机器学习学习心得第20页

决策树最骚操作

大家好，最近我原创了一系列文章LightGBM可视化调参用Excel玩机器学习！用浏览器玩机器学习比Tesorflow还强的机器学习库AI黑科技！

统计学家·2024-02-13 07:20

《零基础实践深度学习》1.4.1飞桨产业级深度学习开源开放平台介绍

1.4飞桨产业级深度学习开源开放平台介绍1.4.1深度学习框架近年来，深度学习在很多机器学习任务中都有着非常出色的表现，在图像识别、语音识别、自然语言处理、机器人、网络广告投放、医学自动诊断和金融等领域都有着广泛应用

软工菜鸡·2024-02-13 06:35

语言模型大战：GPT、Bard与文心一言，谁才是王者？

在聊技术原理之前我们来先看看几个产品的团队背景一、团队背景1.1、ChatGPTChatGPT团队的成员大多具有计算机科学、人工智能、自然语言处理、机器学习等相关领域的高等教育背景，有些还拥有博士学位。

栈江湖·2024-02-13 06:27

0301～2018《七情六艺说（二）》的学习心得

读经日期：2018年03月01日农历：正月十四星期：四天气：晴读经人员：炜圣，炜圣妈炜圣：5周9个月系统读经：第七十六周第四天亲子读经内容：《易经》坤卦第二（第二段音频），《诗经》国风—卫风，《成语接龙》下第一段音频，《少年儿童诗词启蒙》11-20章。精彩早课：全体人员——新年茶话会炜圣妈坚持锻炼：下蹲40个。炜圣妈诵读：《易经》周易下经一遍，累积第十五遍。今天是我第二次参与漳州家人学习《学说集》

泉州炜圣妈·2024-02-13 05:23

探索XGBoost：时间序列数据建模

导言XGBoost是一种强大的机器学习算法，广泛应用于各种领域的数据建模任务中。但是，在处理时间序列数据时，需要特别注意数据的特点和模型的选择。

Echo_Wish·2024-02-13 05:22

探索XGBoost：多分类与不平衡数据处理

导言XGBoost是一种强大的机器学习算法，广泛应用于各种分类任务中。但在处理多分类和不平衡数据时，需要特别注意数据的特点和模型的选择。

Echo_Wish·2024-02-13 05:19

宇宙公民高效阅读第十三届学习营(2021-6-21）虹晓

感恩我的赋能伙伴今天对我的陪伴，我们今天聊了很多自己的学习心得。她也分享了她的北极星目标，她想为山区的孩子建学校，建更多的学校，帮助孩子们学到知识的。我觉得她是一个很有社会责任感、有爱心的人。

爱芳香的虹晓·2024-02-13 04:24

机器学习之xgboost算法及特征筛选和GridSearchCV

importpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromsklearnimportmetricsimportpicklefromxgboost.sklearnimportXGBRegressorfromsklearn.preprocessingimportStandardScalerfromclean_dataimportpre

Jlan·2024-02-13 02:09

linux命令大全

例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。

默默编码的Fxdll·2024-02-13 02:31

如何交付机器学习项目：一份机器学习工程开发流程指南

摘要：本文描述机器学习任务的“OODA环”的概念，迭代地执行四个过程：分析、选择方法、实现、测量步骤，循环此过程以提升开发效率。

城市中迷途小书童·2024-02-13 02:44

Taurus: 面向机器学习的数据面架构

日益复杂的网络和多样化的工作负载要求网络内置更多的自动化决策能力，通过可编程网络设备在用户面支持机器学习工作负载就是一个可能的选项，本文提出了一种支持用户面推理的架构设计，相对控制面机器学习的性能有数量级的提升

DeepNoMind·2024-02-12 23:01

ChatGPT的背后原理：大模型、注意力机制、强化学习

微信搜索关注《Python学研大本营》，加入读者群，分享更多精彩本文主要介绍为ChatGPT提供动力的机器学习模型，将从大型语言模型的介绍开始，深入探讨使GPT-3得到训练的革命性的自注意机制，然后深入到从人类反馈强化学习

Python学研大本营·2024-02-12 23:17

这次理解透彻了！用代码从零实现大模型的自注意力、多头注意力。。。

近日，AheadofAI杂志运营者、机器学习和AI研究者SebastianRaschka发布了一篇文章，介绍并用代码从头实现了LLM中的自注意力、多头注意力、交叉注意力和因果注意力。

Python算法实战·2024-02-12 23:47

葫芦书第一章——特征工程

葫芦书是机器学习岗位面试的必读书，第一遍读，就当作对自己这四个月以来入门机器学习的知识测验，顺便查漏补缺。

单调不减·2024-02-12 22:08

第七届核磁机器学习班（训练营：2023.9.4~9.16）

茗创科技专注于脑科学数据处理，涵盖（EEG/ERP,fMRI,结构像,DTI,ASL,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师（微信号MCKJ-zhouyi或17373158786）咨询。★课程简介★基于血氧水平依赖的功能磁共振成像(fMRI)技术,利用其数据构建的功能性脑网络后,发现脑并不是一个单纯对外界刺激进行

茗创科技·2024-02-12 21:08

[韩顺平]python笔记

python对大数据分析、人工智能中关键的机器学习、深度学习都提供有力的支持Python支持最庞大的代码库，功能超强数据分析：numpy/pandas/os机器学习：tensorflow/scikit-learn

超级用户 root·2024-02-12 20:54

《统计学简易速速上手小册》第9章：统计学在现代科技中的应用（2024 最新版）

文章目录9.1统计学与大数据9.1.1基础知识9.1.2主要案例：社交媒体情感分析9.1.3拓展案例1：电商销售预测9.1.4拓展案例2：实时交通流量分析9.2统计学在机器学习和人工智能中的应用9.2.1

江帅帅·2024-02-12 20:54

产品经理内容分享(六)：AI产品经理需必备那些能力

目录必备的AI技术知识第一章：AI产品经理是否需要懂技术及其程度第二章：AI产品经理必备的AI技术基础知识——基础算法与机器学习方法第三章：AI产品经理必须要懂的AI技术知识——场景应用第四章：AI算法与模型的关系第五章

之乎者也··2024-02-12 20:45

2020-12-22

调整一下记录的时间准备把时间放到早晨经过一晚上的沉淀也是昨天的一个回忆同时也可以对今天的任务做一个规划短暂的停歇也是可以原谅的但是不可以原谅的是一蹶不振要知道自己是干嘛的每个阶段以及每个时期的任务一点点的向目标靠近走很长的路要记得最初的目的不是为了锻炼身体就要记得自己的目标沿途的风景交往的人都是生活一个是对老梁昨天讲的关于情商的课程的一个回顾以及自己的一个看法收获不足与提升的方面还有就是机器学习接

QuietRG·2024-02-12 20:20

探索嵌入式系统的未来发展趋势

1.人工智能与机器学习的融合随着人工智能和机器学习技术的快速发展，嵌入式系统将更多地融合这些先进技术。未来的嵌入式系统将具备更强大的智能和

迷璃学妹·2024-02-12 20:40

机器学习：过拟合和欠拟合的介绍与解决方法

过拟合和欠拟合的表现和解决方法。其实除了欠拟合和过拟合，还有一种是适度拟合，适度拟合就是我们模型训练想要达到的状态，不过适度拟合这个词平时真的好少见。过拟合过拟合的表现模型在训练集上的表现非常好，但是在测试集、验证集以及新数据上的表现很差，损失曲线呈现一种高方差，低偏差状态。(高方差指的是训练集误差较低，而测试集误差比训练集大较多)过拟合的原因从两个角度去分析：模型的复杂度：模型过于复杂，把噪声数

是Dream呀·2024-02-12 19:05

图解word2vec，入门自然语言处理必看

图解word2vec精翻版，加入了自己的理解，和稍微有点出入，http://jalammar.github.io/illustrated-word2vec/image词嵌入（embedding）是机器学习中最惊人的创造

学术Fun·2024-02-12 19:42

2020-03-08

《为数学理解而设计》学习心得毕飞宇:“理解力比想象力更重要，因为想象力的背后是智慧，而理解力的背后是情怀。”作为小说家的毕飞宇的意思出发，想象是建立在理解的基础上。

张建霞0804·2024-02-12 19:37

使用Java+Springboot+Mysql开发个性化新能源汽车推荐系统在线新能源电动车辆推荐平台汽车购物商城基于机器学习、深度学习、人工智能推荐基于协同过滤推荐算法爬虫可视化数据分析

使用Java+Springboot+Mysql开发个性化新能源汽车推荐系统在线新能源电动车辆推荐平台汽车购物商城基于机器学习、深度学习、人工智能推荐基于协同过滤推荐算法爬虫可视化数据分析CarRecommendWebEx

linge511873822·2024-02-12 18:21

Java+Springboot+Mysql开发个性化求职/招聘/职位推荐系统在线招聘/就业/职业推荐平台基于机器学习、深度学习、人工智能推荐算法协同过滤推荐算法爬虫可视化数据分析

Java+Springboot+Mysql开发个性化求职/招聘/职位推荐系统在线招聘/就业/职业推荐平台基于机器学习、深度学习、人工智能推荐算法协同过滤推荐算法爬虫可视化数据分析PositionRecommendSys

linge511873822·2024-02-12 18:20

使用Java+Springboot+Mysql开发个性化租房推荐系统在线房屋租赁推荐系统基于机器学习、深度学习、人工智能推荐基于协同过滤推荐算法爬虫可视化数据分析

使用Java+Springboot+Mysql开发个性化租房推荐系统在线房屋租赁推荐系统基于机器学习、深度学习、人工智能推荐基于协同过滤推荐算法爬虫可视化数据分析HouseRecommendSys一、项目简介

linge511873822·2024-02-12 18:20

Python+Django+Mysql个性化求职推荐系统在线求职/招聘/职位/简历推荐系统基于机器学习/深度学习/人工智能基于标签/协同过滤推荐算法爬虫

Python+Django+Mysql个性化求职推荐系统在线求职/招聘/职位/简历推荐系统基于机器学习/深度学习/人工智能基于标签/协同过滤推荐算法爬虫PersonalizedPositionRecSysPy

linge511873822·2024-02-12 18:17

积极家庭学习心得

幸福家第四板块课程已经结束，但留给我们很多值得细细品味、每天去实践的东西。第一个就是亲密资源，这是第一天的课程白导师跟我们说经营亲密关系，其实没那么难。首先要做到的是一定要以成人的心态进入婚姻，不然就会出现很多状况，在亲密关系中，抚触、性和谐、肯定对方和肯定自己是非常重要的，因为生活节奏太快，生活压力过大，过着过着，很多人就带着焦虑开始抱怨，忽视了抚触的重要性，极少肯定对方和肯定自己。当出现一些小

慧爱家·2024-02-12 18:40

机器学习原理到Python代码实现之KNN【K近邻】

K-NearestNeighborK近邻算法该文章作为机器学习的第三篇文章，主要介绍的是K紧邻算法，这是机器学习中最简单的一种分类算法，也是机器学习中最基础的一种算法。

神仙盼盼·2024-02-12 18:15

机器学习原理到Python代码实现之K-Means

K-Means聚类算法该文章作为机器学习的第四篇文章，主要介绍的是K-Means聚类算法，这是我们介绍的第一个无监督算法，在这里我们将对什么是无监督，为什么要有无监督等也会有一些介绍，算法不难，大家且看且思考

神仙盼盼·2024-02-12 18:15

机器学习原理到Python代码实现之PolynomialRegression

PolynomialRegression多项式回归模型该文章作为机器学习的第五篇文章，主要介绍多项式回归模型的原理和实现方法。这个算法是建立在线性回归基础之上的，所以需要对线性回归有一定的了解。

神仙盼盼·2024-02-12 18:44

XEX数字货币交易平台：量化交易策略与市场趋势解析

未来，随着人工智能和机器学习技术的进一步发展，量化

焦点易讯·2024-02-12 18:36

【0315复盘翻盘】

欢迎给大家分享学习心得哦（这个模块不限于运营）。1信任的速度:第二

安晞晞·2024-02-12 17:06

Python数据分析从入门到进阶：模型评估和选择（含详细代码）

引言之前我们介绍了机器学习的一些基础性工作，介绍了如何对数据进行预处理，接下来我们可以根据这些数据以及我们的研究目标建立模型。那么如何选择合适的模型呢？首先需要对这些模型的效果进行评估。

程序员老冉·2024-02-12 16:34

明天开课 | 第六届核磁机器学习班（训练营：2023.7.24~8.5）

茗创科技专注于脑科学数据处理，涵盖（EEG/ERP,fMRI,结构像,DTI,ASL,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师（微信号MCKJ-zhouyi或17373158786）咨询。★课程简介★基于血氧水平依赖的功能磁共振成像(fMRI)技术,利用其数据构建的功能性脑网络后,发现脑并不是一个单纯对外界刺激进行

茗创科技·2024-02-12 16:34

交叉熵损失函数基本概念及公式

Cross-EntropyLoss1.二分类2.对于多类别分类问题，其公式可以表示为：3.公式深度挖掘解释——交叉熵损失函数公式中（log）的解释总结交叉熵损失函数（Cross-EntropyLoss）是在机器学习和深度学习中常用的一种损失函数

小桥流水---人工智能·2024-02-12 16:03

交叉熵损失函数（Cross-Entropy Loss）的基本概念与程序代码

交叉熵损失函数（Cross-EntropyLoss）是机器学习和深度学习中常用的损失函数之一，用于分类问题。

小桥流水---人工智能·2024-02-12 16:31

shapash，一个神奇的 Python 库！

Github地址：https://github.com/MAIF/shapash在机器学习领域，模型的可解释性对于理解模型的决策过程和进行决策支持非常重要。

漫走云雾·2024-02-12 15:18

王树森：学 DRL 走过的弯路太多，想让大家避开（文末赠送福利）

而强化学习是机器学习的一个分支，研究如何基于对环境的观测做出决策，以最大化长期回报。从20世纪80年代至今，强化学习一直是机器学习领域的热门研究方向。

人工智能与算法学习·2024-02-12 15:43

Python自学之路：从入门到精通

一、引言Python，作为最受欢迎的编程语言之一，不仅语法简洁易懂，而且应用领域广泛，从数据科学、机器学习、网络开发到自动化脚本编写等，无所不能。

白猫a~·2024-02-12 15:37

08组山东迟代娣弯柳树网络班学习（传统文化与身心健康）第十二集学习心得

今天课程老师接着上一集父亲去世讲到了临终关怀和老师课程主要是通过医心医病讲修行。人生老病死都要经历，人老了自理能力差，面对很多孩子对自己的态度和心灵孤独，感到老人太痛苦了。人寿命到了自然都要走，临终关怀非常重要。老师讲了一个老人该走了子女为了老人的退休金不让他走，用现代科学机维持老人呼吸不让他走，身体后背都烂了。看到了人为了贪钱失去了人性非常可悲。很多老人都害怕死，我们做子女的就要帮助他们，让他们

304db44c4605·2024-02-12 15:00

Week10

第10周十七、大规模机器学习(LargeScaleMachineLearning)17.1大型数据集的学习参考视频:17-1-LearningWithLargeDatasets(6min).mkv如果我们有一个低方差的模型

kidling_G·2024-02-12 14:29

6月10日晨间日记

人际关系|家庭|朋友：往来及活动计划：和原同事聊复利原理学习心得。阅读学习和箴言：记录阅读资料、回顾内容、深刻部分：把复利原理应用讲出来，还是有些含糊。反思成长和阻碍：对照目标反思、不足和

冯已己·2024-02-12 14:50

阿里云人工智能工程师ACP认证考试：15天备考到通过经验分享

随着2023年AIGC的火热，个人的热情被带动起来，有必要系统、全面的对人工智能、机器学习、深度学习进行总结和再学习。那就设立一个可量化的学习目标吧：考个人工智能相关的认证，以证促学。

North_D·2024-02-12 13:59

《诗经唐风蟋蟀》学习心得

就是那一只蟋蟀那夜，魏老师在直播间抚琴传道那夜，罗老师听蟋蟀在窗外鸣唱一个，在中国西安一个，在澳大利亚是冥冥之中的心有灵犀还是无数声音的同频共振就是那一只蟋蟀披着北国的飞雪跳过了太平洋在澳洲上空悄悄降落落在有缘人的小院深情唱歌就是那一只蟋蟀在采桑晚归的歌声里唱过在东门之杨的等待里唱过在白露为霜的爱情里唱过在肃肃宵征的哀叹里唱过岁月悠悠长路漫漫那一只蟋蟀唱出了多少悲欢离合就是那一只蟋蟀看见过《野有蔓

朱雀_1ff5·2024-02-12 13:04

【机器学习实战】大数据与MapReduce

当运算需求超出了当前资源的运算能力，一、可以考虑购买更好的机器；二、可以将计算转换成并行作业，MapReduce就提供了这种方案的一个具体实施框架。MapReduce：分布式计算的框架MapReduce是一个软件框架，可以将单个计算工作分配给多台计算机执行。工作流程包括map和reduce阶段。第一阶段，输入数据被切片分发到节点上，各个节点对本地数据进行处理对应的运算代码叫做mapper。第二阶段

吵吵人·2024-02-12 12:48

Vitis AI 集成

·2024-02-12 12:42

神经网络中的分位数回归和分位数损失

在使用机器学习构建预测模型时，我们不只是想知道“预测值(点预测)”，而是想知道“预测值落在某个范围内的可能性有多大(区间预测)”。

·2024-02-12 12:41

【机器学习】数据清洗之处理缺失点

个人主页：[甜美的江]欢迎点赞✍评论⭐收藏收录专栏：[机器学习]希望本文对您有所裨益，如有不足之处，欢迎在评论区提出指正，让我们共同学习、交流进步！

·2024-02-12 12:11

D3学习心得

C5肖振中广州一阶第三天学习心得:一、我学到了:1.家族序位的重要性！读到了自己家族的一份悲伤！看到了自己的一份伤痛！感恩周老师的大爱大德，感恩自己的组员！让自己又得到了一次疗愈！

jessica258130·2024-02-12 12:09

推荐频道

机器学习学习心得