机器学习kNN

使用LangChain社区库中的CSVLoader高效处理CSV数据

在数据科学和机器学习领域，CSV文件是最常用的数据存储格式之一。它的简单性和广泛的兼容性使其成为数据交换的标准。然而，当面对大规模的CSV数据时，处理效率和灵活性显得至关重要。
Zbb159·2025-06-26 11:04

AI Infra新浪潮：为什么Rust正在重构MLOps生态？

当开发者们还在Python生态中构建机器学习运维（MLOps）流水线时，一股由Rust语言驱动的技术浪潮正悄然重构底层架构。从分布式训练框架到高性能
AI咸鱼保护协会·2025-06-26 10:27

KNN算法（K近邻算法）

目录含义代码含义knn（k近邻）算法就像它的名字一样，使用邻居而且是近的邻居来确定某个样本的类别，就好像物以类聚这种意思。
姜姜爱学习·2025-06-26 09:51

Python学习Day10

学习来源：@浙大疏锦行知识点：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对心脏病数据集采用机器学习模型建模和评估importpandasaspdfile_path="heart.csv"data
m0_64472246·2025-06-26 03:39

Python学习Day14

学习来源：@浙大疏锦行SHAP（SHapleyAdditiveexPlanations）库是一个用于解释机器学习模型预测结果的开源Python库。**一、核心概念**1.
m0_64472246·2025-06-26 03:39

Python + Copilot：开启编程效率飞升之旅

从构建复杂的企业级应用，到开发智能的移动应用程序，再到进行深入的数据分析与机器学习，编程无处不在。然而，随着项目规模的不断扩大和业务需求的日益复杂，编程效率逐渐成为开发者们面临的巨大挑战。
计算机学长·2025-06-26 03:38

k近邻算法(kNearest Neighbors) 原理与代码实例讲解

k-近邻算法,聚类,分类,分离散数据,决策边界,邻域,机器学习,监督学习k-近邻算法(k-NearestNeighbors)-原理与代码实例讲解k-近邻算法（k-NearestNeighbors，简称kNN
AI大模型应用实战·2025-06-26 01:50

【RKNN】RKNN-Toolkit2 Python API之accuracy_analysis函数详解

accuracy_analysis()是RKNN-Toolkit2中用于量化精度分析的核心接口，通过对比浮点模型与量化模型（或NPU硬件推理）的输出差异，定位量化误差来源。
浩瀚之水_csdn·2025-06-26 00:17

GBDT：梯度提升决策树——集成学习中的预测利器

核心定位：一种通过串行集成弱学习器（决策树）、以梯度下降方式逐步逼近目标函数的机器学习算法，在结构化数据预测任务中表现出色。本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。
大千AI助手·2025-06-25 23:42

Python爬虫实战：使用Playwright抓取YouTube视频标题与观看量的全流程解析（含反爬技巧与完整代码）

了解某一类视频的标题、观看数等公开信息，不仅对研究热门趋势、内容策划具有重要意义，也可以用于数据可视化和机器学习分析。
Python爬虫项目·2025-06-25 22:58

Python 逻辑回归：开启分类问题的智慧之门

一、逻辑回归的魅力之源在机器学习的璀璨星空中，逻辑回归宛如一颗耀眼的明星，照亮了分类问题的求解之路。它之所以备受青睐，是因为其独特的理论架构和广泛的适用性。
海燕李·2025-06-25 21:53

一[3.0]、 yolov8 工作原理

在所有流行的物体识别机器学习模型（如FasterR-CNN、SSD和Reti
他人是一面镜子，保持谦虚的态度·2025-06-25 21:53

机器学习算法-逻辑回归模型在交通领域的应用

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档逻辑回归模型在交通领域的应用：车流数量和平均速度之间的关系前言结果分析代码分析逻辑回归可视化：交通拥堵预测的动态建模过程一、交通数据生成与预处理二、逻辑回归核心算法实现三、动态可视化：决策边界的演变过程四、特征标准化与模型评估五、实验结果与模型解读六、拓展思考：逻辑回归的局限性结语：从代码到交通智能前言紧接上文的逻辑回归原理分析讲一讲
是一个Bug·2025-06-25 21:52

Python与MediaPipe实现实时手势数字识别项目源码

项目包含数据收集、机器学习模型训练、实时应用等关键步骤，以及readme、HandTrackingModule、ma
盛艺小豆丁·2025-06-25 19:40

机器学习之常用的回归预测模型

本文全面整理了各种回归预测模型，旨在帮助读者更好地学习回归预测模型。转载自：https://mp.weixin.qq.com/s/7m2waIASOEg90NONgRpQFQ一.线性模型线性回归是一种线性模型，通过特征的线性组合来预测连续值标签。线性回归通过拟合系数（可选择是否设置截距）的线性模型，以最小化真实值和预测值之间的残差平方和。scikit-learnlinear_models：http
曼城周杰伦·2025-06-25 19:40

GRU门控循环单元回归+SHAP分析，Matlab代码实现，通过SHAP方法量化特征贡献，构建可解释的回归模型，引入SHAP方法打破黑箱限制，提供全局及局部双重解释视角，作者：机器学习之心！

GRU门控循环单元回归+SHAP分析，Matlab代码实现，通过SHAP方法量化特征贡献，构建可解释的回归模型，引入SHAP方法打破黑箱限制，提供全局及局部双重解释视角，作者：机器学习之心！
机器学习之心·2025-06-25 19:38

什么是回归模型，什么是自回归模型？

在统计学和机器学习中，回归模型和自回归模型都是用来预测或建模变量之间关系的工具，但它们在数据类型和变量依赖关系上有着关键的区别。
杰瑞学AI·2025-06-25 18:34

线程池中的线程数量设置为多少比较合适？

机器学习和人工智能：神经网络训练、深度学习。金融分析：量化分析、高频交易。图像和视频处理：视频编辑、编码解码。编译器和代码分析：代码编译、大型软件项目
Mutig_s·2025-06-25 17:57

Spring中如何使用AI

要在Spring中使用AI，首先需要选择一种AI技术，如机器学习、自然语言处理等。然后可以使用SpringBoot来构建应用程序，并使用相应的AI框架或库来实现AI功能。
Mn孟·2025-06-25 16:43

第三课：大白话中的scikit-learn安装

这节课我们要干一件大事——安装scikit-learn（机器学习界的瑞士军刀）。别担心，就算你是电脑小白，看完这篇也能轻松搞定！
顽强卖力·2025-06-25 13:24

[KO机器学习] Day2 特征工程：数据预处理：序号编码、独热编码、二进制编码

场景描述类别型特征（categoricalfeature）主要是指性别（男女）、血型（A,B,AB,O）等只在有限选项内取值的特征。类别型特征原始输入通常是字符串形式，除了决策树等少数模型能直接处理字符串形式的输入，对于逻辑回归、支持向量机等模型来说，类别型特征必须经过处理转换成数值型特征才能正确工作。在对数据进行预处理时，应该怎么样处理类别型特征？难度：★☆☆☆☆①序号编码OrdinalEnco
码农男孩·2025-06-25 11:40

使用Python进行大模型的测试与部署

一、理解大模型测试的重要性大模型由于参数众多、计算复杂度高，其测试过程比传统机器学习模型更为复杂。有效的测试能够：验证模型在不同场景下的表现。识别潜在的过拟合或欠拟合问题。确保模型在生
AI技术老狗（QA）·2025-06-25 10:05

机器学习专栏（13）：数据探索三重奏——从地理热力图到特征工程的财富密码

目录导言：当数据点连成黄金海岸线一、地理可视化：数据中的加州淘金热1.1基础地理散点图1.2高密度区域透视术二、相关性解密：数字背后的财富公式2.1皮尔逊相关系数矩阵2.2非线性关系发现术三、特征炼金术：创造新的财富密码3.1特征组合公式库3.2相关性进化史四、异常数据猎手：揪出数据中的"叛徒"4.1价格天花板检测4.2时空异常检测五、工业级探索工具箱5.1自动化数据透视5.2探索流程checkl
Sonal_Lynn·2025-06-25 07:39

Java企业技术趋势分析：AI驱动下的Spring AI、LangChain4j与RAG系统架构

从自然语言处理（NLP）到机器学习（ML），再到生成式AI（GenerativeAI），Java开发者正在积极拥抱这些新兴技
在未来等你·2025-06-25 05:28

LeRobot: 让机械臂接入大模型

这一项目通过整合最先进的机器学习算法和便捷的开发工具链，为开发者提供了一个高效、易用的机器人AI开发平台，堪称机器人领域的“Transformer时刻”。
小众AI·2025-06-25 05:57

贝叶斯算法：从概率推断到智能决策的基石

##引言在人工智能与机器学习的蓬勃发展中，贝叶斯算法以其独特的概率推理方式和动态更新的特性，在垃圾邮件过滤、疾病诊断、推荐系统等关键领域展现出强大的应用价值。
weixin_47233946·2025-06-25 03:17

python 学习笔记

文章目录常见操作及命令行总结python是一种面向对象编程的解释性语言，很常用于机器学习、神经网络、大模型等，由于其简洁便于使用的特点，也有时被称为“傻瓜式语言”，因为别人写好的，直接拿过来用就可以，但是具体的一些算法开发
~夕上林~·2025-06-25 01:06

【资源共享】eBook分享大集合

文章目录eBook分享大集合服务器系统类(9)机器学习类(17)NLP算法类(19)网络类(6)程序语言类C/C++语言(8)Python语言(14)Java语言(14)PHP语言(4)C#/.NET语言
天堂的鸽子·2025-06-25 00:23

模型上下文协议（MCP）：人工智能世界的“万能插座”革命

一、MCP的诞生：AI集成困境的破局之道2015年，谷歌机器学习专家在内部报告中指出：“
Liudef06小白·2025-06-24 20:52

AI智能时代SEO优化，AISEO-人工智能搜索引擎优化

如今的搜索引擎借助自然语言处理（NLP）和机器学习算法，能够深入理解用户搜索词背后的语义和意图，实现更精准的内容匹配。AI智能时代SEO优化，AISEO-人工智能搜索引
weixin_ggwwsscc·2025-06-24 16:17

Pyeeg模块部分功能介绍

它还能够将功能导出为svmlight格式，以便调用机器学习及深度学习工具。
脑电情绪识别·2025-06-24 12:25

机器学习数据预处理：L2正则化(岭回归）

一、L2正则化介绍L2正则化，也称为岭回归（RidgeRegression），是一种常用的正则化方法。它在线性回归模型中通过在损失函数中添加L2范数的平方来惩罚模型的复杂度，从而防止过拟合。在线性回归中，我们的目标是最小化损失函数，通常以最小化均方误差来衡量。而L2正则化通过在损失函数中添加模型参数的L2范数的平方来进行正则化。L2范数是指模型参数的平方和的开方。正则化惩罚的目标是使模型参数尽量接
数字化与智能化·2025-06-24 12:21

强化学习（Reinforcement Learning, RL）概览

一、强化学习的核心概念与定位1.定义强化学习是机器学习的分支，研究智能体（Agent）在动态环境中通过与环境交互，以最大化累积奖励为目标的学习机制。
MzKyle·2025-06-24 10:39

无监督学习概览

一、无监督学习的本质与定位定义：无监督学习是机器学习的三大范式之一（另外两种为监督学习和强化学习），其核心特点是处理未标注数据，通过算法自动发现数据中的隐藏结构、模式或内在规律。
MzKyle·2025-06-24 10:09

python训练day14 shap图绘制

SHAP原理目标：理解复杂机器学习模型（尤其是“黑箱”模型，如随机森林、梯度提升树、神经网络等）为什么会对特定输入做出特定预测。SHAP提供了一种统一的方法来解释模型的输出。
小暖星·2025-06-24 06:47

机器学习之结果评价指标

在机器学习中，结果评价指标是用来评估模型性能和预测结果的重要指标，可以帮助我们了解模型的准确性、稳定性和泛化能力。
维生素￥·2025-06-24 03:27

机器学习15-XGBoost

XGBOOST学习笔记一、引言在机器学习的集成学习算法中，XGBoost（eXtremeGradientBoosting）凭借其高效性、可扩展性和卓越的性能，成为数据科学竞赛和工业界应用的热门选择。
吹风看太阳·2025-06-24 03:27

基于OpenCv（开源计算机视觉库）的图像旋转匹配

OpenCV（OpenSourceComputerVisionLibrary）是一个开源的计算机视觉和机器学习软件库，具有跨平台特性，广泛应用于工业检测、医疗影像分析、自动驾驶、无人机、机器人视觉等多个领域
我在北京coding·2025-06-24 03:27

【TVM 教程】在 TVM 中使用 Bring Your Own Datatypes

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。
·2025-06-23 22:20

计算机视觉与深度学习实战：以Python为工具，基于深度学习的汽车目标检测

深度学习则是一种模拟人脑神经网络的机器学习技术，通过构建深层神经网络
好知识传播者·2025-06-23 20:38

声波下的眼睛：用Python打造水下目标检测模型实战指南

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·2025-06-23 18:56

DeepSeek核心技术浅谈

一、提前预热：提前需要知道的背景知识传统机器学习理论:模型复杂度增加时，测试误差先下降后上升。现代机器学习实践:在过参数化的深度学习中测试误差会再次下降，形成“双下降“曲线，这成为大模型研究的
·2025-06-23 15:07

另类数据挖掘：如何用网络搜索数据预测上市公司业绩？

关键词：另类数据、网络搜索数据、业绩预测、文本挖掘、机器学习、量化投资、自然语言处理摘要：本文探讨了如何利用网络搜索数据这一另类数据源来预测上市公司业绩。
量化价值投资入门到精通·2025-06-23 14:57

Python商务数据分析——Python 入门基础知识学习笔记

人工智能：TensorFlow、PyTorch构建机器学习模型。Web开发：Djan
爱吃代码的小皇冠·2025-06-23 12:17

Predic‘ng Early-Onset Colorectal Cancer with Large Language Models

研究旨在利用电子健康记录（EHR）数据，通过机器学习（ML）和大型语言模型（LLM）预测EoCRC，以实现早期干预。
UnknownBody·2025-06-23 10:35

【人工智能-练习】三个案例搞明白机器学习中的三大任务：分类、回归、聚类

文章目录一、分类任务结果代码解释导入必要的库配置字体生成模拟数据集拆分数据集数据标准化逻辑回归分类器预测并计算准确率绘制分类效果定义决策边界绘制函数绘制训练集和测试集的分类效果二、回归结果代码解释1.导入库2.设置Matplotlib的字体3.生成模拟数据集4.将数据集划分为训练集和测试集5.数据标准化6.定义线性回归模型7.预测8.计算均方误差(MSE)9.绘制回归预测效果图训练集上的预测效果测
若北辰·2025-06-23 09:29

用Tensorflow进行线性回归和逻辑回归(一）

这一章告诉你如何用TensorFlow构建简单的机器学习系统。第一部分回顾构建机器学习系统的基础特别是讲函数，连续性，可微性。
lishaoan77·2025-06-23 07:12

AI大模型学习路线（2025最新）神仙级大模型教程分享，非常详细收藏这一篇就够！

第一阶段：基础知识准备在这个阶段，您需要打下坚实的数学基础和编程基础，这是学习任何机器学习和深度学习技术所必需的。1.数学基础线性代数：矩阵运算、向量空间、特征值与特征向量等。
AI大模型-大飞·2025-06-23 06:10

LightGBM 与 XGBoost 深度解析：从基础原理到实战优化

LightGBM与XGBoost深度解析：从基础原理到实战优化引言梯度提升机(GradientBoostingMachine,GBM)及其衍生算法，如XGBoost和LightGBM，是当今机器学习领域中应用最为广泛且效果卓越的监督学习模型之一
爱看烟花的码农·2025-06-23 06:34

基于Python的智能家电参数爬虫与比对系统开发实战

我们将使用异步爬虫框架、机器学习辅助解析、大数据存储等技术，实现从多个电商平台自动采集家电参数，并进行智能比对分析。
Python爬虫项目·2025-06-23 03:49
上一页 6 7 8 9 10 11 12 13 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他