机器学习模型第11页

Python机器学习实战：如何用Pandas处理缺失值

我们的目标是教会大家用Python构建机器学习模型，解决现实世界的难题。

数据工程与机器学习·2023-10-28 17:26

一分钟快速利用ChatGPT生成PPT

与其他机器学习模型不同的是，GPT模型是基于大规模预训练模型的语言模型，因此它可以具备非常强大的处理文本的能力，并可以生成自然流畅的文本回复。除了基础的自然语言处理技术外，GP

月⃞生⃞生⃞B⃞A⃞C⃞I⃞·2023-10-28 13:32

LDA主题模型——gensim实战

今天我们来谈谈主题模型(LatentDirichletAllocation),由于主题模型是生成模型，而我们常用的决策树，支持向量机，CNN等常用的机器学习模型的都是判别模型。

王同学死磕技术·2023-10-27 11:27

数据创建与数据管理

数据收集寻找训练数据时的关键问题：1.训练出的机器学习模型如何应用？（什么时候使用，用在预测什么规模的数据上等）2.这个模型会在什么关键场景上做预测？考虑下图，一个训练好

bluepomelo·2023-10-27 03:25

python常见的数据类型形式化定义_详解：规整数据(Tidy Data)的理论与Python实践

多数数据科学机器学习项目都遵循帕累托原理，即我们用将近80%的时间进行数据准备，其余20%的时间用于选择和训练合适的机器学习模型。

weixin_39721953·2023-10-27 02:58

十个最常用的计算机视觉数据集

其中包括：自动驾驶自动生成图像描述社交媒体的面部识别和标注医学影像分析与诊断家居安防系统制造过程中的质量控制与缺陷识别更多计算机视觉数据集为准备用于计算机视觉项目的机器学习模型和AI算法，数据不可或缺。

澳鹏Appen·2023-10-26 23:38

机器学习模型部署PMML

PMML简介预测模型标记语言PMML（PredictiveModelMarkupLanguage）是一套与平台和环境无关的模型表示语言，是目前表示机器学习模型的实际标准。

闪闪发亮的小星星·2023-10-26 20:06

Azure - 机器学习企业级服务概述与介绍

大规模生成业务关键型机器学习模型二、Azure机器学习适合哪些人群？

TechLead KrisChang·2023-10-26 13:54

NLP专栏｜图解 BERT 预训练模型！

结构总览一、前言2018年是机器学习模型处理文本（或者更准确地说，自然语言处理或NLP）的转折点。我们对这些方面的理解正在迅速发展：如何最好地表示单词和句子，从而最好地捕捉基本语义和关系

文文学霸·2023-10-26 01:14

基于机器学习与大数据的糖尿病预测计算机竞赛

文章目录1前言1课题背景2数据导入处理3数据可视化分析4特征选择4.1通过相关性进行筛选4.2多重共线性4.3RFE（递归特征消除法）4.4正则化5机器学习模型建立与评价5.1评价方式的选择5.2模型的建立与评价

Mr.D学长·2023-10-25 14:16

词向量构造 - Tf-idf模型

这样我们就完成了对文本向量的编码，然后就可以调用机器学习模型来对其进行拟合。词袋模型解决了文本编码的问题，但词袋模型本身也存在着巨大的缺点。

taon·2023-10-25 12:41

TensorFlow和Pytorch两种机器学习框架的比较及优缺点

TensorFlow是一个开源的机器学习框架，由Google开发并发布，它被用来构建各种类型的机器学习模型，例如图像识别、语音识别、自然语言处理等。

包小志·2023-10-24 21:34

机器学习模型正则化笔记

正则化是一种在机器学习中用于防止模型过拟合并提高泛化能力的技术。过拟合是指模型在训练数据上表现很好，但在新的未见过的数据上表现较差的情况。正则化通过在模型的损失函数中添加一个正则项，来限制模型的复杂度，从而减少过拟合的风险。常用的正则化方法有L1正则化和L2正则化。正则化的效果是通过在损失函数中加入正则化项，使得模型在优化过程中更倾向于选择参数较小的解，从而减少模型的复杂度。这种限制模型复杂度的方

Aresiii·2023-10-24 20:31

SwiftUI机器学习之苹果的机器学习框架和工具

任务级框架任务级框架提供的方法使您可以执行高级任务，而不必显式处理培训和部署机器学习模型。该框架包括许多预训练的模型，并将根据您要执行的任务选择一个模型。

iCloudEnd·2023-10-24 14:25

大模型：机器学习的崭新时代

这些具有大规模参数和参数量的机器学习模型正在改变着我们对于人工智能的认识，大模型的出现使得机器学习模型能够处理更复杂的任务，取得更准确和复杂的预测结果。

BFT白芙堂·2023-10-24 07:50

Imitation Learning（模仿学习）

ImitationLearning（模仿学习）是一种机器学习方法，它通过观察一个专家（人或另一个机器学习模型）的行为来学习完成任务的最佳策略。

ninetyfour·2023-10-24 07:18

LLM实战（二）| 使用ChatGPT API提取文本topic

在大模型前时代，构建机器学习模型通常需要标注数据，然后使用这些标注数据来训练机器学习模型，这个过程一般需要几个月的时间，然而，在大模型时代下，几个小时就可以完成，比如情感分类，对话系统。

wshzd·2023-10-23 16:24

浪费在Excel上的时间：如何开始专家式机器学习实验追踪？

全文共4873字，预计学习时长13分钟图源：unsplash实话说，笔者花在管理和追踪机器学习实验上的时间，比花在开发机器学习模型上的时间要多得多。

「已注销」·2023-10-23 16:14

Boosting Bagging Stacking Mapping 区别

Boosting：Boosting是一种集成学习技术，其中多个机器学习模型（通常是决策树）被顺序训练。每个后续模型都关注先前模型所犯的错误，对错误分类的数据点给予更多权重。

普通研究者·2023-10-23 10:41

会话机器人Chatbot的相关资料

这就需要结合逻辑模型跟机器学习模型的方法。另一方面机器学习自

weixin_33716557·2023-10-23 07:10

BadNets: Identifying Vulnerabilities in the Machine Learning Model Supply Chain

BadNets:IdentifyingVulnerabilitiesintheMachineLearningModelSupplyChain----《BadNets:识别机器学习模型供应链中的漏洞》背景

今我来思雨霏霏_JYF·2023-10-23 06:38

机器学习(一)Spark机器学习基础

人工智能、机器学习、深度学习关系1.3.2数据分析、数据挖掘基本概念区别1.3.3各技术交叉点后记1.Spark机器学习基础l学习目标掌握机器学习与大数据的区别和联系掌握机器学习概念掌握机器学习如何构建机器学习模型过程

大模型Maynor·2023-10-23 03:22

经验风险最小化与结构风险最小化：优化机器学习模型的两种方法

然而，在构建机器学习模型时，我们面临着两个主要的挑战：经验风险最小化和结构风险最小化。本文将深入探讨这两种方法，并分析它们在优化机器学习模型中的作用。

幻风_huanfeng·2023-10-22 15:12

使用mediapipe训练手指数字识别

mediapipe手指数字识别本文是从0开始创建一个识别手势的机器学习模型，为了识别手势，采用mediapipe模型，这个模型会返回手指的位置，之后再通过训练一个模型将这些位置分类得到手势一、导入依赖importcv2importnumpyasnpimportpandasaspdfrommatplotlibimportpyplotaspltimportseabornassnsimportmedia

DSJ_ kohler·2023-10-22 13:54

Hard negtive node（硬负样本节点）与 Easy negative nodes（简单样本节点）

这些节点通常对于训练机器学习模型来说是挑战性的，因为模型需要学会正确地将它们分类为负样本。Easynegativenodes（简答样本节点）：和上面一比较，意思是很容易与正样本节点区分开的。

重剑DS·2023-10-22 12:06

今日思考（2） — 训练机器学习模型用GPU还是NUP更有优势（基于文心一言的回答）

前言深度学习用GPU，强化学习用NPU。1.训练深度学习模型，强化学习模型用NPU还是GPU更有优势在训练深度学习模型时，GPU相比NPU有优势。GPU拥有更高的访存速度和更高的浮点运算能力，因此更适合深度学习中的大量训练数据、大量矩阵、卷积运算。GPU虽然在并行计算能力上尽显优势，但并不能单独工作，需要CPU的协同处理，对于神经网络模型的构建和数据流的传递还是在CPU上进行。同时存在功耗高，体积

笑傲江湖2023·2023-10-22 04:24

机器学习 | Python线性回归+Ridge正则化

正则化是一种用来防止机器学习模型过度拟合（overfitting）的技术。过拟合是指模型在训练数据上表现得非常好，但在未见过的数据上表现糟糕。

码农腾飞·2023-10-22 02:23

ONNXRuntime、TensorRT扫盲

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。也就是onnxruntime是

weixin_43870390·2023-10-22 00:47

【机器学习】集成模型/集成学习：多个模型相结合实现更好的预测

它们都指的是将多个机器学习模型组合在一起，以提高预测的准确性和稳定性的技术。通过结合多个模型的预测结果，集成学习可以减少单个模型的偏差和方差，并提供更可靠的预测结果。

TwcatL_tree·2023-10-21 18:54

Numpy练习题-锻炼手写机器学习模型的能力

Numpy是一个用python实现的科学计算的扩展程序库，包括：1、一个强大的N维数组对象Array；2、比较成熟的（广播）函数库；3、用于整合C/C++和Fortran代码的工具包；4、实用的线性代数、傅里叶变换和随机数生成函数。numpy和稀疏矩阵运算包scipy配合使用更加方便。NumPy（NumericPython）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库

Wang_AI·2023-10-21 16:53

【Python机器学习】sklearn.datasets样本生成操作

如何在没有真实数据的情况下，依然能够测试和优化机器学习模型？在机器学习的实验或研究中，有时候手头并没有合适的数据集进行模型训练和测试。这时候合成或模拟数据集就显得尤为重要。

Mr数据杨·2023-10-21 13:23

机器学习笔记AN01--提高机器学习模型准确率的八大方法简单总结

annotation英[ˌænə'teɪʃn]n.注释【非原创】，作者不明1.增加更多数据2.处理缺失值和异常值对于连续变量，可以把缺失值替换成平均值、中位数、众数。对于分类变量，可以把变量作为一个特殊类别看待。你也可以建立模型预测缺失值。KNN为处理缺失值提供了很好的方法。异常值：你可以删除这些条目，进行转换，分箱。如同缺失值，你也可以对异常值进行区别对待。3.特征工程学这一步骤有助于从现有数据

EL33·2023-10-21 12:42

机器学习可解释性【随机森林规则提取】

引言目前，机器学习模型应用于各行各业，数据量够多，那就用深度学习吧，数据量少了，传统机器学习算法也能行。然而机器学习模型作为“黑盒模型”，人们越来越担心其安全性，因而希望模型具有可解释性。

细卷子·2023-10-21 05:44

智能搜索模型预估框架Augur的建设与实践

美团很早就开始探索不同的机器学习模型在搜索场景下的应用，从最开始的线性模型、树模型，再到近两年的深度神经网络、BERT、DQN等，并在实践中也取得了良好的效果与产出。

尼小摩·2023-10-20 21:12

TensorFlow 的基本概念和使用场景

它被设计成一个分布式系统，用于训练和执行大规模机器学习模型，包括分类、回归和聚类等任务。

fensnote·2023-10-20 20:30

Python特征分析重要性的常用方法

如果有一个包含数十个甚至数百个特征的数据集，每个特征都可能对你的机器学习模型的性能有所贡献。但是并不是所有的特征都是一样的。有些可能是冗余的或不相关的，这会增加建模的复杂性并可能导致过拟合。

金戈鐡馬·2023-10-20 05:22

【BP分类】基于粒子群优化算法优化BP神经网络的数据分类预测附matlab代码

BP神经网络是一种常用的机器学习模型，具有强大的分类和预测能力。然而，B

机器学习之·2023-10-20 04:14

这可能是你能找到最全面的数据预处理介绍

数据是机器学习的原料，在把数据投入机器学习模型前，我们需要对数据进行加工。正确预处理数据对模型输出结果有非常大的影响。可以说，数据预处理是机器学习落地最麻烦但最具有挑战的环节。

陪学·2023-10-19 22:15

视频标注是什么？和图像数据标注的区别？

进行标注后的视频数据将作为训练数据集用于训练深度学习和机器学习模型。这些预先训练的神经网络之后会被用于计算机视觉领域。

澳鹏Appen·2023-10-19 09:17

联邦学习综述三

ASurveyonFederatedLearningSystemsVisionHypeandRealityforDataPrivacyandProtection选自：IEEETransactionsonKnowledgeandDataEngineering，2021链接本文主要从数据分布、机器学习模型

满山的猴子我毛最多·2023-10-18 18:37

JavaScript 在未来可能出现哪些新的应用场景？

未来，JS可能会在这些领域中扮演更重要的角色，因为它可以被用于开发和训练机器学习模型，以及在浏览器中实现人工智能功能。2、区块链技术：区块链技术也是当前的热门技术领域之一。JS可以用于开

Itmastergo·2023-10-18 11:38

常用的分类问题中的损失函数

若损失函数很小，表明机器学习模型与数据真实分布很接近，则模型性能良好；若损失函数很大，表明机器学习模型与数据真实分布差别较大，则模型性能不佳。我们训练模型的主要任务就是使用优化方法来寻找损失函数最小化

挪威的深林·2023-10-18 08:03

张先生-您好·2023-10-17 20:41

「数据标注」训练数据与测试数据：为什么要拆分？丨曼孚科技

众所周知，机器处理和存储知识的速度比人类快很多，且对“知识”的需求量也远超过人类，对于机器学习模型，通过数十甚至数百张图像可能仍无法准确识别一种物体。因此如何最大限度利用机器处理一些“智能任务”?

曼孚科技·2023-10-17 10:03

《利用Python进行数据分析》13.3statsmodels介绍

CCC考研·2023-10-16 08:31

CVPR 2023 | 数据驱动的解释对分布外数据具有鲁棒性吗？

与此同时，机器学习模型不可避免地会遭遇到超出其训练分布范围

TechBeat人工智能社区·2023-10-16 02:04

如何防止机器学习模型的过拟合（翻译笔记）

HowtoPreventOverfittinginMachineLearningModelsVerydeepneuralnetworkswithahugenumberofparametersareveryrobustmachinelearningsystems.But,inthistypeofmassivenetworks,overfittingisacommonseriousproblem.Le

generalz·2023-10-16 02:00

边写代码边学习之Pycaret

它提供了一个高级、低代码的接口，用于自动化机器学习流程的各个方面，使数据科学家和分析师更容易构建和部署机器学习模型。

茫茫人海一粒沙·2023-10-15 19:15

深度强化学习第 1 章机器学习基础

1.1线性模型线性模型（linearmodels）是一类最简单的有监督机器学习模型，常被用于简单的机器学习任务。可以将线性模型视为单层的神经网络。

Chen_Chance·2023-10-15 15:58

关于过拟合和欠拟合

铺垫首先考虑一下，机器学习模型的本质是什么？它的本质其实就是一个函数，其作用是实现从一个样本x到样本的目标值y的映射，即f(x)=y。那么这个函数，是不是在空间中可以通过绘图绘制出来？

如厮__·2023-10-15 15:57

推荐频道

机器学习模型