机器学习模型

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

机器学习案例2：使用 plaidML在 macOS利用GPU进行机器学习

想要在Mac的集成AMDGPU或外部显卡上训练机器学习模型？PlaidML就是您的最佳选择。任何尝试过在macOS上使用TensorFlow训练神经网络的人都知道这个过程有点糟糕。
suoge223·2024-02-12 09:25

机器学习流程之收集数据

然而，要让机器学习模型发挥出其真正的潜力，关键在于数据的质量和数量。收集数据是机器学习流程中至关重要的一步，它为模型的训练和优化奠定了基础。
·2024-02-11 17:40

hummingbird，一个便于将模型部署到边缘设备的Python库！

而边缘计算设备，如智能手机、嵌入式系统和物联网设备，也需要能够运行机器学习模型以进行实时推理。PythonHummingbird是一个强大的工具，可以轻松地将机器学习模型部署到边缘设备。
漫走云雾·2024-02-11 05:31

鄂维南：从数学角度，理解机器学习的「黑魔法」，并应用于更广泛的科学问题...

鄂老师首先分享了他对机器学习数学本质的理解（函数逼近、概率分布的逼近与采样、Bellman方程的求解）；然后介绍了机器学习模型的逼近误差、泛化性质以及训练等方面的数学理论；最后介绍如何利用机器学习来求解
人工智能与算法学习·2024-02-10 22:29

五、机器学习模型及其实现1

1_机器学习1）基础要求：所有的数据全部变为了特征，而不是eeg信号了python基础已经实现了特征提取、特征选择（可选）进行了数据预处理.预处理指对数据进行清洗、转换等处理，使数据更适合机器学习的工具。Scikit提供了一些预处理的方法，分别是标准化、非线性转换、归一化、二值化、分类特征编码、缺失值插补、生成多项式特征等2）机器学习送入模型的数据结构：data和labeldata：n*m的矩阵，
ITS_Oaij·2024-02-10 21:10

【机器学习】合成少数过采样技术 (SMOTE)处理不平衡数据（附代码）

当一个类别中的样本数量明显超过另一类别时，机器学习模型往往会偏向大多数类别，从而导致性能不佳。合成少数过采样技术(SMOTE)已成为解决数据不平衡问题的强大且广泛采用的解决方案。
小Z的科研日常·2024-02-10 19:26

hummingbird，一个非常好用的 Python 库！

而边缘计算设备，如智能手机、嵌入式系统和物联网设备，也需要能够运行机器学习模型以进行实时推理。PythonHummingbird是一个强大的工具，可以轻松地将机器学习模型部署到边缘设备。
近咫／＼ぃ天涯·2024-02-10 12:54

ChatGPT在肾脏病学领域的专业准确性评估

ChatGPT在肾脏病学领域的专业表现评估随着人工智能技术的飞速发展，ChatGPT作为一个先进的机器学习模型，在多个领域显示出了其对话和信息处理能力的潜力。
徐浪老师·2024-02-10 01:50

2024.02 国内认知大模型汇总

概述大模型，又称为大规模机器学习模型，是一种基于大数据的人工智能技术。它通过深度学习和机器学习的方法，对大量数据进行训练，以实现对复杂问题的高效解决。
小小晓晓阳·2024-02-10 00:40

机器学习也可解释了？

以下是几个原因：1.高度非线性：机器学习模型通常由大量参数组成，通过对输入数据进行高度非线性的变换和组合来生成输出。这种复杂的数学运算使得模型的决策过程难以解释。
亦旧sea·2024-02-09 05:44

Task 4：建模调参

Datawhale零基础入门数据挖掘-Task4建模调参四、建模与调参4.1学习目标了解常用的机器学习模型，并掌握机器学习模型的建模与调参流程完成相应学习打卡任务4.2内容介绍线性回归模型：线性回归对于特征的要求
我是曾阿牛·2024-02-08 13:36

hummingbird，一个非常好用的 Python 库！

而边缘计算设备，如智能手机、嵌入式系统和物联网设备，也需要能够运行机器学习模型以进行实时推理。PythonHummingbird是一个强大的工具，可以轻松地将机器学习模型部署到边缘设备。
漫走云雾·2024-02-08 12:42

Pandas数据预处理之数据标准化-提升机器学习模型性能的关键步骤【第64篇—python：数据预处理】

文章目录Pandas数据预处理之数据标准化：提升机器学习模型性能的关键步骤1.数据标准化的重要性2.使用Pandas进行数据标准化2.1导入必要的库2.2读取数据2.3数据标准化3.代码解析4.进一步优化
一见已难忘的申公豹·2024-02-08 10:45

【深度学习： 计算机视觉】如何改进计算机视觉数据集

【深度学习：计算机视觉】如何改进计算机视觉数据集训练模型并评估性能确定数据集需要改进的原因和位置收集或创建新的图像或视频数据重新训练机器学习模型并重新评估，直到达到所需的性能标准机器学习算法需要大量数据集来训练
jcfszxc·2024-02-08 02:49

PyTorch优化算法模块torch.optim的详细介绍

torch.optim模块是PyTorch中用于实现优化算法的组件，主要用于训练神经网络和其他机器学习模型。
科学禅道·2024-02-07 10:05

政安晨：机器学习快速入门（二）{基于Python与Pandas} {建立您的第一个机器学习模型}

现在咱们要一起创建您的第一个机器学习模型啦！选择建模数据你的数据集包含太多变量，让你无法理解，甚至无法很好地打印出来。你如何将这大量的数据减少到你能理解的程度？我们将从直觉上选择几个变量。
政安晨·2024-02-07 09:47

Python自动化机器学习库之evalml使用详解

然而，构建和部署机器学习模型常常需要大量的时间和精力，涉及到数据预处理、特征工程、模型选择、超参数调优等一系列复杂任务。为了简化这个过程，使其更加高效，EvalML库应运而生。
Rocky006·2024-02-07 07:42

企业该如何以及何时聘用数据科学家

现在，企业依靠数据运行，每天都有自动化流程、机器学习模型和成百上千的员工在使用数据。目前，随着人工智能的突飞猛进，数据领域呈现爆炸式增长。
c++服务器开发·2024-02-07 05:42

机器学习 | 基于网格搜索的SVM超参数调节

机器学习模型被定义为一个数学模型，其中包含许多需要从数据中学习的参数。然而，有一些参数，称为超参数，这些参数不能直接学习。它们通常是由人类在实际训练开始前根据直觉或经验和试验选择的。
python收藏家·2024-02-06 11:12

sklearn之模型评估指标总结归纳

文章目录机器学习模型评估分类模型回归模型聚类模型交叉验证中指定scoring参数网格搜索中应用机器学习模型评估以下方法，sklearn中都在sklearn.metrics类下，务必记住哪些指标适合分类，
lzw2016·2024-02-06 10:57

XAI：理解与解释的AI技术

一、背景与概述随着机器学习与人工智能的广泛应用，人们对于如何理解和应用这些机器学习模型的需求日益增长。在这样的背景下，解释性AI（XAI）作为一种能够提供解释和理解的AI技术应运而生。
呆码科技·2024-02-05 08:12

机器学习的整个流程

机器学习的整个流程定义了数据科学团队执行以创建和交付机器学习模型的工作流。此外，机器学习流程还定义了团队如何协作合作，以创建最有用的预测模型。
茫茫人海一粒沙·2024-02-05 07:56

人工智能时代：AI提示工程的奥秘 —— 驾驭大语言模型的秘密武器

提示工程与大语言模型三、大语言模型的应用实践四、策略与技巧五、结语《AI提示工程实战：从零开始利用提示工程学习应用大语言模型》亮点内容简介作者简介目录获取方式一、引言随着人工智能技术的飞速发展，大语言模型作为一种新型的机器学习模型
程序边界·2024-02-05 04:47

[Unity Sentis] 了解 Sentis 中的模型

Packages/[email protected]/manual/models-concept.html了解Sentis中的模型Sentis可以导入并运行开放神经网络交换(ONNX)格式的经过训练的机器学习模型文件
Unity尧明·2024-02-05 02:53

evalml，一个有趣的 Python 库！

然而，构建和部署机器学习模型常常需要大量的时间和精力，涉及到数据预处理、特征工程、模型选择、超参数调优等一系列复杂任务。为了简化这个过
Sitin涛哥·2024-02-04 16:56

2024美赛选题建议+ABCDEF思路分享

题是机理分析，需要去找到合适的数据对物种发展规律进行研究，结合生态学原理和动力学理论，建立描述种群、资源、环境之间相互作用的动态模型，比如说生存分析、Lotka-Volterra竞争模型，但如果使用常见的机器学习模型如神经网络
建模忠哥小师妹·2024-02-04 11:19

【MATLAB第96期】基于MATLAB的SVM(线性)、SVM(高斯)、决策树、KNN等机器学习算法回归及分类Boost集成学习模型（含不同模型权重）

【MATLAB第96期】基于MATLAB的SVM(线性)、SVM(高斯)、决策树、KNN等机器学习算法回归及分类Boost集成学习模型（含不同模型权重）引言文章使用Boost集成学习方法，对多个机器学习模型进行融合
随风飘摇的土木狗·2024-02-04 08:26

DoubleEnsemble：基于样本重加权和特征选择的金融数据分析方法

现代机器学习模型（如深度神经网络和梯度提升决策树）由于其提取复杂非线性模式的优越能力，在金融市场预测中越来越受欢迎。然而，由于金融数据集的信噪比非常低，并且是非平稳的，复杂的模型往往很容易过拟合。
tzc_fly·2024-02-03 16:57

chatgpt赋能python：PythonSHAP-解析并可视化机器学习模型的特征重要性

PythonSHAP-解析并可视化机器学习模型的特征重要性简介PythonSHAP是一个用于解析和可视化机器学习模型的特征重要性的库。
lvsetongdao123·2024-02-03 14:37

SHAP：Python的可解释机器学习库

summary_plotFeatureImportanceshap_interaction_valuesdependence_plot完整代码一、概念  SHAP（ShapleyAdditiveExplanations）模型是一种用于解释机器学习模型预测结果的方法
清木!·2024-02-03 14:35

shap，一个神奇的 python 库

SHAP库特别适用于解释复杂的机器学习模型，如随机森林、梯度增强机和深度神经网络。为什么可解释性很重要？可解释性在机器学习中至关重要，主要是因为：‍‍模型透明度
Python_P叔·2024-02-03 14:33

Python机器学习模型库之hummingbird使用详解

而边缘计算设备，如智能手机、嵌入式系统和物联网设备，也需要能够运行机器学习模型以进行实时推理。PythonHummingbird是一个强大的工具，可以轻松地将机器学习模型部署到边缘设备。
Rocky006·2024-02-03 13:15

模式识别 | PRML概览

全书概览PRML全称PatternRecognitionandMachineLearning，个人认为这是机器学习领域中最好的书籍之一，全书的风格非常Bayesian，作者试图在贝叶斯框架下解释每一种机器学习模型
ZIYUE WU·2024-02-03 07:48

1、模型可解释性的应用场景

1、如何理解机器学习背后的逻辑许多人说机器学习模型是“黑箱”，因为它们可以做出良好的预测，但你无法理解这些预测背后的逻辑。
AI算法蒋同学·2024-02-03 07:28

【根据loss曲线看模型微调效果】如何使用loss曲线诊断机器学习模型性能

一、Loss曲线在模型的预训练或者微调过程中，我们一般通过观察loss曲线来得出模型对于数据集的学习效果等信息。那么我们如何根据loss曲线得到一些信息呢？通常数据集会被划分成三部分，训练集（trainingdataset）、验证集（validationdataset）、测试集（testdataset）。我们在训练模型时也经常会根据训练集的loss和验证集loss来诊断模型，从而期望能够优化参数训
子非Yu@Itfuture·2024-02-02 19:11

Elasticsearch向量数据存储与搜索

这种类型的字段可以用于机器学习模型的特征向量存储。
小湘西·2024-02-02 19:28

迁移学习Transfer Learning的优缺点，以及在使用迁移学习的注意事项！

迁移学习TransferLearning1.迁移学习的优点和缺点：2.使用迁移学习时，需要解决以下问题：1.迁移学习的优点和缺点：迁移学习是一种机器学习方法，它可以使机器学习模型利用已有任务的学习结果，
小桥流水---人工智能·2024-02-02 19:08

机器学习领域五大发展趋势，谷歌 AI 掌门人万字回顾 2021

趋势1：功能更强大、通用的机器学习模型研究人员正在训练出比以往任何
Imagination官方博客·2024-02-02 18:03

Datawhale 组队学习之大模型理论基础Task9 大模型法律

11.2版权法大型语言模型或任何机器学习模型，都是基于数据进行训练的，而这些数据是人类劳动的结果（例如，作者，程序员，摄影师
AIzealot无·2024-02-02 16:33

TensorFlow 的基本概念和使用场景。

它提供了一个强大而灵活的平台，用于构建和训练各种机器学习模型。TensorFlow的设计理念是通过数据流图的形式表示计算过程，以便更有效地进行分布式计算。
bboo517·2024-02-02 09:28

介绍 TensorFlow 的基本概念和使用场景。

它提供了一种框架，用于构建和训练各种机器学习模型。TensorFlow主要基于数据流图的概念，其中节点表示数学运算或数据的复制，边表示数据流动。
M1r4n·2024-02-02 09:44

机器学习基础、数学统计学概念、模型基础技术名词及相关代码个人举例

它涉及构建和训练机器学习模型，以便能够对未见过的数据进行预测或做出决策。机器学习的基本目标是通过从数据中发现模式和规律，自动提取和学习数据中的特征，并用这些特征构建预测模型或分类模型。
是lethe先生·2024-02-02 07:09

Python机器学习：一文讲透机器学习中的验证集法

训练集用来构建机器学习模型；测试集也被称为“验证集”“保留集”，用来进行样本外预测，并计算测试集误差，估计模型预测能力。验证集法的优点在于简单方便，但是也有自身劣势。一方面，验证集法的稳定性不足。
数据科学作家·2024-02-02 06:00

解释性人工智能（XAI）

引言解释性人工智能（XAI）是指一类旨在使人能够理解和解释机器学习模型的方法和技术。XAI的目标是提高AI系统的透明度和可理解性，让人们能够理解机器学习模型的决策过程、推理方式和结果。
闫英杰·2024-02-01 17:32

使用 Python 进行自然语言处理第 3 部分：使用 Python 进行文本预处理

一、说明文本预处理涉及许多将文本转换为干净格式的任务，以供进一步处理或与机器学习模型一起使用。预处理文本所需的具体步骤取决于具体数据和您手头的自然语言处理任务。
无水先生·2024-02-01 13:13

Django如何调用机器学习模型进行预测

Django是一个流行的PythonWeb框架,它可以很方便地集成机器学习模型,进行预测和推理。我将介绍如何在Django项目中调用训练好的机器学习模型,并实现一个预测接口。
qa浪涛·2024-02-01 13:10

【深度学习：机器学习模型】如何构建您的第一个机器学习模型

【深度学习：机器学习模型】如何构建您的第一个机器学习模型第1步：将您的机器学习项目置于情境中第2步：探索数据并选择机器学习算法的类型监督学习无监督学习强化学习第3步：数据收集第4步：选择模型评估方法维护保留验证集
jcfszxc·2024-02-01 11:59

AI项目落地成功因素：数据和机器学习模型的选择

构建机器学习模型时，需要考虑几个关键要素：计算能力、算法和数据。公司往往会将大部分资源集中于开发正确的、无偏见的算法，并加大对计算能力的投入，而在运行模型前，数据通常靠边站或完全被抛诸脑后。
澳鹏Appen·2024-02-01 05:11

机器学习模型预测贷款审批

机器学习模型预测贷款审批作者：i阿极作者简介：数据分析领域优质创作者、多项比赛获奖者：博主个人首页如果觉得文章不错或能帮助到你学习，可以点赞收藏评论+关注哦！
i阿极·2024-01-31 13:33
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他