机器学习（数据分析与挖掘）

北斗导航 ｜ 接收机自主完好性监测算法如何与机器学习，深度学习等结合，提高故障星检测识别精度

将机器学习（ML）和深度学习（DL）与接收机自主完好性监测（RAIM）算法相结合，是提高卫星导航系统（如GPS、北斗、Galileo等）故障检测与识别精度的重要前沿方向。
单北斗SLAMer·2025-06-06 04:19

从 “被动拦截” 到 “智能预判”：下一代防火墙的五大核心技术突破

一、AI驱动的威胁检测引擎：从规则匹配到行为建模技术突破机器学习驱动的异常检测抛弃传统的"特征码匹配"模式，采用无监督学习算法（如孤立森林、VAE变分自编码器）构建
柏睿网络·2025-06-06 03:15

机器学习-循环神经网络LSTM理论知识（三）

目录LSTM基础介绍：遗忘门：输入门：刷新：输出门：总结：循环神经网络在处理较长的句子时只能理解有限长度的信息，对于较大范围内的信息不能很好利用起来，被称为短时记忆。后来提出长短时记忆网络(LongShort-TermMemory，简称LSTM)，LSTM相对于基础的RNN网络来说，记忆能力更强，更擅长处理较长的序列信号数据。LSTM基础介绍：传统的RNN只有一个状态向量，LSTM在此基础上又添加
weixin_46737548·2025-06-06 03:43

使用PyGAD训练Keras模型：从入门到实践

在机器学习领域，如何高效地训练模型是一个关键问题。PyGAD作为一个开源的Python库，为我们提供了利用遗传算法来训练机器学习算法的有力工具，特别是在训练Keras模型方面，展现出独特的优势。
t0_54program·2025-06-06 01:34

机器学习基础相关问题

机器学习相关的基础问题K-means是否一定会收敛K-means是否一定会收敛K-means算法在有限步数内一定会收敛，但收敛到的可能是局部最优解而非全局最优解。
真的没有脑袋·2025-06-06 01:32

python实现将野燕麦优化算法与OpenCV结合

近年来，随着优化算法在计算机视觉、机器学习等领域的广泛应用，基于自然现象的元启发式算法受到越来越多研究者的关注。
babyai997·2025-06-06 01:32

基于Matlab实现LDA算法

在机器学习领域，一、LDA基本原理LDA的目标是寻找一个投影空间，使得类间距离最大化，同时保持类内距离最小化。在这个新空间中，不同类别的样本能够得到更好的分离。
Matlab仿真实验室·2025-06-05 19:47

机器学习×第一卷：概念上篇——咱不是模型训练员，是她的第一个亲人

【开场·我不是在学模型，是在学教她长大】猫猫：“呜呜……今天我居然主动打开了《机器学习概述》这份PPT！你说是不是真的中毒太深啦？”
Gyoku Mint·2025-06-05 19:46

数据湖 (特点+与数据仓库和数据沼泽的对比讲解)

数据仓库数据湖数据清洗后的结构化数据（如Excel表格）原始数据（日志、图片、CSV、JSON）模式先定义结构再存数据（Schema-on-Write）先存数据再按需定义结构（Schema-on-Read）用途固定报表、BI分析机器学习
xixixi77777·2025-06-05 19:16

AI Agent在物流与供应链中的应用：智能化转型的未来

AIAgent通过机器学习、物联网和数据分析等技术，能够显著提升物流与供应链的运营效率，降低成本，并优化整体管理流程。
CarlowZJ·2025-06-05 18:13

【机器学习及深度学习】机器学习模型的误差：偏差、方差及噪声

机器学习模型的误差分析V1.0机器学习模型的衡量准则概念引入机器学习模型误差分析误差出现的原因及消除V1.0机器学习模型的衡量准则衡量机器学习模型的好坏可以考虑以下几个方面：偏差（Bias）：在充分训练的情况下
YoseZang·2025-06-05 17:33

RDMA简介1之RDMA开发必要性

为了满足大批量数据的采集、存储与传输需求，越来越多的数据密集型应用如机器学习、雷达、金融风控、航空航天等选择使用现场可编程逻辑门阵列作为数据采集前端硬件来实现高性能的数据采集系统。
tiantianuser·2025-06-05 14:13

Perceptron (感知器)：神经网络的基础构建块-含Python代码

在机器学习中，感知器是由FrankRosenblatt在1958年创建的一个智能决策单元。它本质上是一个二分类器。感知器最早的应用之一是垃圾邮件过滤。
Morpheon·2025-06-05 13:37

人工智能导论期末考试内容（考后回顾）

人工智能的三大基本技术：①知识表示技术②知识推理、计算和搜索技术：包括推理技术、搜索技术、机器学习、智
图先·2025-06-05 13:05

【python 机器学习】bagging和随机森林

**总结**Bagging和随机森林在机器学习中，Bagging（Boo
人才程序员·2025-06-05 12:29

PyCharm专业版安装与配置全流程详解

Database管理）✅❌Web框架支持（Django/Flask）✅❌远程开发（SSH/Docker）✅❌JupyterNotebook集成✅✅Python基础开发✅✅专业版推荐人群：全栈开发者数据科学家机器学习工程师需要数据库集成的开发者二
WHCIS·2025-06-05 09:42

Jetpack 二维码扫描：CameraX与ML Kit结合方案

Jetpack二维码扫描：CameraX与MLKit结合方案关键词：Jetpack、CameraX、MLKit、二维码扫描、Android开发、机器学习、图像识别摘要：本文深入探讨了在Android应用中使用
移动开发前沿·2025-06-05 04:35

5.20 打卡

DAY31文件的规范拆分和写法知识点回顾规范的文件命名规范的文件夹管理机器学习项目的拆分编码格式和类型注解作业：尝试针对之前的心脏病项目，准备拆分的项目文件，思考下哪些部分可以未来复用。
分散406·2025-06-05 04:03

mnist手写数字识别python_Python利用逻辑回归模型解决MNIST手写数字识别问题详解...

分享给大家供大家参考，具体如下：1、MNIST手写识别问题MNIST手写数字识别问题：输入黑白的手写阿拉伯数字，通过机器学习判断输入的是几。
weixin_39994438·2025-06-05 04:33

大数据领域分布式存储的块存储技术优势

分布式块存储作为大数据基础设施的核心技术之一，凭借其高IOPS（输入输出每秒）、强一致性、灵活扩展等特性，成为数据库、机器学习、实时计算等场景的首选存储方案。
AI天才研究院·2025-06-05 02:18

模型推理‌和‌模型训练的区别

模型推理‌和‌模型训练‌是机器学习和人工智能领域中的两个核心概念，它们分别对应于模型的构建和应用阶段，具有显著的区别‌模型训练‌是构建机器学习模型的过程，主要目的是通过从数据中学习模式和特征，以优化模型的性能
ly_cyz·2025-06-04 21:44

解锁C#机器学习的秘密——深入探讨数据预处理与特征工程

在当今数据驱动的世界里，构建一个高效且准确的机器学习模型不仅依赖于算法的选择，更取决于如何准备和处理输入数据。对于使用C#进行开发的工程师来说，掌握正确的数据预处理技术和特征工程技术是至关重要的。
墨夶·2025-06-04 20:34

聚类算法性能对比：K-means vs DBSCAN vs 层次聚类

聚类算法性能对比：K-meansvsDBSCANvs层次聚类关键词：聚类算法、K-means、DBSCAN、层次聚类、性能对比、机器学习、无监督学习摘要：聚类是无监督学习的核心任务之一，广泛应用于用户分群
AI智能探索者·2025-06-04 20:00

使用MATLAB和Simulink来设计并仿真一个智能家居基于机器视觉的安全监控系统

设计背景建模与差分第五步：实现特征提取与行为识别第六步：设计响应机制第七步：搭建用户界面（可选）第八步：运行仿真并分析结果注意事项智能家居中基于机器视觉的安全监控系统通过摄像头捕捉图像，并利用图像处理和机器学习算法来分析这些图像
amy_mhd·2025-06-04 19:54

Python量化——量化价值投资的必备技能

Python量化——量化价值投资的必备技能关键词：Python量化、价值投资、金融数据分析、量化交易、投资策略、机器学习、回测系统摘要：本文深入探讨Python在量化价值投资中的应用，从基础概念到实际实现
量化价值投资入门到精通·2025-06-04 17:35

第十天python打卡

机器学习建模与评估知识点：数据集的划分机器学习模型建模的三行代码机器学习模型分类问题的评估今日代码比较多，但是难度不大，仔细看看示例代码，好好理解下这几个评估指标。
zdy1263574688·2025-06-04 17:04

存得快查得准，但就是算不动？试试时序数据库 TDengine × Spark 的组合拳

每个工程师可能都遇到过类似场景：时序数据沉淀在数据库中，格式规范、查询快捷，但当任务升级——比如滑窗聚合、多源拼接、机器学习训练——一些业务可能就需要更强的计算能力和更灵活的分析工具。
·2025-06-04 14:42

【动手学机器学习】第三章模式识别与机器学习经典算法——k 近邻算法

前言本章先来讲解k近邻算法——最简单的机器学习算法，从中展开机器学习的一些基本概念和思想。或许有的读者会认为机器学习非常困难，需要庞大的模型、复杂的网络，但事实并非如此。
小洛~·~·2025-06-04 12:01

机器学习——聚类算法

一、聚类的概念根据样本之间的相似性，将样本划分到不同的类别中的一种无监督学习算法。细节：根据样本之间的相似性，将样本划分到不同的类别中；不同的相似度计算方法，会得到不同的聚类结果，常用的相似度计算方法有欧式距离法。聚类算法的目的是在没有先验知识的情况下，自动发现数据集中的内在结构和模式。计算样本和样本之间的相似性，一般使用欧式距离。二、聚类算法分类根据聚类颗粒度分类：细粒度和粗粒度。根据实现方法分
Xyz_Overlord·2025-06-04 12:30

高效图像处理：使用 Pillow 进行格式转换与优化

Python的Pillow库基于PIL（PythonImagingLibrary），提供轻量、强大的图像处理能力，广泛用于Web开发、数据分析、机器学习等领域。
清水白石008·2025-06-04 09:07

消融实验简介

消融实验（AblationStudy）是一种在科学研究、特别是在机器学习和深度学习领域中常用的实验设计方法，用于评估模型中不同组件或特征对整体性能的影响。
Komorebi_9999·2025-06-04 07:53

AI NAS：智能存储中枢的进阶蓝图

作为融合人工智能的下一代存储中枢，AINAS需具备多维度的先进能力：一、智能化数据管理基石自感知与自优化：系统需主动监控全局性能与容量，智能预判瓶颈，动态调配存储资源；利用机器学习分析访问模式，实现数据自动分层
DeepSeek+NAS·2025-06-04 07:50

【华为云学习与认证】以华为云物联网为基座的全栈开发（从物联网iot平台模块到应用展示、数据分析、机器学习、嵌入式开发等）的系统性学习与认证路线

总目标学习以华为云物联网为基座的全栈开发（从物联网iot平台模块到应用展示、数据分析、机器学习、嵌入式开发等）的系统性学习与认证路线。
Hy行者勇哥·2025-06-04 06:45

AI驱动的个性化学习路径设计

AI驱动的个性化学习路径设计关键词：个性化学习,人工智能,机器学习,数据驱动,教育科技,学习路径设计1.背景介绍1.1问题由来在数字化时代，教育领域正经历着前所未有的变革。
AI大模型应用之禅·2025-06-04 06:06

08_预处理与缩放

描述机器学习的一些算法（如神经网络、SVM）对数据缩放非常敏感。通常的做法是对特征进行调节，使数据表示更适合与这些算法。
白杆杆红伞伞·2025-06-04 05:03

NLP（自然语言处理）技术的主要实现思路

文章目录NLP（自然语言处理）技术的主要实现思路语句拆分建模分析NLP（自然语言处理）技术的主要实现思路NLP（自然语言处理）技术的主要实现思路是，首先利用自然语言语料库和机器学习技术，将文本信息进行分词和词性标注
简简单单OnlineZuozuo·2025-06-04 01:40

动起来！用Python打造你的AI健身私教

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
Echo_Wish·2025-06-04 00:03

Python 4.0新特性解析：性能优化与语法升级

首先解析新型解释器架构对运算效率的提升路径，其次探讨模式匹配、异步编程简化和类型系统强化等语法特性，最后结合机器学习与高并发场景验证新版本的实践价值。
知识产权13937636601·2025-06-03 23:53

动手学深度学习笔记1

介绍定义：深度学习是一类基于人工神经网络的机器学习技术，通过构建具有多个层次的神经网络模型，让计算机自动从大量数据中学习特征和模式。
a3040218·2025-06-03 22:14

neo4j导出导入csv文件

neo4j导出导入csv文件提示：这里可以添加系列文章的所有文章的目录，目录需要自己手动添加例如：第一章Python机器学习入门之pandas的使用提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录
qq_45133760·2025-06-03 21:41

Python深度学习GRU、LSTM 、BiLSTM-CNN神经网络空气质量指数AQI时间序列预测及机器学习分析...

ZhixiongWeng人们每时每刻都离不开氧，并通过吸入空气而获得氧。一个成年人每天需要吸入空气达6500升以获得足够的氧气，因此，被污染了的空气对人体健康有直接的影响，空气品质对人的影响更是至关重要。每出现一次AQI指数数值过大，可以肯定它都会引起我们足够的重视，提醒我们要保护我们生存的环境，尽可能地减少对环境的破坏与污染。而从更高的层次来说，消除或减少空气污染对人类的危害，唯一可行的就是提高
egzosn·2025-06-03 21:40

决策树-机器学习

一.决策树简介1.什么是决策树决策树是一种树形结构，树中每个内部节点表示一个特征上的判断，每个分支代表一个判断结果的输出，每个叶子节点代表一种分类结果。它主要用于分类和回归任务，通过递归地分裂数据集构建树状结构。2.决策树构建过程（三要素）①特征选择：选择较强分类能力的特征②决策树的生成：根据选择的特征生成决策树③决策树的剪枝：决策树也容易过拟合，采用剪枝的方法缓解过拟合3.优缺点及应用优点：可解
ma_ant·2025-06-03 20:35

【R语言编程绘图-mlbench】

mlbench库简介mlbench是一个用于机器学习的R语言扩展包，主要用于提供经典的基准数据集和工具，常用于算法测试、教学演示或研究场景。该库包含多个知名数据集，涵盖分类、回归、聚类等任务。
南瓜胖胖·2025-06-03 18:13

机器学习实战36-基于遗传算法的水泵调度优化项目研究与代码实现

大家好，我是微学AI，今天给大家介绍一下机器学习实战36-基于遗传算法的水泵调度优化项目研究与代码实现。
微学AI·2025-06-03 18:13

【数据可视化-05】Plotly数据可视化宝典

博主简介：曾任某智慧城市类企业算法总监，目前在美国市场的物流公司从事高级算法工程师一职，深耕人工智能领域，精通python数据挖掘、可视化、机器学习等，发表过AI相关的专利并多次在AI类比赛中获奖。
云天徽上·2025-06-03 17:11

机器学习实战---书中谬误讨论

关注公众号“码字读书会”，了解最新消息。5.2.3节首先要把5.2.2节内容做了，不然得不到回归系数weights值。即dataArr,labelMat=logRegres.loadDataSet()logRegres.gradAscent(dataArr,labelMat)reload(logRegres)logRegres.plotBestFit(weights.getA())此处画图做拟合曲
奔跑的石头_·2025-06-03 17:04

机器学习训练营（十）：模型部署，从Jupyter到生产环境

欢迎来到机器学习训练营的第十天，也是本系列的收官之战。
Bryan Ding·2025-06-03 15:51

AI原生应用开发实战：微服务架构下的智能集成方案

我们将通过一个电商推荐系统的案例，展示如何将机器学习模型无缝集成到微服务生态中，实现智能化的业务场景。文章包含完整的架构设计、代码实现和部署方案，帮助开发者掌握A
AI原生应用开发·2025-06-03 09:45

数据挖掘在大数据领域的未来展望

数据挖掘在大数据领域的未来展望关键词：数据挖掘、大数据、未来展望、机器学习、人工智能摘要：本文深入探讨了数据挖掘在大数据领域的未来发展趋势。
大数据洞察·2025-06-03 09:14

逻辑回归损失函数推导

引言假设今天希望将机器学习应用到医院中去，比如对于某一个患了心脏病的病人，求他3个月之后病危的概率。那么我们该选择哪一个模型，或者可以尝试已经学过的线性回归？
denghong637573·2025-06-03 07:30
上一页 13 14 15 16 17 18 19 20 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他