机器学习. 第61页

Python pytest入门教程

一、引言Python是一种广泛使用的编程语言，常用于Web开发、数据分析、机器学习等领域。在Python的测试框架中，pytest是一个非常流行的选择。

Dxy1239310216·2024-01-13 15:56

【模型评估 07】过拟合与欠拟合

如何有效地识别“过拟合”和“欠拟合”现象，并有针对性地进行模型调整，是不断改进机器学习模型的关键。

一碗姜汤·2024-01-13 14:02

【模型评估 05】Holdout、交叉检验、自助法

机器学习中，我们通常把样本分为训练集和测试集，训练集用于训练模型，测试集用于评估模型。在样本划分和模型验证的过程中，存在着不同的抽样方法和验证方法。

一碗姜汤·2024-01-13 14:02

人工智能技术的发展

人工智能技术包括机器学习、深度学习、自然语言处理等技术，可以使机器人具备更强的智能和自主学习能力，能够进行更复杂的任务和决策。

python无人驾驶医学芯片·2024-01-13 14:32

Prior information

在统计学、机器学习和贝叶斯推断等各个领域中，先验信息在影响或指导分析或决策过程中发挥着至关重要的作用。

Recursions·2024-01-13 14:51

[书生·浦语大模型实战营]——轻松玩转书生·浦语大模型趣味 Demo

定义大模型通常指的是机器学习或人工智能领域中参数数量巨大、拥有庞大计算能力和参数规模的模型。这些模型利用大量数据进行训练，并且拥有数十亿甚至数千亿个参数。

m0_63368228·2024-01-13 13:59

深度学习入门之5--网络学习相关技巧4(正则化)

1、trainer.py2、multi_layer_net_extend.py3、overfit_dropout.py该文章是对《深度学习入门基于Python的理论与实现》的总结，作者是[日]斋藤康毅机器学习的问题中

梦灯·2024-01-13 13:36

智能导诊-医院信息化建设标准

智能导诊系统主要依赖于自然语言处理和机器学习等技术。患者可以通过语音、文字等方式描述病情，系统通过自然语言处理技术对病情进行语义分析和理解。

源码技术栈·2024-01-13 12:18

【Python机器学习】深度学习——调参

先用MLPClassifier应用到two_moons数据集上：fromsklearn.neural_networkimportMLPClassifierfromsklearn.datasetsimportmake_moonsfromsklearn.model_selectionimporttrain_test_splitimportmglearnimportmatplotlib.pyplotas

zhangbin_237·2024-01-13 12:05

2024 1.6~1.12 周报

三、完成情况1.数据训练的方式1.1迁移学习迁移学习是一种机器学习方法，把任务A训练出的模型作为初始模型，并使用它来改进新目标任务B的学习。即通过从已学习的相关任务中转移知识来改进学习的新任务。

shengMio·2024-01-13 12:59

re:Invent 2023 | The Very Group 强大的机器学习数据策略

关键字:[AmazonWebServicesre:Invent2023,VeryGroup,DataAndAnalytics,MachineLearningModels,CustomerExperience,DemandForecasting,GenerativeAi]本文字数:1200,阅读完需:6分钟视频如视频不能正常播放，请前往bilibili观看本视频。>>https://www.bili

taibaili2023·2024-01-13 11:01

Python时间序列预测大气二氧化碳浓度

在本文中，我们将对大气CO2浓度数据应用时间序列预测，从而有机会探索机器学习与气候变化的交叉点。时间序列库文件

亚图跨际·2024-01-13 11:55

OpenCV C++ 环境搭建和简单示例

OpenCV介绍OpenCV：开源发行的跨平台计算机视觉和机器学习软件库，用C++语言编写，提供了C++，Python，Java和MATLAB接口，并支持Windows，Linux，Android和MacOS

魔法自动机·2024-01-13 11:17

如何使用人工智能优化 DevOps？

DevOps团队可以依靠人工智能和机器学习来进行数据集成、测试、评估和发布系统。更重要的是，人工智能和机器学习可以以高效、快速、安全的方式改进DevOps驱动的流程。

优维科技EasyOps·2024-01-13 11:45

如何选择合适的机器学习算法？

选择合适的机器学习算法是机器学习中非常重要的一步，它可以影响机器学习模型的性能和准确度。以下是一些有用的指导原则来帮助选择合适的机器学习算法：如何选择合适的机器学习算法？

人工智能小园子·2024-01-13 10:57

机器学习：模型评估报错，ValueError: continuous is not supported

在做一个，美国加利福利亚的房价预测的时候，模型评估部分，报了一个错...打印：accuracy_score，准确率评估时，报错，不支持连续值，原因：房价预测，这是一个回归问题，因此不能用准确率来衡量，1、分类：连续值，可以用accuracy_score评估，2、回归：可以用r2_score来评估....本次是房价的回归，因此可以用r2_score，来评估，而不能用准确率评估，因为他是不连续的...

金城武555·2024-01-13 10:49

机器学习降维技术全面对比评析

简介在机器学习领域，处理高维数据带来了与计算效率、模型复杂性和过度拟合相关的挑战。降维技术提供了一种解决方案，将数据转换为低维表示，同时保留基本信息。

冷冻工厂·2024-01-13 10:52

flink创建表报错

flink创建表报错前言使用flink在读取rabbitmq消息队列创建表：前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习

～四时春～·2024-01-13 10:50

机器学习和深度学习检测网络安全课题：DDOS检测、恶意软件、恶意流量检测课题资料

开源的DDOS检测工具https://github.com/equalitie/learn2ban基于KDDCUP99数据集预测DDoS攻击基于谱分析与统计机器学习的DDoS攻击检测技术研究基于机器学习的分布式拒绝服务攻击检测方法研究

三更科技公社·2024-01-13 09:41

腾讯云AI能力（上）

庞玖·2024-01-13 08:52

机器学习是什么

讲解对象：机器学习是什么作者：融水公子rsgz对象：机器学习是什么英文名：machinelearning又称：预测分析（predictiveanalytics）或统计学习（statisticallearning

融水公子·2024-01-13 08:27

机器学习学习笔记（八）多项式回归与模型泛化

对非线性的数据进行处理，相应的预测----添加新的特征：原有的特征进行多项式组合scikit-learn中的多项式回归PolynomialFeatures构建特征导包：fromsklearn.preprocessingimportPolynomialFeatures实例：poly=PolynomialFeatures(degree=2)##最多二次幂特征poly.fit(X)X2=poly.tra

下雨天的小白鞋·2024-01-13 08:21

AI时代下的智能商品计划如何助力服装企业实现库存精准优化

以下是AI在这方面的关键作用和助力手段：1.数据驱动的需求预测：AI利用大数据和机器学习技术，分析历史销售数据、市场趋势、季节性变化等多方面信息，实现更准确的需求预测。

第七在线（7thonline）·2024-01-13 07:49

开发环境下，如何通过一个命令让 fastapi 和 celery 一起工作

而Celey又是异步任务最流行的框架，常用于数据挖掘和机器学习等计算密集型任务的场景中。如果需要通过API来异步调用任务，那这两个框架可以放在一起工作。

somenzz·2024-01-13 07:05

【发票识别】支持pdf、ofd、图片格式（orc、信息提取）的发票

背景为了能够满足识别各种发票的功能，特地开发了当前发票识别的功能，当前的功能支持pdf、ofd、图片格式的发票识别，使用到的技术包括文本提取匹配、ocr识别和信息提取等相关的技术，用到机器学习和深度学习的相关技术

比嗨皮兔·2024-01-13 07:53

短视频账号矩阵剪辑分发系统无人直播技术开发源头

批量自动混剪系统的核心技术是人工智能和机器学习。通过对海量的短视频数据进行学习，系统能够自动分析视

(ylhd898978)·2024-01-13 07:45

机器学习_实战框架

文章目录介绍机器学习的实战框架1.定义问题2.收集数据和预处理(1).收集数据(2).数据可视化(3).数据清洗(4).特征工程(5).构建特征集和标签集(6).拆分训练集、验证集和测试集。

you_are_my_sunshine*·2024-01-13 07:44

机器学习之集成学习概念介绍

概念机器学习中的集成学习（EnsembleLearning）是一种通过组合多个模型来提高整体性能的技术。它的基本思想是将多个学习器（弱学习器）组合成一个更强大的学习器，以提高整体性能和泛化能力。

贾斯汀玛尔斯·2024-01-13 07:42

机器学习之集成学习AdaBoost

概念AdaBoost（AdaptiveBoosting）是一种迭代的集成学习算法，其主要目标是通过组合多个弱学习器来创建一个强大的模型。以下是AdaBoost算法的主要步骤：初始化样本权重：为每个训练样本分配相等的权重，通常设为wi=1Nw_i=\frac{1}{N}w

贾斯汀玛尔斯·2024-01-13 07:42

机器学习-决策树

1、什么是决策树？一种描述概念空间的有效的归纳推理办法。基于决策树的学习方法可以进行不相关的多概念学习，具有简单快捷的优势，已经在各个领域取得广泛应用。决策树是一种树型结构，其中每个内部结点表示在一个属性上的测试，每个分支代表一个测试输出，每个叶结点代表一种类别。2、决策树示意图3、决策树的思想决策树学习是以实例为基础的归纳学习。决策树学习采用的是自顶向下的递归方法，其基本思想是以信息熵为度量构造

有语忆语·2024-01-13 07:10

机器学习-线性回归

1、线性回归解决的问题线性回归是利用被称为线性回归方程的最小平方函数对一个或者多个自变量和因变量之间关系进行建模的一种回归分析。这种函数是一个或者多个被称为回归系数的模型参数的线性组合。2、一元线性回归一元线性回归分析：找到一条直线能够最大程度上拟合二维空间中出现的点。3、多元线性回归多元线性回归分析：如果自变量多于1个，那么就要求一个多元函数去拟合空间中的点。要求使得所有点到这条线的误差最小。误

有语忆语·2024-01-13 07:09

机器学习-协同过滤

1、协同过滤要解决的问题协同过滤算法主要用于推荐系统，推荐系统是信息过载所采用的措施，面对海量的数据信息，从中快速推荐出符合用户特点的物品。一些人的“选择恐惧症”、没有明确需求的人。解决如何从大量信息中找到自己感兴趣的信息。解决如何让自己生产的信息脱颖而出，受到大众的喜爱。就相当于物以类聚，人以群分。用户ID、物品ID、偏好值偏好值就是用户对物品的喜爱程度，推荐系统所做的事就是根据这些数据为用户推

有语忆语·2024-01-13 07:09

基于机器学习的视觉应用

基于图像处理的视觉应用1基于机器学习的视觉应用，又名：机器视觉之从调包侠到底层开发（第3天）PS:这个系列是准备做从Python一些接口应用开发，openCV基础使用场景原理讲解，做一些demo案例讲解

Wade_Crab·2024-01-13 07:32

【机器学习】聚类算法（三）

六、基于图的算法6.1谱聚类6.2算法原理RatioCut算法NCut算法6.3如何选择合适的K值6.4谱聚类的应用场景示例代码1：对鸢尾花数据集进行聚类，并绘制结果#导入所需的库importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.datasetsimportload_irisfromsklearn.clusterimportKMeansf

十年一梦实验室·2024-01-13 07:30

【python，机器学习，nlp】RNN循环神经网络

RNN(RecurrentNeuralNetwork)，中文称作循环神经网络，它一般以序列数据为输入，通过网络内部的结构设计有效捕捉序列之间的关系特征，一般也是以序列形式进行输出。因为RNN结构能够很好利用序列之间的关系，因此针对自然界具有连续性的输入序列，如人类的语言，语音等进行很好的处理，广泛应用于NLP领域的各项任务，如文本分类，情感分析，意图识别，机器翻译等．RNN模型的分类：这里我们将从

岩塘·2024-01-13 06:25

基于Hadoop的网上购物行为大数据分析及预测系统【flask+echarts+机器学习】前后端交互

有需要本项目或者部署的系统可以私信博主，提供远程部署和讲解本研究基于淘宝用户行为的开源数据展开大数据分析研究，通过Hadoop大数据分析平台对阿里天池公开的开源数据集进行多维度的用户行为分析，为电商销售提供可行性决策。首先我们将大数据集上传到Hadoop中的HDFS存储，之后利用Hadoop的Flume组件，配置好自动加载数据的环境，将数据加载到hive数据库中进行大数据分析。通过对常见的电商指标

王小王-123·2024-01-13 06:53

如何对多元线性回归模型调参？

多元线性回归模型通常不像复杂的机器学习模型那样拥有许多可调节的超参数。

CA&AI-drugdesign·2024-01-13 06:46

几种常见的python开发工具对比

Python是一种功能强大且易于学习的编程语言，被广泛应用于数据科学、机器学习、Web开发等领域。随着Python在各个领域的应用越来越广泛，越来越多的Python开发工具也涌现出来。

程序员万万·2024-01-13 06:41

生态参数反演（植被覆盖度FVC）手把手教会

遥感反演方法常用的包括：像元二分法、回归模型法、机器学习算法等1.1像元二分法：FVC=(VI-VIsoil)/(VIveg-VIsoil)式中：VI为植被指数，通常选用归一化差分植被指数，VIsoil

我喜欢读博(微博)·2024-01-13 06:09

什么是数字化转型

这通常涉及到采用新的技术，比如云计算、大数据、物联网（IoT）、人工智能（AI）和机器学习等，以提高效率、增强客户体验和创造新的价值。

呆码科技·2024-01-13 06:04

机器学习面试问题8

userCF和itemCF在实际当中如何使用，提供具体操作，以及它们的优势（推荐系统）基于用户的协同过滤算法UserCF基于用户的协同过滤，通过不同用户对物品的评分来评测用户之间的相似性，基于用户间的相似性做出推荐。简单来讲就是：给用户推荐和他兴趣相似的其他用户喜欢的物品。基于UserCF的基本思想相当简单，基于用户对物品的偏好找到相邻邻居用户，然后将邻居用户喜欢的推荐给当前用户。计算上，就是将一

wangyufeng99·2024-01-13 06:33

【机器学习300问】4、机器学习到底在学习什么？

首先我们先了解一个前置问题，再回答机器学习到底在学习什么。一、求机器学习问题有哪几步？求解机器学习问题的步骤可以分为“学习”和“推理”两个阶段。

小oo呆·2024-01-13 05:49

【机器学习300问】6、什么是机器学习中的特征量？

而机器学习则通过水果的颜色、重量、气味成分的量等被称之为“特征量”的数值来区分。

小oo呆·2024-01-13 05:49

【机器学习300问】5、什么是强化学习？

我将从三个方面为大家简明阐述什么是强化学习，首先从强化学习的定义大家的了解强化学习的特点，其次学习强化学习里特殊的术语加深对强化学习的理解，最后通过和监督学习与无监督学习的比较，通过对比学习来了解强化学习。一、强化学习是什么？1、定义强化学习模拟和借鉴了生物体在环境中通过与环境的互动学习行为的方式。在强化学习中，智能体（agent）通过不断尝试不同的动作，并依据环境对这些动作的反馈（通常表现为奖励

小oo呆·2024-01-13 05:14

MinIO入门

使用MinIO为机器学习、分析和应用程序数据工作负载构建高性能基础架构

endorphinnnn·2024-01-13 05:50

AI绘画生成器的应用场景有哪些？

这些软件通常使用机器学习和深度学习算法来训练模型，从而根据用户输入的文字描述或图像来生成新的艺术作品。AI绘画生成器有多种应用场景，包括但不限于：①根据用户输入的文字描述，生成符合描述的图像或画作。

jianewang·2024-01-13 05:14

机器学习中的隐马尔可夫模型及Python实现示例

隐马尔可夫模型（HMM）是一种统计模型，用于描述观测序列和隐藏状态序列之间的概率关系。它通常用于生成观测值的底层系统或过程未知或隐藏的情况，因此它被称为“隐马尔可夫模型”。它用于根据生成数据的潜在隐藏过程来预测未来的观察结果或对序列进行分类。HMM由两种类型的变量组成：隐藏状态和观测值。隐藏状态是生成观测数据的基础变量，但它们不是直接可观测的。观测值是被测量和观测的变量。隐藏状态和观测值之间的关系

python收藏家·2024-01-13 04:40

手把手教你配置最漂亮的PyCharm界面，Python程序员必备！

随着人工智能/机器学习的兴起，Python作为一门“漂亮的语言”，再次获得广大程序员的关注。而JetBrains出品的PyCharm无疑是最好用的PythonIDE之一。

我爱纽约先生·2024-01-13 04:01

机器学习系列--R语言随机森林进行生存分析（2）

随机森林（Breiman2001a）（RF）是一种非参数统计方法，需要没有关于响应的协变关系的分布假设。RF是一种强大的、非线性的技术，通过拟合一组树来稳定预测精度模型估计。随机生存森林（RSF）（Ishwaran和Kogalur，2007；Ishwaraan，Kogalur、Blackstone和Lauer（2008）是Breimans射频技术的延伸从而降低了对时间到事件数据的有效非参数分析。接

天桥下的卖艺者·2024-01-13 03:55

通义千问Qwen-72B-Chat基于PAI的低代码微调部署实践

阿里云人工智能平台PAI是面向开发者和企业的机器学习/深度学习平台，提供AI开发全链路服务。快速开

阿里云大数据AI技术·2024-01-13 03:52

推荐频道

机器学习.