机器学习可视化

揭秘波士顿房价密码：从经典数据集到线性回归实战

引言波士顿房价预测是一个经典的机器学习任务，类似于程序员世界的“HelloWorld”。和大家对房价的普遍认知相同，波士顿地区的房价受诸多因素影响。
珠峰日记·2025-02-25 22:39

机器学习数学通关指南——牛顿-莱布尼茨公式

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·2025-02-25 22:39

人工智能、机器学习、深度学习、集成学习及大模型的定义与联系

在当今快速发展的科技领域，人工智能（ArtificialIntelligence,AI）、机器学习（MachineLearning,ML）、深度学习（DeepLearning,DL）、集成学习（EnsembleLearning
大模型玩家·2025-02-25 22:38

机器学习笔记——特征工程

本笔记介绍机器学习中常见的特征工程方法、正则化方法和简要介绍强化学习。
好评笔记·2025-02-25 22:37

DeepSeek基础之机器学习

文章目录一、核心概念总结（一）机器学习基本定义（二）基本术语（三）假设空间（四）归纳偏好（五）“没有免费的午餐”定理（NFL定理）二、重点理解与思考（一）泛化能力的重要性（二）归纳偏好的影响（三）NFL
珠峰日记·2025-02-25 22:07

【matlab数学建模项目】matlab实现HSV空间的森林火灾监测系统——森林火灾监测系统

空间森林火灾监测系统1、项目下载：本项目完整讲解和全套实现源码见下资源，有需要的朋友可以点击进行下载说明文档（点击下载）全套源码+学术论文基于MATLAB的HSV空间森林火灾监测系统的技术实现与应用-机器学习
阿里matlab建模师·2025-02-25 21:31

机器学习01

机器学习的基本过程如下：1.数据获取2.数据划分3.特征提取4.模型选择与训练5.模型评估6.模型调优一、特征工程（重点）0.特征工程步骤为：特征提取(如果不是像dataframe那样的数据，要进行特征提取
天行者@·2025-02-25 20:53

机器学习02

三、模型选择与调优1交叉验证(1)保留交叉验证HoldOutHoldOutCross-validation（Train-TestSplit）优点1.简单高效操作简便：这种方法的实现非常直接，只需要将原始数据集按照一定比例（常见的如70:30、80:20等）随机划分为训练集和测试集。例如，在Python的scikit-learn库中，使用train_test_split函数可以轻松完成划分，代码简洁
天行者@·2025-02-25 20:53

【Unity 城市环境构建插件】Modern City Package 提供各种高质量的建筑、道路、景观、交通工具和环境特效资源，迅速创建一个充满现代感的城市场景

它包含了城市中常见的建筑、道路、景观、交通工具和其他城市环境元素，能够让开发者在短时间内搭建出一个富有现代感的城市环境，适用于游戏、虚拟现实（VR）、建筑可视化等多种项目。
Unity游戏资源学习屋·2025-02-25 20:51

9、论文阅读：无监督的感知驱动深水下图像增强

模型基于非物理模型基于物理模型基于深度学习质量度量在图像增强中的应用方法论问题表述PQR模型PDD网络生成器损失函数实验A.数据集B.训练细节C.实验结果**PQR模型结果****定量UIE结果****定量UIE结果****可视化增强结
Maker~·2025-02-25 15:18

AI 赋能前端开发：ScriptEcho 如何结合低代码/无代码平台引领未来

与此同时，低代码/无代码平台的兴起为前端开发带来了新的可能性，它们通过可视化界面和预构建组件，大大降低了开发门槛，加速了开发流程。
wangtaohappy·2025-02-25 14:12

Did you forget to `#include ＜pybind11/stl.h＞`? Or ＜pybind11/complex.h＞,＜pybind11/functional.h＞

项目场景：基于深度学习的三维点云可视化问题描述：Traceback(mostrecentcalllast):File".
沉迷单车的追风少年·2025-02-25 14:40

网关类设备技术演进思路

人工智能（AI）和机器学习：用于数据分析、用户行为预测和自动化决策。边缘计算：在设备端进行数据处理，减少对云服务的依赖，提高响应速度。区块链技术：用于确保数据安全和网络安全。
看兵马俑的程序员·2025-02-25 13:03

使用Python实现数组数据转换为Excel表格

引言：数组数据到Excel的转换需求在数据科学和工程中，我们经常需要将Python中的数据转换为Excel格式，以便于数据的可视化、共享和进一步分析。Python提供
嘿何i·2025-02-25 13:01

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
星环科技·2025-02-25 11:16

PyTorch知识点总结之一

PyTorch是一个基于Python的科学计算库，它是用于机器学习和深度学习的框架之一。它由Facebook的人工智能研究团队开发和维护，是一个开源的软件包，可以帮助开发者构建各种深度学习模型。
Rain松·2025-02-25 10:44

pytorch模型(.pt、.pth)转onnx模型(.onnx)的方法详解

.pt和.pth只能在pytorch的框架中使用，但是有时我们需要在其他的框架使用模型或者使用模型可视化工具来展示模型（大部分对.pt格式不兼容），这时就需要用到.onnx模型形式来转换了。
墨小傲·2025-02-25 10:12

使用 ML.NET 开发工业预测系统：从数据到智能决策

而机器学习技术，尤其是ML.NET，提供了一种高效、灵活的方式来挖掘这些数据背后的潜在价值。本文将带领大家通过使用ML.NET来开发一个简单的工业预测系统，帮助企业提高生产效率，降低故障风险。
威哥说编程·2025-02-25 09:35

初学者推荐学习AI的路径

学习人工智能的路径可以分为基础知识、编程技能、机器学习、深度学习、数据处理与可视化、自然语言处理（NLP）、计算机视觉（CV）、强化学习、实践项目和持续学习几个阶段。
ProgramHan·2025-02-25 09:05

机器学习实战：从理论到实践

随着人工智能技术的迅猛发展，机器学习作为其核心部分，已经广泛应用于各个领域。它不仅在科技公司中扮演着关键角色，在医疗、金融、零售等行业也展现了巨大的潜力。
静默.\\·2025-02-25 08:34

开源模型应用落地-Qwen1.5-MoE-1/3的激活参数量达到7B模型的性能

二、术语介绍2.1.混合专家(MoE)架构是一种机器学习模型的结构设计,它将一个复杂的任务分解成多个相对简单的子任务,
开源技术探险家·2025-02-25 07:55

时序大模型：技术需求、现有成果及主流模型、模型架构、数据处理方式、优势、缺点及未来展望

数据清洗：去除异常值：通过统计方法或机器学习算法检测并去除异常值，确保数据的合理性。填补缺失值：使用插值方法、均值填充、中位数填充或基于模型的预测
xl.liu·2025-02-25 07:50

机器学习数学基础：36.φ相关系数分析

用φ相关系数分析性别与心理测验态度关系的教程一、学习目标学会使用φ相关系数分析两个二分变量（如性别男/女、对心理测验态度肯定/否定）之间的关系，并通过卡方检验判断结果是否具有统计学意义。二、数据准备假设我们想研究青年大学生的性别和对心理测验的态度之间的关系，收集到如下2×22×22×2列联表数据（调查了170170170人）：肯定否定合计男生222222888888110110110女生18181
@心都·2025-02-25 06:46

机器学习数学基础：37.偏相关分析

偏相关分析教程一、偏相关分析是什么在很多复杂的系统中，比如地理系统，会有多个要素相互影响。偏相关分析就是在这样多要素构成的系统里，不考虑其他要素的干扰，专门去研究两个要素之间关系紧密程度的一种方法。用来衡量这种紧密程度的数值，叫做偏相关系数。举个简单例子，在研究一个地区的房价时，房价会受到很多因素影响，像地段、房屋面积、周边配套设施等。如果我们想知道单纯的房屋面积和房价之间的关系，就可以用偏相关分
@心都·2025-02-25 06:46

机器学习数学基础：22.对称矩阵的对角化

一、核心概念详解（一）内积定义与公式：在nnn维向量空间中，对于向量x⃗=(x1,x2,⋯ ,xn)\vec{x}\=(x_1,x_2,\cdots,x_n)x=(x1,x2,⋯,xn)和y⃗=(y1,y2,⋯ ,yn)\vec{y}\=(y_1,y_2,\cdots,y_n)y=(y1,y2,⋯,yn)，内积记作(x⃗,y⃗)(\vec{x},\vec{y})(x,y)，其计算公式为(x⃗,y⃗
@心都·2025-02-25 06:45

机器学习数学基础：34.点二列

点二列相关教程一、点二列相关的定义点二列相关是一种统计方法，用于衡量两个变量之间的相关程度。在这种相关分析中，一个变量是正态连续性变量，取值可以是连续的数值，比如身高、体重、考试分数等；另一个是真正的二分名义变量，其两个类别是天然存在、相互独立的，不能再细分，像性别（男/女）、是否吸烟（是/否）、抛硬币的结果（正面/反面）等。二、适用场景点二列相关常用于研究天然二分变量与连续变量之间的关系。例如在
@心都·2025-02-25 05:11

免费 MLOps 课程：学习机器学习运维的完整流程

掌握MLOps：训练和跟踪实验、构建ML流水线、模型部署、生产环境监控，并从DevOps采用最佳实践。免费MLOps课程概览（DataTalks.Club提供）课程平台：DataTalks.Club适合人群：有一定Python和ML经验的开发者重点内容：模型训练、实验跟踪、流水线构建、模型部署、监控和DevOps最佳实践目录什么是MLOps？为什么需要MLOps？MLOpsZoomcamp课程介绍
真智AI·2025-02-25 05:11

Spring Boot嵌入式服务器深度解析：从配置到调优的全方位指南

线程池优化（Tomcat示例）3.2响应压缩配置3.3访问日志配置四、服务器切换实战4.1切换至Undertow服务器4.2Undertow性能优化配置五、容器健康监控5.1Actuator端点监控5.2可视化监控方案六
珠峰日记·2025-02-25 05:34

企业知识库重塑协作生态与数据价值转化

该工具本质上属于数字体验平台（DXP）的范畴，其核心功能涵盖知识沉淀、权限分级、跨系统集成及数据可视化，支持企业建立从内容生产到价值转化的完整闭环。专家
Baklib-企业帮助文档·2025-02-25 05:34

机器学习的三个步骤-ChatGPT4o作答

机器学习的三个步骤分别是：设置范围、设置标准、达成目标。这三个步骤是任何机器学习项目的基础框架，它们为模型的选择、优化和评估提供了清晰的指导。让我们深入探讨这三个步骤的具体内容。
部分分式·2025-02-25 04:33

AGI框架探索

开发十年，就只剩下这套Java开发体系了>>>随着对机器学习领域的深入探索，我渐渐迷上了AGI通用人工智能。
另一只又死又活的猫·2025-02-25 04:58

【QT教程】QT6硬件高级编程实战案例 QT硬件高级编程

AI技术辅助生成QT界面美化视频课程QT性能优化视频课程QT原理与源码分析视频课程QTQMLC++扩展开发视频课程免费QT视频课程您可以看免费1000+个QT技术视频免费QT视频课程QT统计图和QT数据可视化视频免费看免费
QT性能优化QT原理源码QT界面美化·2025-02-25 01:07

PYTHON机器学习小项目教程：预测鸢尾花种类

我们将使用经典的鸢尾花数据集来构建一个分类模型，该数据集包含150个样本，每个样本有四个特征：花萼长度、花萼宽度、花瓣长度和花瓣宽度。目标是根据这些特征预测鸢尾花的种类（山鸢尾、变色鸢尾或维吉尼亚鸢尾）。一、环境配置首先，确保你已经安装了必要的库。如：pandas、numpy等，命令如下所示pipinstallnumpypandasscikit-learnmatplotlib[-i镜像源网站]二、
jackispy·2025-02-25 01:36

基于KNN的鸢尾花分类预测模型

机器学习，它也是需要对自己的学习效果进行评估，因为它需要根据结果来调整参数。
溪海莘·2025-02-24 23:57

Topaz Photo AI 人工智能图像处理 降噪

具备图像分辨率提升特性，利用机器学习技术，分析并重建图像的细节，从而保持图像质量同时，显著提高图像的分辨率。提供自动调整色彩分布与对比度优化功能，使照片的色彩更加饱
甜于酸·2025-02-24 23:54

美颜相机1.0

项目开发步骤1界面开发美颜相机界面构成：标题尺寸关闭方式位置可视化2创建主函数调用界面方法3添加两个面板一个是按钮面板一个是图片面板用JPanel4添加按钮到按钮面吧【注意：此时要用初始化按钮面板的方法
清梚不喝粥·2025-02-24 23:53

探索Omniglot：一个无尽的手写字符集合

探索Omniglot：一个无尽的手写字符集合omniglotomniglot-一个包含大量不同语言手写字符图像的数据集，用于机器学习模型的训练和评估。
宋溪普Gale·2025-02-24 22:46

《看板工具测评：企业如何挑选效率倍增的“神器”？》

[]()看板工具，其概念最早源于20世纪50年代日本丰田生产系统（TPS），最初是一种在生产线上用于控制物料流动的可视化管理工具，旨在减少浪费、提高效率。
·2025-02-24 19:12

【DeepSeek零基础入门】从零开始：如何训练自己的AI模型

明确目标后，选择一个合适的机器学习框架至关重要。Ten
Evaporator Core·2025-02-24 18:20

钉钉多维表:数据管理与协作的新篇章

一、定义与特点钉钉多维表,是钉钉文档中的一款表格工具,它超越了传统表格的局限,融合了可视化视图、在线协作、低代码等多种功
ivwdcwso·2025-02-24 17:43

【OpenCV】OpenCV 中各模块及其算子的详细分类

OpenCV的最新版本包含了500多个算子，这些算子覆盖了图像处理、计算机视觉、机器学习、深度学习、视频分析等多个领域。为了方便使用，OpenCV将这些算子分为多个模块，每个模块承担特定的功能。
de之梦-御风·2025-02-24 17:43

使用Vue-Flow创建一个流程图可视化节点坐标查询器

在开发中遇到这样一个需求，需要后端返回数据前端网页生成流程图，由于流程图使用了Vue-Flow，所以需要坐标来辅助后端生成数据。首先引入方法并定义添加节点数据const{updateEdge,addEdges,addNodes}=useVueFlow()constadd_nodes=()=>{constid=nodes.length+1constnewNode={id:`${id}`,label:
充气大锤·2025-02-24 16:35

DeepSeek 深度赋能客服岗：效率与洞察的双重飞跃

它能凭借自然语言处理技术，快速理解客户咨询，精准提供解答方案；自动生成标准化、个性化的回复话术，大幅提升客服效率；利用机器学习对客户反馈进行深度分析，挖掘潜在需求与市场趋势。
AI_DL_CODE·2025-02-24 14:55

Python 绘图进阶之小提琴图：探索数据分布与多样性

Python绘图进阶之小提琴图：探索数据分布与多样性引言在数据分析和可视化中，了解数据的分布是至关重要的。
AIDD Learning·2025-02-24 14:22

python制图之小提琴图

提琴图（ViolinPlot）是一种结合了箱线图（BoxPlot）和核密度估计（KernelDensityEstimation,KDE）的可视化工具，用于展示数据的分布情况和概率密度。
pianmian1·2025-02-24 13:13

数据质量管理工具（Trifacta Wrangler）

2015年10月：正式推出TrifactaWrangler，让非技术用户也能通过直观的可视化工作流程来探索、转换和丰富数据，同时其旗舰产品、专注于Hadoop的Trifacta数据处理解决方案更名为TrifactaWranglerEnterprise
deepdata_cn·2025-02-24 09:46

SuperSplat 2.0：Web端轻量级3D Gaussian Splats处理与可视化工具

SuperSplat2.0正是这样一款专注于3DGaussianSplats（3DGS）处理和可视化的开源工具，特别适合需要处理3D扫描数据的创业者和开发者。
花生糖@·2025-02-24 09:15

解锁机器学习核心算法｜朴素贝叶斯：分类的智慧法则

一、引言在机器学习的庞大算法体系中，有十种算法被广泛认为是最具代表性和实用性的，它们犹如机器学习领域的“十大神器”，各自发挥着独特的作用。
紫雾凌寒·2025-02-24 08:05

解锁机器学习核心算法 | 线性回归：机器学习的基石

在机器学习的众多算法中，线性回归宛如一块基石，看似质朴无华，却稳稳支撑起诸多复杂模型的架构。它是我们初涉机器学习领域时便会邂逅的算法之一，其原理与应用广泛渗透于各个领域。
紫雾凌寒·2025-02-24 08:35

AI环境初识

以下是一些主要的技术趋势和流行技术：一、开发框架与深度学习库TensorFlow：由谷歌开发的一个开源机器学习库，广泛用于研究和生产环境。
网络飞鸥·2025-02-24 07:02
上一页 8 9 10 11 12 13 14 15 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他