机器学习实验室

基于3种机器学习法的黄土高原农业干旱监测比较研究_王晓燕_2022

基于3种机器学习法的黄土高原农业干旱监测比较研究_王晓燕_2022摘要关键词1引言2研究区与数据6结论#pic_center=x260)摘要  本文集成MODIS、TRMM、GLDAS和再分析等多源数据
清木!·2024-02-20 20:00

【机器学习案例4】为机器学习算法编码分类数据【含源码】

目录编码分类数据序数编码标签编码一次性编码目标编码目标编码的优点目标编码的缺点在现实生活中，收集的原始数据很少采用我们可以直接用于机器学习模型的格式，即数值型数据。
suoge223·2024-02-20 20:28

网站常见的反爬手段及反反爬思路

user-agent2、ip访问频率的限制（1）代理的基本原理（2）代理的作用（3）爬虫代理（4）代理分类（5）常见代理设置3、必须账号登录4、动态网页，JavaScript压缩、混淆和加密，加大分析难度5、机器学习
在猴站学算法·2024-02-20 20:58

通俗的讲解什么是机器学习之损失函数

在机器学习中，这个过程是这样的：训练数据：你有大量的数据，这些数据包括了输入（特征）和输出（标签，即真实值）。模型：你有一个模型，它可以根据输入数据做出预测。
华农DrLai·2024-02-20 19:18

机器学习之梯度下降法直观理解

形象化举例，由上图所示，假如最开始，我们在一座大山上的某处位置，因为到处都是陌生的不知道下山的路，所以只能摸索着根据直觉，走一步算一步。在此过程中，每走到一个位置的时候，都会求解当前位置的梯度，沿着梯度的负方向，也就是当前最陡峭的位置向下走一步，然后继续求解当前位置梯度，向这一步所在位置沿着最陡峭最易下山的位置走一步。不断循环求梯度，就这样一步步地走下去，一直走到我们觉得已经到了山脚。当然这样走下
华农DrLai·2024-02-20 19:47

如何使用常亮光源设定相机白平衡

它能均匀地反映光谱的所有颜色，每个WhiBal均经过分光光度计实验室的测量，以确保售出的每一张卡都是准确的。除了技术规格以外，WhiBal灰度卡还具有防水
ORBITVU·2024-02-20 19:24

MATLAB进行特征选择

特征选择是机器学习和统计建模中的重要步骤，它涉及选择最相关、最有信息价值的特征，以提高模型性能、降低过拟合风险，并加速训练过程。
AI Dog·2024-02-20 18:17

人工智能专业python论文毕设方向推荐

1.3难度把控1.4题目名称1.5最后2选题推荐2.1数据分析可视化选题推荐2.2算法类选题推荐(深度学习机器学习)最后0前言Hi，大家好，大四的同学马上要开始毕业设计啦，大家做好准备了没！
DanCheng-studio·2024-02-20 18:40

内冷水抛光树脂，进口抛光树脂MB-106UP

抛光树脂可以在以下应用领域的水处理：（1）电子、电力、电镀、照明电器、实验室、食品、造纸、日化、建材、造漆、蓄电池、化验、生物、
zhang13264567852·2024-02-20 18:38

杜笙Tulsimer抛光树脂MB-115+MB-106UP技术参数

高纯水终端混床树脂无需再生，就可广泛应用于电子工业高纯水制备；实验室高纯水；高效液相色谱用高纯水；含放射物处理；药品；半导体行业；凝结水精制以及其它各种水处理工艺的终端混床精处理。
wangsir8888·2024-02-20 18:07

超纯水抛光树脂MB-106UP出水可达18.25兆欧

适合用于电子产业，生产半导体及映像管产业，实验室，激光，精仪器，医用行业等需要超纯水的
any13367128839·2024-02-20 17:03

超纯水抛光树脂MB-106UP

适合用于电子产业，生产半导体及映像管产业，实验室，激光，精仪器，医用行业等需要超纯水的行业，以及核电厂等使用。在全球
King16586888473·2024-02-20 17:02

MB-106up抛光树脂，产水18兆欧的抛光树脂

它适合于电子产业的生产、半导体和映像管产业、实验室激光高精仪器、医用行业等需要超纯水的领域。在核电厂中，MB-106UP树脂主要用于去除水中的痕量杂质，确保反应堆的安全运行。由于其高交换容量和优
Khs156721678O1·2024-02-20 17:31

文本分类算法能够应用于哪些领域？真实项目场景介绍

通过机器学习算法，我们训练了一个模型，它能够理解公文的内容和格式，从而实现快速且准确的分类。这不仅减少了人工分类的时间，
思通数科x·2024-02-20 17:48

Elasticsearch：什么是 kNN?

kNN-K-nearestneighbor定义kNN（即k最近邻算法）是一种机器学习算法，它使用邻近度将一个数据点与其训练并记忆的一组数据进行比较以进行预测。
Elastic 中国社区官方博客·2024-02-20 17:41

深度学习与机器学习的关系

深度学习和机器学习的关系深度学习是机器学习的一个子领域，专注于使用神经网络，特别是深度神经网络（DNN）来解决各种问题。可以说，深度学习是机器学习的一种方法或技术。
数字化信息化智能化解决方案·2024-02-20 16:19

用机器学习方法重构期货商品板块

用机器学习方法重构期货商品板块阿岛格参考专栏：低门槛搭建个人量化平台https://www.zhihu.com/column/c_1441014235068944386摘要金融市场商品期货的板块分类，通常根据不同交易所
阿岛格·2024-02-20 16:48

Django计算机毕业设计实验室资产管理系统python(源码程序+lw+远程部署)

该项目含有源码、文档、程序、数据库、配套开发软件、软件安装教程项目运行环境配置：Pychram社区版+python3.7.7+Mysql5.7+HBuilderX+listpip+Navicat11+Django+nodejs。项目技术：django+python+Vue等等组成，B/S模式+pychram管理等等。环境需要1.运行环境：最好是python3.7.7，我们在这个版本上开发的。其他版
Django毕设程序杰哥·2024-02-20 16:13

人工智能|机器学习——基于机器学习的舌苔检测

代码下载：基于深度学习的舌苔检测毕设留档.zip资源-CSDN文库1研究背景1.1.研究背景与意义目前随着人们生活水平的不断提高，对于中医主张的理念越来越认可，对中医的需求也越来越多。在诊断中，中医通过观察人的舌头的舌质、苔质等舌象特征，了解人体内的体质信息从而对症下药。传统中医的舌诊主要依赖于医生的肉眼观察，仅仅通过这种人工诊断不但需要消耗大量人力，而且诊断的结果往往受医生经验和主观判断影响，甚
博士僧小星·2024-02-20 16:35

机器学习---强化学习

1.什么是强化学习在连接主义学习中，在学习的方式有三种：非监督学习(unsupervisedlearning)、监督学习(supervisedleaning)和强化学习。监督学习也称为有导师的学习，需要外界存在一个“教师”对给定输入提供应有的输出结果，学习的目的是减少系统产生的实际输出和预期输出之间的误差，所产生的误差反馈给系统来指导学习。非监督学习也称为无导师的学习。它是指系统不存在外部教师指导
三月七꧁ ꧂·2024-02-20 16:26

【plt.hist绘制直方图】：从入门到精通，只需一篇文章！【Matplotlib可视化】

进行数据可视化示例文章目录一、引言二、plt.hist()函数基础三、plt.hist()进阶技巧1.自定义直方图外观2.多组数据在同一张直方图上展示四、参考文档|相关链接五、结尾一、引言  数据可视化是数据分析和机器学习领域不可或缺的一部分
高斯小哥·2024-02-20 15:21

算法工程师（机器学习）面试题目4---深度学习算法

基础问题CNN1.卷积神经网络和全连接网络的根本不同之处在哪里两者之间的唯一区别是神经网络相邻两层的连接方式。在全连接神经网络中，每相邻两层之间的节点都有边相连，而对于卷积神经网络，相邻两层之间只有部分节点相连；全连接网络缺点：参数太多，计算速度变慢，容易过拟合卷积神经网络：局部链接；权值共享；参数更少，降低过拟合的可能卷积神经网络一般是由卷积层、汇聚层和全连接层交叉堆叠而成的前馈神经网络。RNN
小葵向前冲·2024-02-20 15:34

计算机视觉与图像处理面试题,深度学习图像处理算法工程师面试题

AI开发平台ModelArtsModelArts是面向开发者的一站式AI开发平台，为机器学习与深度学习提供海量数据预处理及半自动化标注、大规模分布式Training、自动化模型生成，及端-边-云模型按需部署能力
ZW9·2024-02-20 15:32

深度学习+计算机语言,深度学习 计算机语言

AI开发平台ModelArtsModelArts是面向开发者的一站式AI开发平台，为机器学习与深度学习提供海量数据预处理及半自动化标注、大规模分布式Training、自动化模型生成，及端-边-云模型按需部署能力
中国计算机学会·2024-02-20 15:32

机器学习-特征提取-字典特征提取-文本特征提取-TF-IDF

一、特征提取概要：1、定义：将任意数据(如文本或图像)转换为可用于机器学习的数字特征。注：特征值化是为了计算机更好的去理解数据。
涓涓自然卷·2024-02-20 15:19

Linux嵌入式开发 C++学习：day1

C++:在C的基础上增加面向对象的思想【C++简介】1983年，贝尔实验室（BellLabs）的BjarneStroustrup发明了C++。
墨鱼馒头·2024-02-20 14:03

最好不过遇见你（六）

可惜人家除了上课就在实验室，想见一面太难了。他可是A大女生的梦中情人，你竟然不知道！！”陈教授可是物理系元老级的人物。“行了，你又不是不知道小舒有多清心寡欲”老大刘佳帮腔。校草？
怎么做大神·2024-02-20 14:20

体验文心一言AI大模型生成一篇关于OpenAI、Notepad++、WPS、pycharm、git、svn、Webstorm、Chrome、Edge和向日葵客户端的报告

OpenAI是一家非营利性人工智能研究公司，致力于研究人工智能和其他机器学习技术1。
「已注销」·2024-02-20 14:36

GPT在机器学习，深度学习等领域应用

详情点击公众号：技术科研吧链接：GPT在机器学习，深度学习等领域应用第一：2024年AI领域最新技术1.OpenAI新模型-GPT-52.谷歌新模型-GeminiUltra3.Meta新模型-LLama34
夏日恋雨·2024-02-20 14:02

三步完成在英特尔独立显卡上量化和部署ChatGLM3-6B模型

作者:英特尔边缘计算创新大使刘力；1.1ChatGLM3-6B简介ChatGLM3是智谱AI和清华大学KEG实验室联合发布的新一代对话预训练模型。
英特尔开发人员专区·2024-02-20 14:29

圣光下的炼狱——25

我还是无法忘怀，不知为何，我不断的想要暗示自己，我什么也没看到，但是只要一这样暗示到，那样真实的想法就会浮现在我眼前，而至于那真实的想法是什么，我也不太看的清楚……算了，先去办完这一天的事情吧，我还是不去实验室了
日落之歌·2024-02-20 13:34

机器学习相关指标计算

机器学习相关的科学计算指标其实本人也不精通上代码：#!
miliyah·2024-02-20 13:36

零基础入门金融风控-贷款违约预测Task2 数据分析

赛题：零基础入门数据挖掘-零基础入门金融风控之贷款违约目的：1.EDA价值主要在于熟悉了解整个数据集的基本情况（缺失值，异常值），对数据集进行验证是否可以进行接下来的机器学习或者深度学习建模.2.了解变量间的相互关系
一缕阳光lyz·2024-02-20 13:45

为快充设备提供全面技术支持的USB-IF认证实验室 | LDR

近日，乐得瑞科技豪掷200多万人民币，购得了USB-IF认证所需的五套设备，建立起企业级的"USB-IF认证实验室"。
春天要来了p·2024-02-20 13:12

随笔20190328

我需要更加努力的学习英语了，只为了和实验室的国外友人正常交流。
努力的小坤·2024-02-20 12:04

Python | Conda常用命令

一、介绍1、Anaconda工具Anaconda是一个用于数据科学和机器学习的开源软件包管理器和环境管理器。
-拟墨画扇-·2024-02-20 12:48

conda 所有的命令及其讲解

Conda很流行于数据科学、机器学习、科学计算等领域，因为它能够快速地安装、管理和部署软件包和环境。以下是Conda的一些主要命令及其简要说明：环境管理相关condacreate：创建一个新的环境。
MonkeyKing.sun·2024-02-20 12:48

人工智能与测试开发：新时代的黄金组合

而人工智能技术可以通过机器学习和自动化算法，自动化生成
·2024-02-20 12:40

人工智能与测试开发：新时代的黄金组合

而人工智能技术可以通过机器学习和自动化算法，自动化生成
·2024-02-20 12:30

python机器学习库Scikit-learn

python语言中用来处理机器学习的库最重要的就是Scikit-learn，简称sklearn。被大多数科学家所钟爱，包括了构建良好的学习算法、误差函数和测试例程。
崔吉龙·2024-02-20 12:49

【深度学习】S2 数学基础 P6 概率论

目录基本概率论概率论公理随机变量多个随机变量联合概率条件概率贝叶斯定理求和法则独立性期望与方差小结基本概率论机器学习本质上，就是做出预测。
脚踏实地的大梦想家·2024-02-20 11:15

Python+Django+Mysql个性化旅游景区推荐系统 在线旅游景点推荐系统 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 可视化数据分析

Python+Django+Mysql个性化旅游景区推荐系统在线旅游景点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可视化数据分析WebTravelRecommendSysPy
linge511873822·2024-02-20 11:26

5、程序员可以进入机器学习

在这篇文章中，我想向您展示程序员可以进入机器学习。我将向您展示学习机器学习就像学习任何其他高科技一样。我们首先将学习机器学习与学习编程进行比较，这可能是一个更大的挑战。
攻城狮笔记·2024-02-20 11:39

【机器学习笔记】14 关联规则

关联规则概述关联规则（AssociationRules）反映一个事物与其他事物之间的相互依存性和关联性。如果两个或者多个事物之间存在一定的关联关系，那么，其中一个事物就能够通过其他事物预测到。关联规则可以看作是一种IF-THEN关系。假设商品A被客户购买，那么在相同的交易ID下，商品B也被客户挑选的机会就被发现了。有没有发生过这样的事：你出去买东西，结果却买了比你计划的多得多的东西？这是一种被称为
RIKI_1·2024-02-20 11:43

学习笔记：机器学习之决策树

0引入决策树是一种归纳式的机器学习算法,可用于分类和回归任务。比如生活中的选男朋友的例子，是否决定将自己托付终生给那个他，就是个二分类问题。考量一个人有很多考量属性，年龄、长相、收入等等。
萌龙如我们·2024-02-20 11:13

【机器学习笔记】13 降维

在很多机器学习问题中，训练集中的每条数据经常伴随着上千、甚至上万个特征。要处理这所有的特征的话，不仅会让训练非常缓慢，还会极大增加搜寻良好解决方案的困难。这个问题就是我们常说的维数灾难。
RIKI_1·2024-02-20 11:13

【吴恩达·机器学习】第二章：多变量线性回归模型（选择学习率、特征缩放、特征工程、多项式回归）

——《朗读者》0、声明本系列博客文章是博主本人根据吴恩达老师2022年的机器学习课程所学而写，主要包括老师的核心讲义和自己的理解。
Yaoyao2024·2024-02-20 11:12

【机器学习笔记】8 决策树

决策树原理决策树是从训练数据中学习得出一个树状结构的模型。决策树属于判别模型。决策树是一种树状结构，通过做出一系列决策（选择）来对数据进行划分，这类似于针对一系列问题进行选择。决策树的决策过程就是从根节点开始，测试待分类项中对应的特征属性，并按照其值选择输出分支，直到叶子节点，将叶子节点的存放的类别作为决策结果。以下小美相亲的例子就是决策树决策树算法是一种归纳分类算法，它通过对训练集的学习，挖掘出
RIKI_1·2024-02-20 11:39

centos7 arm服务器编译安装onnxruntime-gpu

前言ONNXRuntime是适用于Linux，Windows和Mac上ONNX格式的机器学习模型的高性能推理引擎，但在arm服务器上，onnxruntime只有CPU版的，GPU版的没有，因此需要自行去编译
番茄小能手·2024-02-20 10:23

政安晨：【完全零基础】认知人工智能（三）【超级简单】的【机器学习神经网络】—— 三层神经网络示例

如果小伙伴们第一次看到这篇文章，同时也对这类知识稍感陌生的话，可以先看看我这个系列的前两篇文章：政安晨：【完全零基础】认知人工智能（一）【超级简单】的【机器学习
政安晨·2024-02-20 10:42
上一页 11 12 13 14 15 16 17 18 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他