机器学习&深度学习算法第9页

通过python调用谷歌官方翻译API满足外贸需求

机器学习技术：借助先进的机器学习技术，google可以根据海量用户的翻译数据不断优化和提升翻译的准确性，使其翻译结果更

探数API数据·2024-08-26 02:58

【Python机器学习】NLP概述——自然语言智商

就像人类的智能一样，如果不考虑多个智能维度，单凭一个智商分数是无法轻易衡量NLP流水线的能力的。衡量机器人系统能力的一种常见方法是：根据系统行为的复杂性和所需的人类监督成都这两个维度来衡量。但是对自然语言处理流水线而言，其目标是建立一个完全自动化的自然语言处理系统，会消除所有的人工监督（一旦模型被训练和部署）。因此，一对更好的IQ维度应该能捕捉到自然语言流水线复杂的广度和深度。像Alexa或All

zhangbin_237·2024-08-26 01:20

详细总结的决策树的来龙去脉，决策树的底层原理是什么？应用的场景如何快速高效应用决策树

决策树是一种常见的机器学习算法，用于分类和回归任务。它通过将数据递归地划分成更小的子集来构建一个树状模型，从而做出决策。

九张算数·2024-08-25 23:13

深度探索：决策树算法在机器学习中的原理与应用

引言与背景决策树算法作为机器学习领域的一种基础而重要的监督学习方法，以其直观易理解、解释性强以及能处理离散和连续属性等特点，在数据挖掘、数据分析和预测建模等诸多领域占有不可或缺的地位。

生瓜蛋子·2024-08-25 23:42

TensorFlow库详解：Python中的深度学习框架

TensorFlow在Python中的使用非常广泛，因为Python是机器学习和数

Ambition_LAO·2024-08-25 21:28

机器学习（西瓜书）学习笔记导览

本篇文章会持续更新直到更新完毕，关注博主不迷路~（如果没有超链接，表示还没有更新到）第一章绪论1.1引言1.2基本术语1.3假设空间1.4归纳偏好第二章模型评估与选择2.1经验误差与过拟合2.2评估方法2.3性能度量2.4比较检验2.5偏差与方差第三章线性模型3.1基本形式3.2线性回归3.3对数几率回归3.4线性判别分析3.5多分类学习3.6类别不平衡问题第四章决策树4.1基本流程4.2划分选择

盛寒·2024-08-25 18:11

机器学习——逻辑回归

目录一、逻辑回归1.1、模型原理1.2、损失函数二、实例2.1、定义sigmoid函数2.2、数据集2.3、梯度上升算法2.4、预测函数2.5、绘画函数三、代码运行结果：四、总结优点：缺点：一、逻辑回归逻辑回归是一种广义的线性回归分析模型，用于解决二分类或多分类问题。逻辑回归模型，尽管名字中包含“回归”二字，实际上是一种分类方法，特别是用于处理二分类问题。它通过将线性回归的结果通过某种函数映射到(

wsdswzj·2024-08-25 17:06

机器学习中的逻辑回归

机器学习中的逻辑回归简介逻辑回归是机器学习领域中一种用于二分类问题的常用算法。尽管其名字中包含"回归"一词，但实际上，逻辑回归是一种分类算法，用于估计输入特征与某个事件发生的概率之间的关系。

极客李华·2024-08-25 17:35

机器学习最优化方法之梯度下降

另外，在绝大多数机器学习算法情况下(如LR)，损失函数要复杂的多，根本无法得到参数估计值的表达式。因此需要一种更普适的优化方法，这就是梯度下降。

whemy·2024-08-25 17:45

决策树——ID3算法

机器学习中，决策树是一个预测模型；它代表的是对象属性与对象值之间的一种映射关系。

ok的ok路·2024-08-25 16:00

介绍 TensorFlow 的基本概念和使用场景。

TensorFlow是一个开源的机器学习框架，由Google开发并维护。它用于构建和训练各种机器学习模型，包括神经网络模型。

乔丹搞IT·2024-08-25 16:27

macbook air怎么安装python_Mac 10.13 安装 Python-3.6.8 和 IPython-Notebook

机器学习的作业要求Python-3.6的环境，记录下配置mac的配置过程。一、安装Python-3.6.8我用的3.6.8版本，你也可以安装其他版本，方法相同。

weixin_39897267·2024-08-25 16:26

Keras深度学习框架实战（2）：估计模型训练所需的样本量

1、模型训练样本量评估概述1.1样本量评估的意义预估模型需要的样本量对于机器学习项目的成功至关重要，以下是几个主要原因：防止过拟合与欠拟合：过拟合：当模型在训练数据上表现极好，但在未见过的测试数据上表现糟糕时

MUKAMO·2024-08-25 15:52

小琳 AI 课堂：机器学习

欢迎来到小琳AI课堂机器学习：如同让计算机拥有超能力的神奇魔法机器学习，这门超酷的多领域交叉学科，居然融合了概率论、统计学、逼近论、凸分析、算法复杂度理论等等好多学科。

小琳ai·2024-08-25 15:52

【机器学习】特征工程的基本概念以及LASSO回归和主成分分析优化方法

引言特征工程是机器学习中的一个关键步骤，它涉及到从原始数据中提取和构造新的特征，以提高模型的性能和预测能力LASSO（LeastAbsoluteShrinkageandSelectionOperator

Lossya·2024-08-25 15:48

探索联邦学习：保护隐私的机器学习新范式

探索联邦学习：保护隐私的机器学习新范式前言联邦学习简介联邦学习的原理联邦学习的应用场景联邦学习示例代码结语前言在数字化浪潮的推动下，我们步入了一个前所未有的数据驱动时代。

洋葱蚯蚓·2024-08-25 11:54

赠书 | 李航老师的蓝皮书

赠书活动统计学习方法“统计机器学习方法是实现智能化目标的最有效的手段，统计机器学习是各种智能性处理研究领域中的核心技术，并且在这些领域的发展及应用中起着决定性的作用。”

茗创科技·2024-08-25 10:04

python读取csv，中文输出乱码的解决方案

爱编程的喵喵·2024-08-25 10:22

matlab实现梯度下降优化算法

在机器学习领域，它常被用来优化模型的参数，比如线性回归、逻辑回归以及神经网络等模型的权重和偏置。

孺子牛 for world·2024-08-25 09:13

向量数据库Faiss的搭建与使用｜Faiss｜向量数据库｜高效检索｜机器学习｜大规模数据

目录1.Faiss概述1.1Faiss的背景与重要性1.2Faiss的基本概念与特点2.Faiss的安装与环境配置2.1环境要求2.2Faiss的安装2.3验证安装3.Faiss的基本使用3.1创建索引与添加向量3.2执行查询3.3向量的压缩与内存优化4.Faiss的高级功能与优化4.1GPU加速与多GPU支持4.2混合索引与自定义距离度量4.3高维数据的优化在处理高维数据的场景中，快速且高效地进

concisedistinct·2024-08-25 09:10

【机器学习】3. 欧式距离，曼哈顿距离，Minkowski距离，加权欧式距离

Euclidean-L2normL2范数D(A,B)=(a1−b1)2+(a2−b2)2+...D(A,B)=\sqrt{(a_1-b_1)^2+(a_2-b_2)^2+...}D(A,B)=(a1−b1)2+(a2−b2)2+...ManhattanD(A,B)=∣a1−b1∣+∣a2−b2∣+...D(A,B)=\sqrt{|a_1-b_1|+|a_2-b_2|+...}D(A,B)=∣a1−

pen-ai·2024-08-25 08:34

AutoML原理与代码实例讲解

AutoML原理与代码实例讲解作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着数据量的爆炸式增长和算法的日益复杂，机器学习在各个领域的应用越来越广泛

AI大模型应用之禅·2024-08-25 07:31

【机器学习】4. 相似性比较（二值化数据）与相关度(correlation)

SMCSimpleMatchingCoefficient评估两组二进制数组相似性的参数SMC=(f11+f00)/(f01+f10+f11+f00)其中，f11表示两组都为1的组合个数，f10表示第一组为1，第二组为0的组合个数。这样做会有一个缺点，假设是比较稀疏的数据，如今天去哪一个地区，地区有成千上万个，但是去的只有一个地区。那么就会导致f00非常的大，如此计算的结果SMC必然很大，但是能够代

pen-ai·2024-08-25 07:59

【机器学习】5. K近邻（KNN）

K近邻（KNN）1.K-NearestNeighbour1.1特点：计算复杂1.2K的设置1.3加权近邻Weightednearestneighbor1.4决策边界DecisionboundaryVoronoiregion2.KNN总结1.K-NearestNeighbourK:超参数(hyperparameter)定义一种距离，参考第三节距离公式计算预测点到其他训练数据的距离找到最近的K个邻居预

pen-ai·2024-08-25 07:59

机器学习中的各种距离

在做分类时常常需要估算不同样本之间的相似性(SimilarityMeasurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。本文的目的就是对常用的相似性度量作一个总结。本文目录：1.欧氏距离2.曼哈顿距离3.切比雪夫距离4.闵可夫斯基距离5.标准化欧氏距离6.马氏距离7.夹角余弦8.汉明距离9.杰卡德距离&杰

千寻～·2024-08-25 07:58

未来已来：探索机器学习如何重塑人工智能的未来方向

引言：机器学习室实现人工智能的关键技术手段，应用领域持续延伸机器学习是人工智能的一个重要分支，主要研究如何让计算机系统通过数据学习并做出决策或预测，而不需要明确的编程。

华清远见西安中心·2024-08-25 06:56

机器学习 | 距离计算

文章目录距离计算1.闵可夫斯基距离（有序属性）1.1曼哈顿距离1.2欧氏距离2.VDM距离（无序属性）3.MinkovDM距离（混合属性）4.加权距离（重要性不同）参考资料相关文章：机器学习|目录机器学习

X1AO___X1A·2024-08-25 06:55

Python标准库、第三方库和外部工具汇总

这些库可用于文件读写、网络抓取和解析、数据连接、数清洗转换、数据计算和统计分析、图像和视频处理、音频处理、数据挖掘/机器学习/深度学习、数据可视化、交互学习和集成开发以及其他Python协同数据工作工具

weixin_30650039·2024-08-25 06:25

[转载] 140种Python标准库、第三方库和外部工具

参考链接：Python|使用openpyxl在Excel文件中进行算术运算这些库可用于文件读写、网络抓取和解析、数据连接、数清洗转换、数据计算和统计分析、图像和视频处理、音频处理、数据挖掘/机器学习/深度学习

ey_snail·2024-08-25 06:24

迁移学习之领域泛化

领域泛化领域泛化（DomainGeneralization）是机器学习和计算机视觉中的一个重要概念，它指的是模型能够从一个或多个源领域（sourcedomains）学习到的知识或模式，成功地应用到与训练时未见过的目标领域

踩着上帝的小丑·2024-08-25 04:41

【大模型从入门到精通39】LLM部署运维（LLM Ops）使用Kubeflow Pipelines掌握LLM工作流1

使用KubeflowPipelines掌握LLM工作流在本节中，我们将深入探讨如何使用KubeflowPipelines来编排和自动化机器学习工作流。

水木流年追梦·2024-08-25 03:08

AI人工智能 Agent：高级概念剖析

AI人工智能Agent：高级概念剖析关键词：人工智能，智能代理，机器学习，强化学习，多智能体系统，行为树，决策过程1.背景介绍1.1问题的由来人工智能（ArtificialIntelligence，AI

AI大模型应用之禅·2024-08-25 03:36

遗传算法与深度学习实战（1）——进化深度学习

遗传算法与深度学习实战（1）——进化深度学习0.前言1.进化深度学习1.1进化深度学习简介1.2进化计算简介2.进化深度学习应用场景3.深度学习优化3.1优化网络体系结构4.通过自动机器学习进行优化4.1

盼小辉丶·2024-08-25 00:21

每天一个数据分析题（四百八十七）- 非监督学习

C.Minkowski距离D.笛卡尔距离数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习

跟着紫枫学姐学CDA·2024-08-24 23:13

每天一个数据分析题（四百八十八）- 非监督学习

C.Minkowski距离D.笛卡尔距离数据分析认证考试介绍：点击进入题目来源于CDA模拟题库点击此处获取答案数据分析专项练习题库内容涵盖Python，SQL，统计学，数据分析理论，深度学习，可视化，机器学习

跟着紫枫学姐学CDA·2024-08-24 23:13

使用Python进行数据分析的最佳实践

1.引言数据科学和机器学习正在改变世界，Python作为一种灵活且功能强大的语言，已经成为了数据科学家们的首选工具。它不仅易于学习，而且拥有丰富的生态系统，包括用于数据分析的强大工具包，如Nu

Envyᥫᩣ·2024-08-24 22:39

【PostgreSQL教程】PostgreSQL 高级篇之触发器

等平台优质作者、专注于Java技术领域✌技术范围：SpringBoot、SpringCloud、Vue、SSM、HTML、Nodejs、Python、MySQL、PostgreSQL、大数据、物联网、机器学习等设计与开发

No8g攻城狮·2024-08-24 20:25

Datawhale X 李宏毅苹果书 AI夏令营Day02

一、打卡Datawhale进入打卡链接选择相对应的任务打卡就可以了二、学习1、线性模型依旧是b站上老师的授课视频，我找到知乎上解释很好的文章，分享一下机器学习（一）线性模型————理论篇线性回归模型、对数几率模型

xuanEpiphany29·2024-08-24 19:21

Python 数据清洗与预处理

Python数据清洗与预处理在数据科学和机器学习的项目中，数据清洗与预处理是至关重要的一步。无论数据来源如何，原始数据通常都是不完整、不一致、含有噪声的，甚至可能包含错误。

天蓝蓝23528·2024-08-24 16:05

新书上架 | 《智能计算系统：从深度学习到大模型（第2版）》重磅上市！

欢迎关注博主Mindtechnist或加入【智能科技社区】一起学习和分享Linux、C、C++、Python、Matlab，机器人运动控制、多机器人协作，智能优化算法，滤波估计、多传感器信息融合，机器学习

Mindtechnist·2024-08-24 16:31

数学基础 -- 梯度下降算法

它广泛应用于机器学习、深度学习以及统计学中，用于最小化损失函数或误差函数。梯度下降的基本概念梯度下降算法通过以下步骤工作：初始化参数：随机初始化模型的参数（如权重和偏差），也可以用特定的策略初始化。

sz66cm·2024-08-24 15:25

【Pyspark-驯化】一文搞懂Pyspark写入hive表的使用技巧

技术专长：在机器学习、搜

算法驯化师·2024-08-24 13:43

机器学习中分类算法的优缺点

决策树一、决策树优点1、决策树易于理解和解释，可以可视化分析，容易提取出规则。2、可以同时处理标称型和数值型数据。3、测试数据集时，运行速度比较快。4、决策树可以很好的扩展到大型数据库中，同时它的大小独立于数据库大小。二、决策树缺点1、对缺失数据处理比较困难。2、容易出现过拟合问题。3、忽略数据集中属性的相互关联。4、ID3算法计算信息增益时结果偏向数值比较多的特征。三、改进措施1、对决策树进行剪

qq_41581769·2024-08-24 07:37

Magenta——利用深度学习生成音乐和艺术内容

一、Magenta介绍Magenta是由Google的Brain团队开发的一个开源研究项目，旨在探索机器学习在艺术和音乐创作中的应用。

爱研究的小牛·2024-08-24 05:23

opencv处理图片（实战指南）

一、OpenCV简介OpenCV（OpenSourceComputerVisionLibrary）是一个开源的计算机视觉和机器学习软件库。

富士达幸运星·2024-08-24 05:50

《菜菜的机器学习sklearn课堂》随机森林应用泛化误差调参实例

clf=DecisionTreeClassifier()clf_s=cross_val_score(clf,wine.data,wine.target,cv=10)plt.plot(range(1,11),rfc_s,label=“RandomForest”)plt.plot(range(1,11),clf_s,label=“DecisionTree”)plt.legend()plt.show()

2401_83977689·2024-08-24 05:50

机器学习先导课《数值分析》（1）——绪论及误差分析

数值分析——绪论及误差分析数值分析——绪论及误差分析全文目录数值分析的作用及其学习工具使用数值分析常用工具数值分析的具体实例（多项式简化求值）计算机数值误差产生机理计算机的数值存储方式计算机误差产生原因误差误差限与精度模型误差观测误差截断误差舍入误差有效数字缺失误差的产生和避免误差的传播算法设计的稳定性与病态条件病态问题计算的稳定性练习题ReferenceAboutMe联系方式全文目录（博客园）机

WarrenRyan·2024-08-24 04:28

【深度学习入门项目】一文带你弄清决策树（鸢尾花分类）

.基尼指数4.剪枝处理一、加载数据集二、配置模型三、训练模型四、模型预测五、模型评估六、决策树调参1.criterion2.max_depth实验原理决策树(decisiontree)是一种应用广泛的机器学习方法

Better Rose·2024-08-24 03:07

【机器学习】Whisper：开源语音转文本（speech-to-text）大模型实战

目录一、引言二、Whisper模型原理2.1模型架构2.2语音处理2.3文本处理三、Whisper模型实战3.1环境安装3.2模型下载3.3模型推理3.4完整代码3.5模型部署四、总结一、引言上一篇对ChatTTS文本转语音模型原理和实战进行了讲解，第6次拿到了热榜第一。今天，分享其对称功能（语音转文本）模型：Whisper。Whisper由OpenAI研发并开源，参数量最小39M，最大1550M

LDG_AGI·2024-08-24 03:06

Few-shot Learning

Few-shotLearning一、基本概念Few-shotlearning是一种机器学习方法，旨在从少量的样本中学习新的概念或任务。

代维7·2024-08-24 03:04

推荐频道

机器学习&深度学习算法