机器学习之回归第2页

Pandas数据预处理：处理缺失值 - 插值法

Pandas数据预处理：处理缺失值-插值法在数据分析和机器学习任务中，处理缺失值是一个常见的挑战。缺失值可能由于多种原因而产生，例如数据采集过程中的错误、设备故障或者用户不完整的输入。

代码艺术巧匠·2025-01-17 22:26

气象海洋水文领域Python机器学习及深度学习实践应用能力提升

Python是功能强大、免费、开源，实现面向对象的编程语言，能够在不同操作系统和平台使用，简洁的语法和解释性语言使其成为理想的脚本语言。除了标准库，还有丰富的第三方库，Python在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能。上述优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用。可以预见未来Python将成为气象、海洋和水文

AAIshangyanxiu·2025-01-17 22:55

记录一个LLM+API类型的临床预测模型APP（糖尿病Cox预测模型）的过程

记录一个LLM+API类型的临床预测模型APP（糖尿病Cox预测模型）的构建过程LLM代表的是大语言模型，API代表的是机器学习模型，LLM+API是说将机器学习模型以API的形式引入到LLM，让机器学习模型以对话的方式与用户交流而服务于临床实践的

预测模型的开发与应用研究·2025-01-17 22:20

《微服务王国的守护者：Spring Cloud Dubbo的奇幻冒险》

如果飞船在某个星系节点出现了问题，你需要迅速定位问题发生的位置，并了解它之

Geek_H·2025-01-17 21:45

python训练模型损失值6000多_机器学习中的 7 大损失函数实战总结（附Python演练）...

介绍想象一下-你已经在给定的数据集上训练了机器学习模型，并准备好将它交付给客户。但是，你如何确定该模型能够提供最佳结果?是否有指标或技术可以帮助你快速评估数据集上的模型?

weixin_39700394·2025-01-17 21:45

checkbox wpf 改变框的大小_C1DataGrid for WPF使用技巧之改变CheckBox列的外观

原标题：C1DataGridforWPF使用技巧之改变CheckBox列的外观在C1DataGrid中，如果包含一个DataGridCheckBoxColumn，您就会发现在Column的单元格中CheckBox

weixin_39551366·2025-01-17 21:15

WPF教程四：布局之DockPanel面板

DockPanel:停靠面板DockPanel定义一个区域，在此区域中，您可以使子元素通过描点的形式排列，这些对象位于Children属性中。停靠面板类似于WinForm中控件的Dock属性。DockPanel会对每个子元素进行排序，并将根据指定的边进行停靠，多个停靠在同侧的元素则按顺序排序。在DockPanel中，指定停靠边的控件，会根据定义的顺序占领边角，所有控件绝不会交叠。默认情况下，后添加

weixin_30278311·2025-01-17 21:14

设计模式02：结构型设计模式之适配器模式使用情景及其基础Demo

1.适配器模式用途：接口兼容评价：复杂、冗余、难以调试，个人认为直接在旧系统那里封装一个新实现调用旧实现就好了场景：系统A、B、C想调用同一个功能接口，但是实现细节存在差异时（其实就是入参和出参转化处理，封装在一个新的类）//旧系统接口publicinterfaceIOldSystem{stringGetData();}//旧系统实现publicclassOldSystem:IOldSystem{

我是苏苏·2025-01-17 20:36

【机器学习实战入门项目】基于机器学习的鸢尾花分类项目

基于机器学习的鸢尾花分类项目介绍：本项目利用机器学习模型对鸢尾花进行分类。

精通代码大仙·2025-01-17 20:05

数据入湖的前提条件：数据标准之元数据注册

元数据注册是数据入湖的重要前提条件之一，其核心目的是记录和管理数据的元信息（Metadata），为数据的理解、发现、管理、使用和治理提供依据。元数据是描述数据的“数据”，包括数据的结构、来源、用途等关键信息。下面从底层原理、操作步骤及背后原因进行全面解析。1.为什么需要元数据注册？1.1数据可发现性含义：元数据提供了关于数据的描述信息，使用户能够快速发现和定位所需数据。原理：在数据湖中，没有元数据

goTsHgo·2025-01-17 20:04

✨探究✨进程最大可以打开多少个文件

大家好，我是半夏之沫一名金融科技领域的JAVA系统研发我希望将自己工作和学习中的经验以最朴实，最严谨的方式分享给大家，共同进步写作不易，期待大家的关注和点赞关注微信公众号【技术探界】前言原本是想搞清楚一台服务器最多能建立多少个连接

·2025-01-17 20:19

【TVM 教程】为 x86 CPU 自动调优卷积网络

ApacheTVM是一个深度的深度学习编译框架，适用于CPU、GPU和各种机器学习加速芯片。

·2025-01-17 20:18

AI Agent：一场智能革命的开始

一、AIAgent的发展现状：技术突破与广泛应用近年来，随着大数据、云计算和机器学习等技术的飞速发展，AIAgent的技术水平得

TechubNews·2025-01-17 20:02

Python自动化测试之Selenium各浏览器驱动下载网址

在自动化测试领域，Selenium无疑是一个不可或缺的工具。它允许开发者编写脚本来模拟用户在浏览器中的操作，从而进行自动化测试。然而，为了使用Selenium控制不同的浏览器，我们需要安装相应的浏览器驱动（WebDriver）。（1）Chrome浏览器驱动（chromedriver）：ChromeforTestingavailability(googlechromelabs.github.io)h

Shadow℘Coder·2025-01-17 20:00

倒计时 4 天！2024年压轴技术盛宴来了！

现在，年度压轴之站即将开启——12月28日（本周六下午），我们将在广州与您相聚，共赴一场精彩纷呈的云原生与AI技术盛会！诚邀您一同探索云原生与AI的最新趋势与实战应用，共享技术交流的巅峰时刻！

·2025-01-17 20:39

国产替代 | 星环科技Sophon替代SAS，助力大型国有银行智能化营销

由于SAS是集中式的，对单台服务器要求太高，算力无法支撑需求，且无法支持可视化的机器学习，对于业务人员来说使用门槛过高。在经过产品选型后，决定采用星环科技的智能分析工具Sophon替换原有SAS，用

·2025-01-17 19:05

开源之夏 2024 KubeSphere 社区项目总结

开源之夏2024KubeSphere社区项目总结开源之夏是由中科院软件所“开源软件供应链点亮计划”发起并长期支持的一项暑期开源活动，旨在鼓励在校学生积极参与开源软件的开发维护，培养和发掘更多优秀的开发者

·2025-01-17 19:33

官宣开源阿里云与清华大学共建AI大模型推理项目Mooncake

2024年6月，国内优质大模型应用月之暗面Kimi与清华大学MADSys实验室（MachineLearning,AI,BigDataSystemsLab）联合发布了以KVCache为中心的大模型推理架构

·2025-01-17 19:03

交叉熵损失与二元交叉熵损失：区别、联系及实现细节

在机器学习和深度学习中，交叉熵损失（Cross-EntropyLoss）和二元交叉熵损失（BinaryCross-EntropyLoss）是两种常用的损失函数，它们在分类任务中发挥着重要作用。

专业发呆业余科研·2025-01-17 19:56

KDD 2024 | 美团技术团队精选论文解读 & 论文分享会预告

本文精选了美团技术团队被KDD2024收录的5篇长文进行解读，覆盖了用户意图感知、机器学习&运筹优化、在线控制实验、联合广告模型、实时调

·2025-01-17 19:29

解析蓝桥杯思维之真题训练：分巧克力

目录其他真题要点源代码其他真题其他真题儿童节那天有K位小朋友到小明家做客。小明拿出了珍藏的巧克力招待小朋友们。小明一共有N块巧克力，其中第i块是HixWi的方格组成的长方形。为了公平起见，小明需要从这N块巧克力中切出K块巧克力分给小朋友们。切出的巧克力需要满足：形状是正方形，边长是整数大小相同例如一块6x5的巧克力可以切出6块2x2的巧克力或者2块3x3的巧克力。当然小朋友们都希望得到的巧克力尽可

m明月Java3·2025-01-17 17:43

llama.cpp部署

主要有两点优化：llama.cpp使用的是C语言写的机器学习张量库ggmlllama.cpp提供了模型量化的工具计算类

法号：行颠·2025-01-17 17:12

Kubeflow：云原生机器学习工作流自动化开源框架详解

Kubeflow是一个开源的机器学习（ML）工作流自动化平台，旨在将机器学习工作流部署到Kubernetes之上，实现从实验到生产的一站式解决方案。

gs80140·2025-01-17 17:40

2024年信创操作系统之麒麟软件的银河麒麟、中标麒麟

在近年来国内操作系统领域不断推进自主创新和信息技术安全的背景下，信创产业作为国家战略的重要组成部分，得到了越来越多的关注。尤其是在操作系统领域，麒麟软件作为国内知名操作系统研发公司，凭借其“银河麒麟”和“中标麒麟”两款操作系统，不仅引领了行业发展，还在2024年信创操作系统排行榜中稳居前列，成为众多国内企业和政府机构的首选平台。往期精彩推荐：通过华为鲲鹏认证发行上市的集成平台产品推荐2024年信创

Lalolander·2025-01-17 17:37

优选算法之双指针（下）

目录一、有效三角形的个数1.题目链接：611.有效三角形的个数2.题目描述：3.解法一（暴力求解、会超时）算法思路：算法代码：4.解法二（排序+双指针）算法思路：算法代码：二、和为S的两个数1.题目链接：179.查找总价值为目标值的两个商品2.题目描述：3.解法一（暴力解法、会超时）算法思路：算法流程：算法代码：4.解法二（双指针-对撞指针）算法思路：算法流程：算法代码：三、三数之和1.题目链接：

南风与鱼·2025-01-17 16:56

【机器学习：三十一、推荐系统：从基础到应用】

KeyPan·2025-01-17 15:54

【机器学习：三十、异常检测：原理与实践】

1.异常检测概述异常检测（AnomalyDetection）是一种用于识别数据中异常模式或异常点的技术，旨在发现与大部分数据行为不同的样本。它在工业监控、网络安全、金融欺诈检测等领域具有广泛应用。异常检测的目标是找到那些偏离正常行为的数据点，这些数据点可能代表错误、故障、攻击或其他需要特别关注的情况。核心概念异常通常分为以下三种类型：点异常：单个数据点显著偏离正常分布（例如，银行交易中突然的巨额消

KeyPan·2025-01-17 15:24

【机器学习：二十九、K-means算法：原理与应用】

1.K-means概述K-means是一种经典的无监督学习算法，广泛应用于数据聚类任务。其核心思想是将数据集划分为kkk个簇，使得每个簇内的样本尽可能相似，同时不同簇之间尽可能不同。K-means的简单性和高效性使其在模式识别、图像处理、市场分析等领域具有广泛应用。核心思想基于欧几里得距离度量数据点之间的相似性。不断优化簇中心位置，最小化簇内样本与其中心点之间的总距离（即误差平方和，SSE）。适用

KeyPan·2025-01-17 15:23

人工智能下的MASS服务架构

2.MaaS的起源与概念MaaS的概念最早由美国数据科学家DJ·帕蒂尔在2012年提出，即“将机器学习算法打包成可重复使用的服务，使企

从零开始学习人工智能·2025-01-17 15:52

spring cloud-之入门技术选型的抉择

一、个人理解之技术选型：首先在当前的大环境下，微服务已经是大趋势所在，目前微服务有两个解决方案，dubbo和springcloud，下面将对比一下两个解决方案的优缺点，然后在说一下为何我最终会选择springcloud

weixin_30699831·2025-01-17 15:20

【Go语言】如何脚踩多条船之互斥锁原理

经常脚踩多条船的朋友都知道，为了不翻船，必须时刻确保同一时间只能与一位女友约会。这个情境就像Go中，多个女友就好比是多个goroutine，而我则是共享资源。为了避免冲突，互斥锁（sync.Mutex）用于保证goroutine对临界资源的互斥访问，也就是说，同一时间只能有一个女友独占我，其他女友无权约我（狗头保命）。那么，Go的互斥锁是如何实现的呢？以下结合源码进行分析（基于Go1.23.3版本

·2025-01-17 15:23

数据结构之B树详解(极简)

一、引言1）介绍数据结构的重要性在计算机科学中，数据结构是解决问题和优化性能的关键。它们是组织和存储数据的方式，直接影响着我们如何访问、检索和操作数据。一个恰当的数据结构选择可以显著提高算法的效率，降低时间复杂度和空间复杂度。因此，熟练掌握并理解各种数据结构对于软件工程师和计算机科学家来说至关重要。2）B树在数据结构中的地位和应用场景在众多数据结构中，B树以其高效的查找、插入和删除性能，在数据库和

初眸࿐·2025-01-17 15:17

02、Redis从入门到放弃之常用命令和基本数据类型操作

Redis从入门到放弃之常用命令和基本数据类型操作一、Redis通用命令redis-cli-h127.0.0.1-p6379redis客户端登录-hhost-p端口-a密码exit退出当前客户端info返回redis的一些相关信息（包括端口、配置文件等）flushdb清空当前库中的所有数据flushall清空所有库中的所有数据save将当前内存中的数据持久化到dump.rdb中(只管保存、其他全部

跳跳的向阳花·2025-01-17 15:15

算法之图论

连接图有向图问题无向图问题无向图最短路径127.单词接龙-力扣（LeetCode）分析：对于无向图最短路径问题，建议使用BFS（对点的扩展关联（扩散迭代方式））。同时由于无向性注意建立查找集合Visit（防止进入循环）。建立uset方便查找。建立umap方便查重并记录。思路：uset记录所有wordlist中的word，通过bfs获得满足条件（uset找到，umap未出现）的点，并在umap记录（

专业刷题Pia·2025-01-17 14:14

【机器学习】—时序数据分析：机器学习与深度学习在预测、金融、气象等领域的应用

云边有个稻草人-CSDN博客目录引言1.时序数据分析基础1.1时序数据的特点1.2时序数据分析的常见方法2.深度学习与时序数据分析2.1深度学习在时序数据分析中的应用2.1.1LSTM（长短期记忆网络）2.2深度学习在金融市场预测中的应用2.2.1股票市场预测2.3深度学习在设备故障检测中的应用3.强化学习与时序数据分析3.1强化学习的基本概念3.2强化学习在金融市场中的应用3.3强化学习在设备故

云边有个稻草人·2025-01-17 14:13

【机器学习】主动学习-增加标签的操作方法-样本池采样（Pool-Based Sampling）

Pool-BasedSamplingPool-basedsampling是一种主动学习（ActiveLearning）方法，与流式选择性采样不同，它假设有一个预先定义的未标注样本池，算法从中选择最有价值的样本进行标注，以提升模型的性能。这种方法广泛应用于需要人工标注的场景，例如文本分类、图像识别等。核心思想预先准备一个未标注数据池（UnlabeledDataPool）。使用初始标注数据训练一个模型

IT古董·2025-01-17 14:09

【机器学习：二十、拆分原始训练集】

1.如何改进模型模型的改进需求在机器学习任务中，模型性能的提升通常受限于训练数据、模型架构、优化方法及超参数设置等。模型改进的目标是在测试数据上表现更优，避免过拟合或欠拟合。

KeyPan·2025-01-17 13:35

【机器学习】---神经架构搜索（NAS）

这里写目录标题引言1.什么是神经架构搜索（NAS）1.1为什么需要NAS？2.NAS的三大组件2.1搜索空间搜索空间设计的考虑因素：2.2搜索策略2.3性能估计3.NAS的主要方法3.1基于强化学习的NAS3.2基于进化算法的NAS3.3基于梯度的NAS4.NAS的应用5.实现一个简单的NAS框架6.总结引言随着深度学习的成功应用，神经网络架构的设计变得越来越复杂。模型的性能不仅依赖于数据和训练方

Undoom·2025-01-17 13:03

机器学习模型调优指南

机器学习模型调优指南机器学习模型参数调优的作用在于优化模型的性能，使其能够在给定任务上更好地泛化和预测。通过合理调整模型的超参数，能够提高模型的准确性、降低过拟合或欠拟合的风险、加快训练过程等。

闵少搞AI·2025-01-17 13:00

Java 大视界 -- Java 开发 Spark 应用：RDD 操作与数据转换

ApacheSpark是一个强大的分布式计算框架，提供了高效的数据处理能力，广泛应用于大数据分析与机器学习。Spark提供了多种高级API，支持批处理和流处理。

一只蜗牛儿·2025-01-17 12:26

数字孪生介绍

它是指对于现实世界中的物理实体或系统，通过数字化的方式建立一个虚拟的、与之相对应的数字化模型，从而实现对物理实体或系统的监测、仿真、预测和优化等操作。

丫头，冲鸭！！！·2025-01-17 10:06

Web前端------HTML多媒体标签之图片标签

一.图片标签介绍1.路径问题>.绝对路径从盘符开始的路径问题：改变了工程目录的位置后，绝对路径从盘符开始则不能使用了，考虑相对路径>.相对路径从当前位置（指从代码书写.html文件）开始如何表示当前位置------使用./如何表示上一级--------使用../2.图片标签的导入方式3.常见图片属性src：图片地址：1.网络路径2.绝对路径3.相对路径alt：图片加载失败时，提示信息width/h

王da魔·2025-01-17 10:02

SpringBoot3-Security 之认证与UsernamePasswordAuthenticationFilter

名字忘了取了·2025-01-17 08:20

Springboot 之 ObjectPostProcessor

文章目录一、ObjectPostProcessor是什么？二、代码示例三、AutowireBeanFactoryObjectPostProcessor实现原理一、ObjectPostProcessor是什么？ObjectPostProcessor能对我们没有被扫描的类执行初始化,注意是初始化(initializeBean)。二、代码示例ObjectPostProcessor有两个实现类，这里只研究

名字忘了取了·2025-01-17 08:20

从字符串使用看Golang和Rust对内存使用的区别

对内存使用的区别今天从Rust偶然回到Golang的世界，怎么写代码怎么别扭，总是忍不住在句子结尾加个分号…看到golang的字符串使用起来特别爽可以到处复制疯狂乱用，有一种从部队宿舍豆腐块被子的生活回归到居家肥宅的随意感

若者いChiang·2025-01-17 08:50

小白也能懂的 Python 入门指南（1）——Python 的前世今生

在人工智能、机器学习日趋火热的时代，Python又赶上了一波AI的热潮，即使你没系统的学习过它，相信你也一定听说过吧，如果你也对Python产生了浓厚的兴趣，跟我一起来了解下它的前世今生

荆州克莱·2025-01-17 07:42

AI大模型

系列简书文章目录https://www.jianshu.com/p/d47d5cdc8a3e本篇目录AI大模型什么是AI大模型AI大模型，通常指的是在人工智能领域中，特别是机器学习和深度学习范畴内，具有巨大参数量和复杂结构的模型

荆州克莱·2025-01-17 07:12

深度学习：从基础到实践（上、下册）(安德鲁·格拉斯纳)

（pdf）:python33+(0m深度学习概述：深度学习是机器学习的一个分支，它试图通过使用深层神经网络来模拟人脑的学习过程。

fyjgfyjfg·2025-01-17 07:11

JavaEE之常见的锁策略

前面我们学习过线程不安全问题，我们通过给代码加锁来解决线程不安全问题，在生活中我们也知道有很多种类型的锁，同时在代码的世界当中，也对应着很多类型的锁，今天我们对锁一探究竟！1.常见的锁策略注意:接下来介绍的锁策略不仅仅是局限于Java.任何和"锁"相关的话题,都可能会涉及到以下内容.这些特性主要是给锁的实现者来参考的.我们普通的程序猿也需要了解⼀些,对于合理的使用锁也是有很大帮助的.1.1乐观锁v

所待.383·2025-01-17 06:04

大数据框架之kafka详解

目录1kafka介绍1.1kalka是什么？1.2Kafka内部原理1.3为什么需要消息队列？2Kafka的消息系统语义3Kafka生产过程分析3.1写入方式3.2分区（Partition）3.3副本（Replication）3.4Producer写入流程3.5消费者组3.6消费方式扩展：纠删码技术1kafka介绍1.1kalka是什么？可以简单的将kafka看做是一种消息队列，启动生产者与消费者

xingchensuiyue·2025-01-17 06:30

推荐频道

机器学习之回归