机器学习--数据处理第34页

告诉你为什么数据要取对数

平时在一些数据处理中，经常会把原始数据取对数后进一步处理。之所以这样做是基于对数函数在其定义域内是单调增函数，取对数后不会改变数据的相对关系，取对数作用主要有：1.缩小数据的绝对数值，方便计算。

LensonYuan·2025-01-18 08:10

【Rust】——不安全Rust

算法设计与分析，数据结构，Python，Java基础，MySQL，linux，基于HTML5的网页设计及应用，Rust（官方文档重点总结），jQuery，前端vue.js，Javaweb开发，Python机器学习等主页链接

Y小夜·2025-01-18 07:02

超简单|Python实现机器学习算法——KNN

超简单|Python实现机器学习算法——KNNKNN算法简介算法实现步骤如何用python实现KNN算法Scikit-learn算法库实现KNN分类器Sklearn建模流程KNN算法简介KNN算法（k近邻算法

birdcome·2025-01-18 06:57

三款顶级开源RAG (检索增强生成)工具：Verba、Unstructured 和 Neum

三款顶级开源RAG(检索增强生成)工具：Verba、Unstructured和Neum概述随着企业对话式数据处理需求的提升，面临的挑战是数据隐私性和缺乏企业级解决方案。

XianxinMao·2025-01-18 06:26

《机器学习模型快速收敛的秘籍大揭秘》

在机器学习的领域中，让模型快速收敛是众多从业者和研究者们共同追求的目标。因为快速收敛不仅能节省大量的时间和计算资源，还能使模型更快地投入实际应用，为我们带来更高的效率和价值。

·2025-01-18 05:14

单片机实物成品-010 智能宠物喂食系统（代码+硬件+论文）

项目介绍版本1：oled显示+定时投喂（舵机模拟）+声光报警+显示实时时间---演示视频：智能宠物喂食001_哔哩哔哩_bilibili1.STM32F103C8T6单片机进行数据处理2.OLED液晶显示

学个单片机·2025-01-18 02:55

【机器学习】从零开始，用线性代数解锁智能时代的钥匙！

【机器学习】从零开始，用线性代数解锁智能时代的钥匙！文章目录【机器学习】从零开始，用线性代数解锁智能时代的钥匙！引言在这个数据驱动的时代，机器学习已经成为解锁智能科技的关键。

eclipsercp·2025-01-18 01:21

智能数据时代：如何优化数仓模型的复用性

数仓模型复用性的价值1.1提高开发效率在互联网金融信贷数仓建设中，面临着快速变化的业务需求和海量的数据处理任务。

Python编程杰哥·2025-01-18 00:44

【机器学习】聚类【Ⅰ】基础知识与距离度量

主要来自周志华《机器学习》一书，数学推导主要来自简书博主“形式运算”的原创博客，包含自己的理解。有任何的书写错误、排版错误、概念错误等，希望大家包含指正。由于字数限制，分成五篇博客。

不牌不改·2025-01-18 00:43

Web APP 阶段性综述

WebAPP阶段性综述当前，WebAPP主要应用于电脑端，常被用于部署数据分析、机器学习及深度学习等高算力需求的任务。在医学与生物信息学领域，WebAPP扮演着重要角色。

预测模型的开发与应用研究·2025-01-18 00:09

Pandas数据处理基础6---插值填充及其用法

插值填充插值是数值分析中一种方法。简而言之，就是借助于一个函数（线性或非线性），再根据已知数据去求解未知数据的值。插值在数据领域非常常见，它的好处在于，可以尽量去还原数据本身的样子。我们可以通过interpolate()方法完成线性插值。当然，其他一些插值算法可以阅读官方文档了解。#生成一个DataFramedf=pd.DataFrame({'A':[1.1,2.2,np.nan,4.5,

阳光下的米雪·2025-01-17 23:38

Python pandas离散化方法优化与应用实例

它们的灵活性和易用性使其在数据处理过程中十分常用。离散化可以将复杂的连续数据转化为更直观的区间，帮助快速发现数据分布规律，并且在机器学习中，

python慕遥·2025-01-17 23:29

Pandas数据预处理：处理缺失值 - 插值法

Pandas数据预处理：处理缺失值-插值法在数据分析和机器学习任务中，处理缺失值是一个常见的挑战。缺失值可能由于多种原因而产生，例如数据采集过程中的错误、设备故障或者用户不完整的输入。

代码艺术巧匠·2025-01-17 22:26

气象海洋水文领域Python机器学习及深度学习实践应用能力提升

除了标准库，还有丰富的第三方库，Python在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能。

AAIshangyanxiu·2025-01-17 22:55

Python人工智能气象

Python是功能强大、免费、开源，实现面向对象的编程语言，在数据处理、科学计算、数学建模、数据挖掘和数据可视化方面具备优异的性能，这些优势使得Python在气象、海洋、地理、气候、水文和生态等地学领域的科研和工程项目中得到广泛应用

岁月如歌，青春不败·2025-01-17 22:23

记录一个LLM+API类型的临床预测模型APP（糖尿病Cox预测模型）的过程

记录一个LLM+API类型的临床预测模型APP（糖尿病Cox预测模型）的构建过程LLM代表的是大语言模型，API代表的是机器学习模型，LLM+API是说将机器学习模型以API的形式引入到LLM，让机器学习模型以对话的方式与用户交流而服务于临床实践的

预测模型的开发与应用研究·2025-01-17 22:20

如何实现集群部署

集群部署广泛应用于各种场景，如Web服务、数据库、大数据处理等。以下是关于集群部署的详细解释：1.基本概念集群（Cluster）:一组相互连接的计算机，它们协同工作以提供单一的计算资源。

DaXiongJoker·2025-01-17 21:49

MongoDB深度解析与实践案例

本文将深入探讨MongoDB的核心特性、架构设计原则，并通过实际代码案例展示其在数据处理中的应用。一、Mong

我的运维人生·2025-01-17 21:17

python训练模型损失值6000多_机器学习中的 7 大损失函数实战总结（附Python演练）...

介绍想象一下-你已经在给定的数据集上训练了机器学习模型，并准备好将它交付给客户。但是，你如何确定该模型能够提供最佳结果?是否有指标或技术可以帮助你快速评估数据集上的模型?

weixin_39700394·2025-01-17 21:45

广东粤万润与时序数据库TDengine携手打造智慧酒店新未来：数据驱动智能化转型

然而，随着设备的增多和场景的复杂化，酒店客控系统也面临着海量数据处理、实时性保障及系统扩展性的多重挑战。

涛思数据（TDengine）·2025-01-17 21:43

【机器学习实战入门项目】基于机器学习的鸢尾花分类项目

基于机器学习的鸢尾花分类项目介绍：本项目利用机器学习模型对鸢尾花进行分类。

精通代码大仙·2025-01-17 20:05

Text2SQL的三种实现方法

在数据处理层面，大模型可以帮助传统的ETL过程简化难度，提高实时交互效率。

AI科技分享·2025-01-17 20:03

【TVM 教程】为 x86 CPU 自动调优卷积网络

ApacheTVM是一个深度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。

·2025-01-17 20:18

用Python在Excel工作表中创建数据透视表

在数据处理和分析工作中，Excel作为一个广泛使用的工具，提供了强大的功能来管理和解析数据。当面对大量复杂的数据集时，为了更高效地总结、分析和展示数据，创建数据透视表成为一种不可或缺的方法。

·2025-01-17 20:17

AI Agent：一场智能革命的开始

一、AIAgent的发展现状：技术突破与广泛应用近年来，随着大数据、云计算和机器学习等技术的飞速发展，AIAgent的技术水平得

TechubNews·2025-01-17 20:02

Python操作字节流中的Excel文档

这种能力不仅极大地提高了数据处理的灵活性，还确保了数据的安全性和完整性，尤其是在网络传输或内存中处理敏感信息时。

·2025-01-17 20:41

国产替代 | 星环科技Sophon替代SAS，助力大型国有银行智能化营销

由于SAS是集中式的，对单台服务器要求太高，算力无法支撑需求，且无法支持可视化的机器学习，对于业务人员来说使用门槛过高。在经过产品选型后，决定采用星环科技的智能分析工具Sophon替换原有SAS，用

·2025-01-17 19:05

.NET用C#导入Excel到数据库

将Excel文件中的数据导入到数据库中不仅能够提升数据处理的效率和准确性，还能极大地促进数据分析和决策制定的过程。

·2025-01-17 19:04

交叉熵损失与二元交叉熵损失：区别、联系及实现细节

在机器学习和深度学习中，交叉熵损失（Cross-EntropyLoss）和二元交叉熵损失（BinaryCross-EntropyLoss）是两种常用的损失函数，它们在分类任务中发挥着重要作用。

专业发呆业余科研·2025-01-17 19:56

KDD 2024 | 美团技术团队精选论文解读 & 论文分享会预告

本文精选了美团技术团队被KDD2024收录的5篇长文进行解读，覆盖了用户意图感知、机器学习&运筹优化、在线控制实验、联合广告模型、实时调

·2025-01-17 19:29

采用海豚调度器+Doris开发数仓保姆级教程（满满是踩坑干货细节，持续更新）

1.架构复杂性2.数据处理性能3.数据同步与更新4.资源利用率与成本6.生态系统与兼容性7.符合信创或国产化要求二、ODS层接入数据接入kafka实时数据踩坑的问题细节三、海豚调度器调度Doris进行报表开发创建带分区的表在

大模型大数据攻城狮·2025-01-17 19:56

Camel-AI项目模块详解

项目目录如下：camel/├──agents/#智能体相关代码├──models/#模型集成与管理├──tools/#工具集成与使用├──conversations/#对话管理与处理├──data/#数据处理与管理

UFO上的可乐·2025-01-17 19:24

llama.cpp部署

主要有两点优化：llama.cpp使用的是C语言写的机器学习张量库ggmlllama.cpp提供了模型量化的工具计算类

法号：行颠·2025-01-17 17:12

Kubeflow：云原生机器学习工作流自动化开源框架详解

Kubeflow是一个开源的机器学习（ML）工作流自动化平台，旨在将机器学习工作流部署到Kubernetes之上，实现从实验到生产的一站式解决方案。

gs80140·2025-01-17 17:40

【机器学习：三十一、推荐系统：从基础到应用】

KeyPan·2025-01-17 15:54

【机器学习：三十、异常检测：原理与实践】

1.异常检测概述异常检测（AnomalyDetection）是一种用于识别数据中异常模式或异常点的技术，旨在发现与大部分数据行为不同的样本。它在工业监控、网络安全、金融欺诈检测等领域具有广泛应用。异常检测的目标是找到那些偏离正常行为的数据点，这些数据点可能代表错误、故障、攻击或其他需要特别关注的情况。核心概念异常通常分为以下三种类型：点异常：单个数据点显著偏离正常分布（例如，银行交易中突然的巨额消

KeyPan·2025-01-17 15:24

【机器学习：二十九、K-means算法：原理与应用】

1.K-means概述K-means是一种经典的无监督学习算法，广泛应用于数据聚类任务。其核心思想是将数据集划分为kkk个簇，使得每个簇内的样本尽可能相似，同时不同簇之间尽可能不同。K-means的简单性和高效性使其在模式识别、图像处理、市场分析等领域具有广泛应用。核心思想基于欧几里得距离度量数据点之间的相似性。不断优化簇中心位置，最小化簇内样本与其中心点之间的总距离（即误差平方和，SSE）。适用

KeyPan·2025-01-17 15:23

人工智能下的MASS服务架构

2.MaaS的起源与概念MaaS的概念最早由美国数据科学家DJ·帕蒂尔在2012年提出，即“将机器学习算法打包成可重复使用的服务，使企

从零开始学习人工智能·2025-01-17 15:52

大数据分层存储架构：ODS、DWD、DWM与DWS详解

它负责收集、存储和管理从各种业务系统中抽取的原始数据，为后续的数据处理和分析提供基础。DWD（DataWareh

从零开始学习人工智能·2025-01-17 15:51

小程序快速搭建线上预约线下陪玩伴游系统源码，打造便捷新体验

后端技术：可以选择PHP+MySQL等成熟的技术栈，确保系统的稳定性和数据处理能力。

·2025-01-17 15:52

【机器学习】—时序数据分析：机器学习与深度学习在预测、金融、气象等领域的应用

云边有个稻草人-CSDN博客目录引言1.时序数据分析基础1.1时序数据的特点1.2时序数据分析的常见方法2.深度学习与时序数据分析2.1深度学习在时序数据分析中的应用2.1.1LSTM（长短期记忆网络）2.2深度学习在金融市场预测中的应用2.2.1股票市场预测2.3深度学习在设备故障检测中的应用3.强化学习与时序数据分析3.1强化学习的基本概念3.2强化学习在金融市场中的应用3.3强化学习在设备故

云边有个稻草人·2025-01-17 14:13

【机器学习】主动学习-增加标签的操作方法-样本池采样（Pool-Based Sampling）

Pool-BasedSamplingPool-basedsampling是一种主动学习（ActiveLearning）方法，与流式选择性采样不同，它假设有一个预先定义的未标注样本池，算法从中选择最有价值的样本进行标注，以提升模型的性能。这种方法广泛应用于需要人工标注的场景，例如文本分类、图像识别等。核心思想预先准备一个未标注数据池（UnlabeledDataPool）。使用初始标注数据训练一个模型

IT古董·2025-01-17 14:09

【机器学习：二十、拆分原始训练集】

1.如何改进模型模型的改进需求在机器学习任务中，模型性能的提升通常受限于训练数据、模型架构、优化方法及超参数设置等。模型改进的目标是在测试数据上表现更优，避免过拟合或欠拟合。

KeyPan·2025-01-17 13:35

【机器学习】---神经架构搜索（NAS）

这里写目录标题引言1.什么是神经架构搜索（NAS）1.1为什么需要NAS？2.NAS的三大组件2.1搜索空间搜索空间设计的考虑因素：2.2搜索策略2.3性能估计3.NAS的主要方法3.1基于强化学习的NAS3.2基于进化算法的NAS3.3基于梯度的NAS4.NAS的应用5.实现一个简单的NAS框架6.总结引言随着深度学习的成功应用，神经网络架构的设计变得越来越复杂。模型的性能不仅依赖于数据和训练方

Undoom·2025-01-17 13:03

机器学习模型调优指南

机器学习模型调优指南机器学习模型参数调优的作用在于优化模型的性能，使其能够在给定任务上更好地泛化和预测。通过合理调整模型的超参数，能够提高模型的准确性、降低过拟合或欠拟合的风险、加快训练过程等。

闵少搞AI·2025-01-17 13:00

Java 大视界 -- Java 开发 Spark 应用：RDD 操作与数据转换

ApacheSpark是一个强大的分布式计算框架，提供了高效的数据处理能力，广泛应用于大数据分析与机器学习。Spark提供了多种高级API，支持批处理和流处理。

一只蜗牛儿·2025-01-17 12:26

水库水雨情监测系统：实时自动化预警

一、水库水雨情监测系统构成该系统主要由雨量监测站、水位监测站、数据传输网络、数据处理中心以及预警发布平台等部分构成。雨量监测站通过高精度雨量传感器，如翻斗式雨量计，准确测量降雨的强

DX_水位流量监测·2025-01-17 10:33

跟我一起学 Python 数据处理（三十九）：数据库世界的探秘之旅

跟我一起学Python数据处理（三十九）：数据库世界的探秘之旅在数据的广袤天地中，我们始终秉持着共同学习、共同进步的理念，希望能引领大家逐步深入Python数据处理的核心领域。

lilye66·2025-01-17 09:29

小白也能懂的 Python 入门指南（1）——Python 的前世今生

在人工智能、机器学习日趋火热的时代，Python又赶上了一波AI的热潮，即使你没系统的学习过它，相信你也一定听说过吧，如果你也对Python产生了浓厚的兴趣，跟我一起来了解下它的前世今生

荆州克莱·2025-01-17 07:42

AI大模型

系列简书文章目录https://www.jianshu.com/p/d47d5cdc8a3e本篇目录AI大模型什么是AI大模型AI大模型，通常指的是在人工智能领域中，特别是机器学习和深度学习范畴内，具有巨大参数量和复杂结构的模型

荆州克莱·2025-01-17 07:12

推荐频道

机器学习--数据处理