机器学习数据挖掘特征提取

机器学习入门知识

目录前言一、机器学习是什么？
十五境剑修·2025-03-08 09:33

【TVM 教程】使用元组输入（Tuple Inputs）进行计算和归约

ApacheTVM是一个端到端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。
·2025-03-08 06:21

特征缩放：统一量纲，提高模型性能

特征缩放：统一量纲，提高模型性能1.背景介绍在机器学习和数据挖掘领域，我们经常会遇到不同特征之间量纲差异很大的情况。
AI天才研究院·2025-03-08 03:04

Python 机器学习 基础 之 算法链与管道 【算法链与管道/预处理进行参数选择/构建管道/在网格搜索中使用管道】的简单说明

Python机器学习基础之算法链与管道【算法链与管道/预处理进行参数选择/构建管道/在网格搜索中使用管道】的简单说明目录Python机器学习基础之算法链与管道【算法链与管道/预处理进行参数选择/构建管道
仙魁XAN·2025-03-08 03:03

Kubeflow学习

Kubeflow学习介绍架构Kubeflow在ML工作流中的组件介绍Kubeflow致力于使在Kubernetes上部署机器学习工作流变得简单、可移植和可扩展。
小高高不要bug·2025-03-08 03:54

体育数据分析：竞技表现优化与商业价值挖掘的技术范式

通过多源数据采集、机器学习建模和商业智能分析，体育数据分析已经形成了完整的技术体系和应用生态。本文将深入探讨体育数据分析的技术架构、应用场景和商业价值。
Tina0898·2025-03-08 02:21

Django 中的算法应用与实现

从简单的数据处理到复杂的机器学习模型，Django都可以作为一个强大的后端框架来支持这些算法的实现。本文将介绍几种常见的算法及其在Django中的使用方法。
岱宗夫up·2025-03-08 02:19

特征工程 (Feature Engineering)

特征工程(FeatureEngineering)作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来在机器学习和数据科学领域，特征工程
AGI大模型与大数据研究院·2025-03-08 02:46

第0节 机器学习与深度学习介绍

人工智能：能够感知、推理、行动和适应的程序机器学习：能够随着数据量的增加而不断改进性能的算法（数学上的可解释性但准确率不是百分百，灵活度不高）深度学习：机器学习的一个子集：利用多层神经网络从大量数据中进行学习
汉堡go·2025-03-08 01:34

80| Python可视化篇 —— Matplotlib数据可视化

数据可视化又跟数据挖掘和大数据分析紧密相关，而这些领域以及当下
小刘要努力。·2025-03-08 00:29

awesome python 中文版 相见恨晚！(pythonNB的第三方资源库)

原文链接：Python资源大全内容包括：Web框架、网络爬虫、网络内容提取、模板引擎、数据库、数据可视化、图片处理、文本处理、自然语言处理、机器学习、日志、代码分析等。
weixin_30788731·2025-03-08 00:28

【机器学习】决策树 ( Decision Tree )

【机器学习】决策树(DecisionTree)文章目录【机器学习】决策树(DecisionTree)1.ID3(1)信息增益(2)ID3的算法流程(3)实现ID32.C4.53.CART(1)决策桩DecisionStump
AI天才研究院·2025-03-08 00:57

机器学习-随机森林解析

目录一、.随机森林的思想二、随机森林构建步骤1.自助采样2.特征随机选择3构建决策树4.集成预测三.随机森林的关键优势**(1)减少过拟合****(2)高效并行化****(3)特征重要性评估****(4)耐抗噪声**四.随机森林的优缺点优点缺点五.参数调优（以scikit-learn为例）波士顿房价预测一、.随机森林的思想1.通过组成多个弱学习器（决策树）形成一个学习器2.多样性增强：每颗决策树通
Mr终游·2025-03-08 00:21

社会科学市场博弈和价格预测之时间序列挖掘（Datawhale AI 夏令营）

在现在的数据挖掘类比赛中，模型和方法选择空间往往很小，同时存在不少自动机
会飞的Anthony·2025-03-08 00:20

深度学习笔记——基础部分

深度学习是一种机器学习的方式，通过模仿人脑吃力信息的方式，使用多层神经网络来学习数据的复杂模式和特征。
肆——·2025-03-07 23:45

机器学习基础（4）

超越基于常识的基准除了不同的评估方法，还应该利用基于常识的基准。训练深度学习模型就好比在平行世界里按下发射火箭的按钮，你听不到也看不到。你无法观察流形学习过程，它发生在数千维空间中，即使投影到三维空间中，你也无法解释它。唯一的反馈信号就是验证指标，就像隐形火箭的高度计。特别重要的是，我们需要知道火箭是否离开了地面。发射地点的海拔高度是多少？模型似乎有15%的精度——这算是很好吗？在开始处理一个数据
yyc_audio·2025-03-07 23:42

机器学习｜决策树｜Gini指数和熵的区别｜简单示例

如是我闻：在决策树模型中，Gini指数和熵（Entropy）是用来计算节点纯度的两种方法。它们都是评估分裂点的好坏，以选择最佳的属性来分裂。让我们先来了解一下这两种方法的定义，然后通过一个简单的例子来讨论它们之间的区别。Gini指数Gini指数是一个衡量数据分布不均匀程度的指标。在决策树中，它用于评估数据集的不纯度。Gini指数越低，数据的纯度越高。其计算公式为：Gini=1−∑i=1npi2Gi
漂亮_大男孩·2025-03-07 21:56

00计算机视觉学习内容

计算机视觉（ComputerVision）开发需要掌握数学基础、编程语言、图像处理、机器学习、深度学习等多个方面的知识。
依旧阳光的老码农·2025-03-07 21:26

01计算机视觉学习计划

计算机视觉系统学习计划（3-6个月）本计划按照数学→编程→图像处理→机器学习→深度学习→3D视觉→项目实战的顺序，确保从基础到高级，结合理论和实践。
依旧阳光的老码农·2025-03-07 20:15

决策树 vs 神经网络：何时使用？

4.结合使用的可能性5.总结在机器学习领域，决策树（DecisionTrees）和神经网络（NeuralNetworks）是两种常见但风格截然不同的算法。
HP-Succinum·2025-03-07 20:14

使用 Dlib 库进行人脸检测和人脸识别

Dlib是一个广泛使用的C++库，提供了多种用于机器学习和计算机视觉的工具。它包含了人脸检测、人脸识别、物体检测、图像处理等功能。
萧鼎·2025-03-07 19:32

介绍常见的图片分类模型与算法

介绍常见的图片分类模型与算法在机器学习和深度学习的领域中，图片分类任务是一个广泛的应用场景。
萧鼎·2025-03-07 19:31

一文读懂！OpenCV 实时人脸识别从 0 到 1，小白也能轻松实操的超详细教程（完整教程及源码）

深入阐述特征提取、模型训练方法，包含传统与深度学习方式，还介绍OpenCV预训练模型的使用与评估。详细讲解实时识别过程，包括打开摄像头、逐帧处理及结果显示优化。
AI_DL_CODE·2025-03-07 18:21

量化投资与算法交易

在过去几年里，人们普遍认为，算法交易和机器学习结合是未来股票、期货等金融产品的必然趋势。机器学习是由多个数据源（如财务报表、交易历史数据、社交网络数据等）自动分析生成的模型，能够预测出股价
AI天才研究院·2025-03-07 17:08

企业数据挖掘平台×DeepSeek强强联合，多种应用场景适用

企业数据挖掘建模平台简单易用，可提供代码方便定制，全面培训服务+丰富模型参考+专业建模人员支持服务。在科技飞速发展的今天，人工智能领域的每一次突破都如同投入湖面的巨石，激起层层波澜。
泰迪智能科技01·2025-03-07 17:08

Unity AI 技术浅析（二）

UnityAI涵盖了从智能代理（Agents）、机器学习（MachineLearning）到自然语言处理（NLP）等多个领域。
爱研究的小牛·2025-03-07 16:33

Paper Reading | AI & 数据库融合经典论文回顾

幸运的是，基于机器学习的技术可以缓解这个问题。另一方面，数据库技术可以优化AI模型（DB
·2025-03-07 16:14

2024年Python最新蓝桥杯 基础练习全解 答案+解析 共17题 python，三年经验Python开发面经总结

学习Python门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。
2401_84139963·2025-03-07 16:26

【数据挖掘】Pandas之DataFrame

在Pandas中，DataFrame提供了丰富的数据操作功能，包括查询、编辑、分类和汇总。1.数据查询（Filtering&Querying）1.1按索引或列名查询importpandasaspddata={"ID":[101,102,103,104,105],"Name":["Alice","Bob","Charlie","David","Eva"],"Age":[25,30,35,40,28]
dundunmm·2025-03-07 16:54

机器学习——使用分类特征的一种独热编码，

在我们目前看到的例子中，每个特性只能具有两个可能的值中的一个，耳朵形状不是尖的就是软的，脸型不是圆就是不圆，胡须不是存在就是不存在，但是如果特性可以具有两个以上的离散值呢？如何使用一个热编码来解决这样的特性？下图是我们宠物收养中心申请的新培训集，所有的数据都是一样的，除了耳形特征有尖软之外还有椭圆形，所以这个特征仍然是一个分类值特征，但它可以有三个可能的值，而不仅仅是两个可能的值，这意味着当你在这
小卷心菜.·2025-03-07 16:23

深度学习的数学之魂：传统机器学习的超越者

深度学习的数学之魂：传统机器学习的超越者前言第一部分：神经元的数学语言1.1神经元模型的启示1.2激活函数的非线性魔法第二部分：网络结构的层次之美2.1网络结构的多样性2.2层次结构的力量第三部分：图像的力量与直观理解
洋葱蚯蚓·2025-03-07 13:39

机器学习与深度学习里生成模型和判别模型的理解

两个模型是啥我们从几句话进入这两个概念：1、机器学习分为有监督的机器学习和无监督的机器学习；2、有监督的机器学习就是已知训练集数据的类别情况来训练分类器，无监督的机器学习就是不知道训练集的类别情况来训练分类器
程序员羊羊·2025-03-07 12:03

计算机视觉 vs 机器视觉 | 机器学习 vs 深度学习：核心差异与行业启示

一、计算机视觉（CV）与机器视觉（MV）：从学术研究到工业落地的分水岭1.定义与目标差异计算机视觉（CV）目标是赋予计算机类似人类的视觉理解能力，通过算法对图像或视频中的目标进行识别、跟踪和语义理解。其核心是研究如何从二维图像反推三维世界的结构和规律。例如，自动驾驶中通过多摄像头融合实现道路场景理解，属于典型的CV任务。机器视觉（MV）聚焦于工业场景的自动化检测与控制，强调实时性和精准性。MV系统
程序员Linc·2025-03-07 12:00

YOLOv10改进之MHAF(多分支辅助特征金字塔)

主干网络采用改进的Darknet结构，增强特征提取能力。特征金字塔模块使用多尺度特征融合技术，提高对不同大小目标的检测效果。预测头则负责生成最终的检测结果。
清风AI·2025-03-07 11:20

学生行为习惯画像可视分析平台

学生行为习惯，画像分析，可视化，机器学习，数据挖掘，教育科技1.背景介绍随着教育信息化进程的不断加速，海量教育数据正在被生成和积累。
AI智能涌现深度研究·2025-03-07 11:12

蚂蚁集团可转正实习算法岗内推-自然语言

具备极佳的工程实现能力，精通C/C++、Java、Pvthon、Perl等至少一门语言:对目前主流的深度学习平台:tensorflow、pytorch、mxnet等，至少对其中一个有上手经验;熟悉深度学习以及常见机器学习算法的原理与算法
飞300·2025-03-07 10:59

深圳传音控股AI算法岗内推

1扎实的数学基础，熟练掌握机器学习相关的数学知识。2熟悉常用的机器学习算法，掌握常用的深度学习模型与编程实践。3熟悉Pytorch或TensorFlow等深度学习框架，有一定项目经验。
飞300·2025-03-07 10:57

基于NLP的客户意见分析：从数据到洞察

在这个专栏中，你将会找到：●深入解析：每一篇文章都将深入剖析Python的高级概念和应用，包括但不限于数据分析、机器学习、Web开发等。●实战案例：通过丰富的实战案例，带你一步步实现
Echo_Wish·2025-03-07 10:47

OpenCV 100道面试题及参考答案（7万字长文）

主要功能和用途OpenCV的主要功能包括图像和视频处理、特征提取、目标检测、人脸识别、物体跟踪等。它可以用于各种领域，如机器人技术、医学影像、安全监控、自动驾驶等。在图像
大模型大数据攻城狮·2025-03-07 09:06

R语言机器学习系列-随机森林回归代码解读

回归问题指的是因变量或者被预测变量是连续性变量的情形，比如预测身高体重的具体数值是多少的情形。整个代码大致可以分为包、数据、模型、预测评估4个部分，接下来逐一解读。1、包部分，也就是加载各类包，包括随机森林包randomForest，数据相关包tidyverse、skimr、DataExplorer，模型评估包caret。2、数据部分，主要是读取数据，处理缺失值，转换变量类型。3、模型部分。为了对
Mrrunsen·2025-03-07 09:33

用python制作简单的小游戏,用python设计一个小游戏

Python相对于其他语言来说比较简单，即使是零基础的普通人也能很快的掌握，在其他方面比如，处于灰色界的爬虫，要VIP的视频，小说，歌，没有爬虫解决不了的；数据挖掘及分析，淘宝就是例子，想开个淘宝店，需要获取相关商品信息
w12130826·2025-03-07 04:48

python和java的优缺点-java有哪些python没有的优点?

两者各有各的优势：Python的优势：1.学起来简单，开发效率高，同样的功能用Java开发可能需要写200条代码，但是用Python只需要30~50条;2.在大数据挖掘方面有突出优势，是大数据分析首选的编程语言
weixin_37988176·2025-03-07 03:37

神经网络ＶＳ决策树

神经网络（NeuralNetworks）和决策树（DecisionTrees）是两种不同的机器学习算法，各自具有独特的优点和适用场景。
Persistence is gold·2025-03-07 01:16

深度神经网络——决策树的实现与剪枝

概述决策树是一种有用的机器学习算法，用于回归和分类任务。“决策树”这个名字来源于这样一个事实：算法不断地将数据集划分为越来越小的部分，直到数据被划分为单个实例，然后对实例进行分类。
知来者逆·2025-03-07 00:39

【Gaussian Model】高斯分布模型

检测阶段：计算概率判断异常点3.示例代码4.高斯分布异常检测的优缺点优点缺点5.适用场景6.结论高斯分布模型用于异常检测（GaussianModelforAnomalyDetection）在数据分析和机器学习任务中
HP-Succinum·2025-03-07 00:36

深入浅出地理解-随机森林与XGBoost模型

2.3随机森林的参数调整三、XGBoost：高效且强大的Boosting方法3.1Boosting的基本原理3.2XGBoost的优化3.3XGBoost的优点四、随机森林与XGBoost的对比五、总结在机器学习的实战中
HP-Succinum·2025-03-07 00:06

芯科科技通过全新并发多协议SoC重新定义智能家居连接

MG26系列SoC现已全面供货，为开发人员提供最高性能和人工智能/机器学习功能致力于以安全、智能无线连接技术，建立更互联世界的全球领导厂商SiliconLabs（亦称“芯科科技”，NASDAQ：SLAB
电子科技圈·2025-03-06 23:56

【Python编程】Python交互式应用框架巅峰对决 —— Streamlit vs Gradio

它们各有独特的设计理念和适用场景，以下是基于功能特性、开发效率和应用场景的对比分析：一、核心定位与功能对比特性GradioStreamlit核心目标快速部署机器学习模型交互界面构建数据科学和复杂交互应用输入
木亦汐丫·2025-03-06 23:54

机器学习平台系列（一） - 初探 Jupyter Notebook 认证机制

最近准备调研下JupyterNotebook的单用户安全机制（认证）以及如何实现多租户，以便集成到公司的云平台，进而作为基于大数据平台的机器学习平台的一部分。
窝窝和牛牛·2025-03-06 22:45

《机器学习实战：从数据清洗到云端部署的可视化进阶指南（三）》

▍前言：阶段核心突破当前已完成模型开发与优化升级核心任务，成功将理论模型转化为工业级解决方案。本阶段基于前期标准化数据，实现从基础模型构建到高性能算法迭代的跨越式发展。▍章节回顾：攻坚与优化成果3.模型开发阶段算法实现：逻辑回归：搭建分类基线（LogisticRegression，准确率基准）支持向量机：对比线性核与RBF核性能差异（F1-score提升12%）K近邻：动态优化邻居数（k=5时验证
庸俗今天不摸鱼·2025-03-06 21:11
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他