实用机器学习第11页

Azure AI Document Intelligence 使用指南

AzureAIDocumentIntelligence使用指南AzureAIDocumentIntelligence（原名AzureFormRecognizer）是一项基于机器学习的服务，可以从数字或扫描

scaFHIO·2025-03-11 03:42

鸢尾花数据集的四个特征具体是什么？

鸢尾花数据集（IrisDataset）是机器学习领域中最经典的数据集之一，它包含150个样本，每个样本有4个特征，分别是：1.花萼长度（SepalLength）描述：花萼（花的外部绿色部分）的长度，单位为厘米

学术乙方·2025-03-11 03:41

学习计划：第四阶段（第十周）

考虑项目的实用性和复杂度，最终确定项目主题为“宠物管理系统”。分析项目需求，明确系统应具备的主要功能，如添加宠

狐凄·2025-03-11 01:33

DeepSeek源码解析（2）

Tensor（张量）的介绍在计算机科学和机器学习领域，“张量”（Tensor）是一个数学概念，它被用来表示多维数组。

白鹭凡·2025-03-11 01:26

机器学习数学基础：29.t检验

一、t检验的定义与核心思想（一）定义t检验（Student’st-test）是一种在统计学领域中广泛应用的基于t分布的统计推断方法。其主要用途在于判断样本均值与总体均值之间，或者两个独立样本的均值之间、配对样本的均值之间是否存在显著差异。例如，在教育研究中，可以通过t检验判断某个班级学生的平均成绩与全校学生的平均成绩是否有显著差异；在医学实验里，可用于比较实验组和对照组的患者某项生理指标的均值是否

@心都·2025-03-11 00:23

Nanobrowser：开源版OpenAI Operator！AI自动操控浏览器，复杂网页任务一键搞定

❤️如果你也关注AI的发展现状，且对AI应用开发感兴趣，我会每日分享大模型与AI领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！

蚝油菜花·2025-03-10 22:05

机器学习算法（2）—— 线性回归算法

‘’‘构造数据集’‘’x=[[80,86],[82,80],[85,78],[90,90],[86,82],[82,90],[78,80],[92,94]]y=[84.2,80.6,80.1,90,83.2,87.6,79.4,93.4]‘’‘模型训练’‘’实例化一个估计器estimator=LinearRegression()使用fit方法进行训练estimator.fit(x,y)查看回归系数

疯狂的石头。·2025-03-10 21:35

Vue3中动态Ref的魔法：绑定与妙用

前言在Vue3的开发过程中，动态绑定Ref是一项非常实用的技术，特别是在处理复杂组件结构和动态数据时。通过动态绑定Ref，我们可以更灵活地访问和操作DOM元素或组件实例，实现更高效的交互和状态管理。

内向的小农·2025-03-10 21:02

【基于手势识别的音量控制系统】

基于手势识别的音量控制系统github项目效果这是一个结合了计算机视觉和系统控制的实用项目，通过识别手势来实现音量的无接触控制，同时考虑到了用户隐私，加入了实时人脸遮罩功能。

合肥玉安人工智能工作室·2025-03-10 21:31

putty运行python代码_当我关闭putty时如何保持python脚本运行

我准备在VPS上运行Ubuntu上的python脚本.这是机器学习培训过程,因此需要花费大量时间进行培训.如何在不停止该过程的情况下关闭腻子.解决方法:您有两个主要选择：>使用nohup运行命令.这会将它与您的会话取消关联

weixin_39943000·2025-03-10 19:44

同一个问题看看Grok3怎么回答-什么是智能体？

证据倾向于认为，智能体可以是简单的（如恒温器），也可以是复杂的（如自动驾驶汽车），并可能通过机器学习改进性能。

释迦呼呼·2025-03-10 18:40

决策树（Decision Tree）：机器学习中的经典算法

决策树（DecisionTree）是一种基于树形结构的机器学习算法，适用于分类和回归任务。其核心思想是通过一系列的规则判断，将数据集不断划分，最终形成一棵树状结构，从而实现预测目标。

Jason_Orton·2025-03-10 18:39

学习总结项目

近段时间学习了机器学习、线性回归和softmax回归、多层感知机、卷积神经网络、Pytorch神经网络工具箱、Python数据处理工具箱、图像分类等的知识，学习了利用神经网络实现cifar10的操作、手写图像识别项目以及其对应的实验项目报告总结

苏小夕夕·2025-03-10 18:07

深度学习和机器学习的差异

一、技术架构的本质差异传统机器学习（MachineLearning）建立在统计学和数学优化基础之上，其核心技术是通过人工设计的特征工程（FeatureEngineering）构建模型。

The god of big data·2025-03-10 16:28

PyBroker: 使用Python进行机器学习驱动的算法交易指南

PyBroker:使用Python进行机器学习驱动的算法交易指南pybrokerAlgorithmicTradinginPythonwithMachineLearning项目地址:https://gitcode.com

任铃冰Flourishing·2025-03-10 16:22

技术人实测 | 如何用AI工具2分钟突破知网AIGC检测线

工具最实用的三个细节：保留公式编号和图表位置不变支持LaTeX源码级修改追踪

LL06210721·2025-03-10 15:50

从前端程序员到大模型工程师的转型攻略

第一阶段：打牢基础（第1-4周）深入了解AI与机器学习概念理解：阅读相关书籍、在线课程或观

七七Seven～·2025-03-10 15:19

PyBroker：利用 Python 和机器学习助力算法交易

PyBroker：利用Python和机器学习助力算法交易你是否希望借助Python和机器学习的力量来优化你的交易策略？那么你需要了解一下PyBroker！

skywalk8163·2025-03-10 15:48

10个实用IntelliJ IDEA插件

嘵奇·2025-03-10 15:18

Java 中操作 R：深度整合与高效应用

Java中操作R：深度整合与高效应用引言随着大数据和机器学习的快速发展，R语言在数据分析和可视化方面扮演着越来越重要的角色。

froginwe11·2025-03-10 15:18

MMDetection实用工具详解（上）：日志分析、结果分析、混淆矩阵

实用工具目录一、日志分析使用方法实际案例二、结果分析pkl结果文件生成使用方法实际案例三、混淆矩阵使用方法实际案例遇到的UserWarning解决方案MMDetection官方除了训练和测试脚本，他们还在

MickeyCV·2025-03-10 15:46

大话机器学习三大门派：监督、无监督与强化学习

以武侠江湖为隐喻，系统阐述了机器学习的三大范式：监督学习（少林派）凭借标注数据精准建模，擅长图像分类等预测任务；无监督学习（逍遥派）通过数据自组织发现隐藏规律，在生成对抗网络（GAN）等场景大放异彩；强化学习

安意诚Matrix·2025-03-10 15:44

从零开始学机器学习——什么是机器学习

这个系列的文章旨在为初学者提供机器学习知识，避免使用专业术语和复杂的概念，以便更好地理解和应用。

努力的小雨·2025-03-10 14:12

《基于机器学习的DDoS攻击检测与防御系统设计与实现》开题报告

目录一、课题的研究目的和意义1.1课题背景1.2课题目的（1）提高DDoS攻击检测的准确性（2）加强DDoS攻击的防御能力（3）提升网络安全防护的技术水平1.3课题意义（1）理论意义（2）实践意义二、国内(外)研究现状及分析2.1国内研究现状2.2国外研究现状2.3总结回顾三、课题主要研究内容及可行性分析3.1课题主要内容3.2可行性分析（1）技术成熟度与应用前景（2）数据处理能力四、研究方案和技

大数据蟒行探索者·2025-03-10 14:41

手机租赁平台开发核心技术解析

信用免押系统是这台仪器的核心动力舱，它需要区块链存证技术扮演"数字保镖"，用分布式账本给每笔交易打上防伪钢印；而智能风控模型则化身"AI侦探"，通过机器学习在用户行为数据里嗅出潜在风险。

红点聊租赁·2025-03-10 14:09

打造吸引招聘者的机器学习作品集终极指南！

如何创建一个脱颖而出的机器学习作品集在当今竞争激烈的就业市场中，打造一个强大的机器学习作品集比以往任何时候都更重要。这不仅仅是列出你的技能，更是要展示你的实际能力。

真智AI·2025-03-10 14:38

实用建模技术

1、过程连续赋值1.assign和deassign：该结构目前被认为是很糟糕的编码风格，建议禁用。deassign表示一直保持被赋予的值，直到下一次改变。moduleedge_dff(inputwired,inputwireclk,inputwirerst,outputregq,outputregqbar);always@(posedgeclk)beginq=d;qbar=~d;endalways

一条九漏鱼·2025-03-10 14:35

python 支持向量机回归_深入浅出python机器学习---支持向量机SVM 笔记0114-2020

题前故事：小D最近也交了一个女朋友，但是这个女孩好像非常情绪化，喜怒无常，让小D捉摸不透，小D女朋友的情绪完全不是“线性可分”的，于是小D想到了SVM算法，也就是大名鼎鼎的一一支持向量机。支持向量机理解引入首先需要知道线性可分和线性不可分的概念我们提取样本特征是“是否有妹子”和“是否有好吃的”这两项的时候，能够很容易用图中的直线把男生的情绪分成“开心”和“不开心”两类，这种情况下我们说样本是线性可

weixin_39864387·2025-03-10 13:04

基于文本特征的微博谣言检测

本文将介绍如何基于文本特征，使用深度学习模型（如LSTM、CNN）和传统机器学习模型（如SVM）来实现微博谣言检测，并对这些模型的性能进行比较。

机器懒得学习·2025-03-10 11:24

深入探索C++标准库与模板元编程的奥秘与实用技巧

二、C++标准库的强大之处在侯捷老师的课程中，我们深入了解了C++标准库的强大与实用。标准库中的算法、容器、迭代器等，为我们的编程工作提供了极大的便利。特别是STL（Stand

爱编程的Loren·2025-03-10 11:24

基于机器学习的恶意软件检测系统的详细设计与实现

以下是一个基于机器学习的恶意软件检测系统的详细设计与实现，适合作为课程作业或项目开发。我们将实现一个通过机器学习模型分析恶意软件特征来检测文件是否为恶意软件的系统。

源码空间站11·2025-03-10 11:22

AI Agent: AI的下一个风口从图形用户界面到自然语言的进化

AIAgent:AI的下一个风口从图形用户界面到自然语言的进化1.背景介绍1.1人机交互的演变历程1.1.1命令行界面时代1.1.2图形用户界面时代1.1.3自然语言交互的兴起1.2AI技术的发展现状1.2.1机器学习和深度学习的突破

AI天才研究院·2025-03-10 10:45

基于PyTorch的深度学习4——使用numpy实现机器学习vs使用Tensor及Antograd实现机器学习

然后，构建一个机器学习模型，学习表达式y=wx2+b的两个参数w、b。利用数组x，y的数据为训练数据。最后，采用梯度梯度下降法，通过多次迭代，学习到w、b的值。以下为具体步骤：1)导入需要的库。

Wis4e·2025-03-10 09:09

如何成为LangChain项目的贡献者

随着AI和机器学习领域的快速发展，LangChain项目的更新速度也很快。此项目欢迎社区的参与，无论是新功能、基础设施改进、文档提升还是Bug修复，都在积极寻求贡献。

eahba·2025-03-10 06:11

【PyQt5 应用程序】开启PyQt5入门之旅

本教程旨在为有志于学习如何使用PyQt开发桌面应用程序的开发者提供一个实用的起点。无论你是Python的初学者还是经验丰富的开发者，只要你对创建自己的GU

Mr数据杨·2025-03-10 04:29

快速提升技术的实用指南

快速提升技术的实用指南在竞争激烈的技术领域，程序员们都渴望快速提升自己的技术水平，以应对不断变化的行业需求，抓住更多的发展机遇。那么，有没有一些行之有效的方法呢？答案是肯定的！

不太会写·2025-03-10 02:13

Python开发农村青年婚恋appq (实操)

使用Python开发可以充分利用其在数据处理、机器学习和Web开发方面的优势，构建一个高性能、可扩展且功能丰富的应用。

Geeker-2025·2025-03-10 02:10

C++ 多线程操作 static 对象安全吗？一篇文章带你秒懂！

在上篇文章中，我们讲了static成员变量和函数的用法，这次我们来聊聊更实用的内容—多线程中的static变量线程安全问题。

·2025-03-10 00:30

核函数及其常见类型

前言本文隶属于专栏《机器学习数学通关指南》，该专栏为笔者原创，引用请注明来源，不足和错误之处请在评论区帮忙指出，谢谢！

Shockang·2025-03-09 23:49

【5】单调队列学习笔记

单调队列单调队列是一种非常实用的数据结构，可以用于查询一个定长区间在以一定速度向后滑动，并查询区间内最值的问题（具体见例题111）。

W9095·2025-03-09 22:41

PyTorch 学习路线

机器学习基础：理解神经网络、损失函数、优化器（如梯度下降）等概念。学习资源Python入门：Python官方教程机器学习基础

gorgor在码农·2025-03-09 22:07

机器学习篇——决策树基础

引言：决策树是一种常见的机器学习算法，广泛应用于分类和回归任务。它通过树状结构表示决策过程，每个内部节点代表一个特征测试，每个分支代表一个可能的测试结果，而每个叶节点则代表一个类别或回归值。

巷955·2025-03-09 21:30

无监督AI训练:机遇与挑战并存

无监督AI训练：机遇与挑战并存关键词：无监督学习、AI训练、机器学习、聚类算法、降维技术、深度学习摘要：本文深入探讨无监督AI训练这一新兴领域，首先介绍了其基本概念与原理，然后详细解析了无监督AI训练的核心技术

AI天才研究院·2025-03-09 21:28

PyTorch：Python深度学习框架使用详解

PyTorch是一个开源的机器学习库，广泛用于计算机视觉和自然语言处理领域。它由Facebook的AI研究团队开发，因其动态计算图、易用性以及与Python的紧密集成而受到开发者的青睐。

零度°·2025-03-09 21:25

python | flower，一个强大的 Python 库！

Github地址：https://github.com/mher/flower随着机器学习模型应用的增长，联邦学习（FederatedLearning，FL）逐渐成为一个重要方向。

双木的木·2025-03-09 19:11

【开源项目】2024最新PHP在线客服系统源码/带预知消息/带搭建教程

源码仓库地址：ym.fzapp.top在线客服系统的理论基础AI在线客服系统通过自然语言处理（NLP）、机器学习（ML）和深度学习（DL）技术，能够理解和响应客户的查询。

于飞SEO·2025-03-09 18:29

ChatGPT-4o引领医学革命：临床科研创新与效率的新纪元

、医生、学生、科研人员更加熟练地掌握ChatGPT-4o在临床医学日常生活、工作与学习、课题申报、论文选题、实验方案设计、实验数据统计分析与可视化等方面的强大功能，同时更加系统地学习人工智能（包括传统机器学习

小艳加油·2025-03-09 17:52

电机的声音数据进行AI分析

以下是一些适合处理这种类型数据的人工智能模型和方法：1.特征工程+传统机器学习模型在直接应用深度学习之前，通常首先会进行特征提取。

鹿屿二向箔·2025-03-09 15:06

可解释性机器学习——从金融科技视角（1）

可解释性机器学习——从金融科技视角（1）内容摘要：可解释性的重要性文章目录可解释性机器学习——从金融科技视角（1）1、过程为什么重要2、可解释性机器学习模型能做到什么3、什么时候不需要可解释性1、过程为什么重要尽管机器学习模型表现良好

flex_university·2025-03-09 15:05

推荐频道

实用机器学习