與MLFlow生成和共享項(xiàng)目的實(shí)例展示。

2022-09-07 08:00:00

機(jī)器學(xué)習(xí)MLFlow 工具

機(jī)器學(xué)習(xí)中的集成方法概述

想象一下，你正在網(wǎng)上購物，你發(fā)現(xiàn)有兩家店鋪銷售同一種商品，它們的評分相同。然而，第一家只有一個(gè)人的評分，第二家有 100 人評分。您會更信任哪個(gè)評分呢？最終您會選擇購買哪家的商品呢？大多數(shù)人的答案很簡單。100 個(gè)人的意見肯定比只有一個(gè)人的意見更值得信賴。這被稱為“群眾的智慧”，這也是集成方法有效的原因。

2022-09-06 15:00:09

機(jī)器學(xué)習(xí)集成數(shù)據(jù)集

機(jī)器學(xué)習(xí)之模型管理：集成建模譯文精選

機(jī)器學(xué)習(xí)被企業(yè)應(yīng)用到不同的業(yè)務(wù)場景解決不同的業(yè)務(wù)問題，隨著機(jī)器學(xué)習(xí)的廣泛應(yīng)用也讓組織在選擇學(xué)習(xí)方法時(shí)不堪重負(fù)。?

2022-09-06 08:00:00

機(jī)器學(xué)習(xí)金融數(shù)據(jù)科學(xué)

機(jī)器學(xué)習(xí)區(qū)塊鏈：最重要的進(jìn)步和你需要知道的

機(jī)器學(xué)習(xí)和區(qū)塊鏈技術(shù)結(jié)合起來可以產(chǎn)生非常有效和有益的結(jié)果，即使對于加密投注平臺。本文介紹了區(qū)塊鏈技術(shù)，并討論了將機(jī)器學(xué)習(xí)整合到基于區(qū)塊鏈的系統(tǒng)中的可行性。我們還將討論一些使用這種統(tǒng)一方法的常見場景。

2022-09-04 15:58:36

機(jī)器學(xué)習(xí)區(qū)塊鏈人工智能

機(jī)器學(xué)習(xí)如何為臨床試驗(yàn)業(yè)務(wù)節(jié)省數(shù)百萬美元

作為一家大型臨床試驗(yàn)服務(wù)提供商，WCG對許多藥物和醫(yī)療設(shè)備的市場路徑具有相當(dāng)大的影響。但作為30多家前獨(dú)立的公司的集合體，很難獲得支持這些服務(wù)的一致數(shù)據(jù)。這就是Tamr的數(shù)據(jù)掌握解決方案提供幫助的地方。

2022-09-04 15:47:39

機(jī)器學(xué)習(xí)臨床試驗(yàn)自動化

在 Python中處理大型機(jī)器學(xué)習(xí)數(shù)據(jù)集的簡單方法

本文將使用 .csv 格式的文件來演示 python 的各種操作，其他格式如數(shù)組、文本文件等也是如此。

2022-09-03 23:58:52

機(jī)器學(xué)習(xí)Python 數(shù)據(jù)集

機(jī)器學(xué)習(xí)分類問題：九個(gè)常用的評估指標(biāo)總結(jié)

對機(jī)器學(xué)習(xí)的評估度量是機(jī)器學(xué)習(xí)核心部分，本文總結(jié)分類問題常用的評估指標(biāo)。

2022-09-02 09:04:05

機(jī)器學(xué)習(xí)評估

新手在機(jī)器學(xué)習(xí)中常見的五大問題

在數(shù)據(jù)預(yù)處理中，關(guān)鍵步驟是處理缺失的數(shù)據(jù)，因?yàn)闄C(jī)器學(xué)習(xí)模型不會接受NaN值作為它們的輸入。有很多種方法可以填充這些NaN值，但我們首先需要理解缺失值的重要性。

2022-08-30 18:13:38

機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)超參調(diào)優(yōu)：常用八種方法

超參數(shù)調(diào)優(yōu)是機(jī)器學(xué)習(xí)例程中的基本步驟之一。該方法也稱為超參數(shù)優(yōu)化，需要搜索超參數(shù)的最佳配置以實(shí)現(xiàn)最佳性能。

2022-08-30 00:31:12

機(jī)器學(xué)習(xí)超參數(shù)調(diào)優(yōu)算法

測試中使用 AI 和機(jī)器學(xué)習(xí)的 Android 開發(fā)趨勢

Android 應(yīng)用程序設(shè)計(jì)趨勢在不斷變化；跟上最新的技術(shù)更新以保持競爭力非常重要。

2022-08-29 17:12:07

人工智能機(jī)器學(xué)習(xí)Android

將特征轉(zhuǎn)換為正態(tài)分布的一種方法示例

正態(tài)（高斯）分布在機(jī)器學(xué)習(xí)中起著核心作用，線性回歸模型中要假設(shè)隨機(jī)誤差等方差并且服從正態(tài)分布，如果變量服從正態(tài)分布，那么更容易建立理論結(jié)果。

2022-08-28 23:48:20

機(jī)器學(xué)習(xí)線性回歸數(shù)據(jù)

算法與模型的淺析原創(chuàng) 精選

算法和模型都有著廣泛的一般性意義。具體地，在機(jī)器學(xué)習(xí)領(lǐng)域，算法是在代碼中實(shí)現(xiàn)并在數(shù)據(jù)上運(yùn)行的過程。模型由算法輸出，由模型數(shù)據(jù)和預(yù)測算法組成。機(jī)器學(xué)習(xí)算法提供了一種自動編程的類型，其中機(jī)器學(xué)習(xí)模型代表程序。明晰了概念，就有了進(jìn)一步學(xué)習(xí)和討論的基礎(chǔ)。

2022-08-28 20:50:29

算法模型機(jī)器學(xué)習(xí)

上一頁 1 ··· 5 6 7 8 9 ··· 41 下一頁

點(diǎn)贊

51CTO技術(shù)棧公眾號

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

<blockquote id="slrrt"><i id="slrrt"></i></blockquote>

<sub id="slrrt"></sub>

<sup id="slrrt"></sup>