PySpark机器学习

2023春季李宏毅机器学习笔记 05 ：机器如何生成图像

资料课程主页：https://speech.ee.ntu.edu.tw/~hylee/ml/2023-spring.phpGithub：https://github.com/Fafa-DL/Lhy_Machine_LearningB站课程：https://space.bilibili.com/253734135/channel/collectiondetail?sid=2014800一、图像生成常
女王の专属领地·2024-01-05 11:10

34、使用Scikit-Learn进行特征选择

在本文中，您将了解如何在使用scikit-learn库创建机器学习模型之前选择数据中的属性。选择功能特征选择是一个过程，您可以自动选择数据中对您感兴趣的预测变量或输出贡献最大的那些特征。
攻城狮笔记·2024-01-05 10:02

AI：117-基于机器学习的环境污染影响评估

欢迎订阅支持，正在不断更新中~一.基于机器学习的环境污染影响评估随着全球工业化和城市化的加速发展，环境污染问题日益凸显，对人类生存和健康造
一见已难忘·2024-01-05 10:41

数据挖掘与数据分析的主要区别是什么

数据挖掘是指通过应用统计学、机器学习等方法，自动发现数据中隐藏的模式、关
qingyunliushuiyu·2024-01-05 09:16

联邦学习将如何影响您的日常生活？

人工智能(AI)被认为是下一次工业革命的最大创新之一，其中包括机器学习。另一方面，随着原油和电力成为现代工业的基础资源，数据成为人工智能和机器学习的关键要素。
CyberVein·2024-01-05 08:25

2023 IoTDB Summit：清华大学软件学院长聘副教授龙明盛《IoTDB 新组件：内生机器学习》...

12月3日，2023IoTDB用户大会在北京成功举行，收获强烈反响。本次峰会汇集了超20位大咖嘉宾带来工业互联网行业、技术、应用方向的精彩议题，多位学术泰斗、企业代表、开发者，深度分享了工业物联网时序数据库IoTDB的技术创新、应用效果，与各行业标杆用户的落地实践、解决方案，并共同探讨时序数据管理领域的行业趋势。我们邀请到清华大学软件学院长聘副教授龙明盛参加此次大会，并做主题报告——《IoTDB新
Apache IoTDB·2024-01-05 08:38

李沐机器学习系列4---全连接层到卷积

1从全连接到卷积1.1平移不变性从概率分布的角度来看卷积的定义,f(τ)f(\tau)f(τ)是概率密度，g(t−τ)g(t-\tau)g(t−τ)是在这个分布下的均值(f∗g)(t)=∫−∞∞f(τ)g(t−τ)dτ(f*g)(t)=\int_{-\infin}^{\infin}f(\tau)g(t-\tau)d\tau(f∗g)(t)=∫−∞∞f(τ)g(t−τ)dτ2图像卷积2.1互相关运算
expectmorata·2024-01-05 08:01

人机交互不是人机融合智能

人机融合智能涉及到人工智能、机器学习、深度学习等技术，通过对人类的认知、情感、行为等方面进行模
人机与认知实验室·2024-01-05 08:00

图像识别的技术前沿：人工智能与机器学习的融合

图像识别的技术前沿在于人工智能（AI）与机器学习（ML）的融合。这种融合使得图像识别系统能够从大量数据中自动学习并识别出各种模式，从而在复杂和动态的环境中实现更高的准确性和鲁棒性。
matlabgoodboy·2024-01-05 08:00

Pytorch Overview

目录学习目标：要求：监督学习和无监督学习：深度学习基本方法：经典的机器学习方法:表示学习的改进：为什么要进行特征提取：深度学习的改进：深度学习的发展：神经网络的简单介绍：深度学习算法的三大支撑：学习目标
丘小羽·2024-01-05 07:36

机器学习---PCA案例

1.PCAimportnumpyasnpfromsklearn.decompositionimportPCAimportmatplotlib.pyplotaspltfromsklearn.datasetsimportload_digitsdefpca(dataMat,topNfeat=9999999):meanVals=np.mean(dataMat,axis=0)#去除平均值，实现数据中心化me
三月七꧁ ꧂·2024-01-05 07:29

【机器学习前置知识】共轭分布

贝叶斯概率公式的组成贝叶斯定理的概率公式：P(θ∣X)=P(X∣θ)P(θ)P(X)P(θ|X)={P(X|θ)P(θ)\over{P(X)}}P(θ∣X)=P(X)P(X∣θ)P(θ)先验分布P(θ)P(θ)P(θ)：参数的先验分布是指在观测到新的数据之前，根据已有的知识或以往的经验对参数的估计。假如P(θ)P(θ)P(θ)为估计抛一次硬币中正面向上的概率，我们在不知道硬币质地是否均匀的情况下是
Axlsss·2024-01-05 07:58

什么是机器学习?

国际机器学习大会的创始人之一TomMitchell对机器学习的定义是:计算机程序从经验E中学习,解决某一任务T,进行某一性能度量P,通过P测定在T上的表现因经验E而提高.特征(feature),自变量标签
草明·2024-01-05 07:22

【机器学习】卷积神经网络（五）-计算机视觉应用

七、应用-计算机视觉7.1人脸检测DenseBox\Femaleness-Net\MT-CNN\CascadeCNN介绍VJ框架的分类器级联用于卷积网络用于人脸检测的紧凑卷积神经网络级联问题：作者希望实时检测高分辨率视频流中的正面，由于人脸图像和背景的多样性和复杂性，这具有挑战性。解决方案：作者提出了三个卷积神经网络(CNN)的级联，其参数很少，并且可以在移动GPU上高效运行。结果：作者表明，他们
十年一梦实验室·2024-01-05 07:22

机器学习---clustering

1.生成不同类型的数据集导入必要的库：importnumpyasnpimportmatplotlib.pyplotaspltfromsklearn.clusterimportKMeansfromsklearn.datasetsimportmake_blobs代码中导入了NumPy用于数组操作，matplotlib.pyplot用于绘图，KMeans用于聚类算法，make_blobs用于生成模拟数据
三月七꧁ ꧂·2024-01-05 07:19

吴恩达机器学习笔记（1）——单变量线性回归

上一个笔记，我们大概了解了什么是机器学习以及机器学习的两个重要的分类，本篇笔记将带领大家了解机器学习的第一个模型——线性回归例题为了让大家更加直观的理解这个模型，我们引入一个例题，我们有一组波特兰市的城市住房的价格数据
机智的神棍酱·2024-01-05 06:35

详解机器学习算法基础--K近邻算法

K近邻算法属于监督学习。监督学习是指给定我们的数据集是含有lable的，比如著名的iris数据集，就给定了我们每一个数据所属的类别，通俗一点讲，我们拿到一个数据，对应一个特征。K近邻算法我们可以认为是一个不需要训练过程的算法，也就是说，我们不需要去训练模型，从某种意义上来说，算法即是模型本身K近邻算法是什么？用来做什么?K近邻算法就是通过distance来寻找最近的样本，获取我们传入数据的labe
quzah·2024-01-05 06:44

机器学习：6.机器学习 --- K近邻

第1关：KNN原理1、下列说法正确的是？A、kNN算法的预测效率与训练集的数量有关B、kNN算法只能用于二分类C、kNN算法只能用于回归D、kNN算法属于监督学习AD2、下列说法错误的是:A、kNN算法的训练阶段需要构建模型B、kNN算法中k这个参数可以根据实际情况来调整C、kNN算法支持多分类D、kNN算法不属于无监督学习A第2关：K近邻再识1、k近邻方法有几个参数？A、1B、2C、3D、4A2
HNU岳麓山大小姐·2024-01-05 06:43

字节跳动 Spark 支持万卡模型推理实践

摘要：本文整理自字节跳动基础架构工程师刘畅和字节跳动机器学习系统工程师张永强在本次CommunityOverCodeAsia2023中的《字节跳动Spark支持万卡模型推理实践》主题演讲。
字节跳动云原生计算·2024-01-05 06:09

机器学习 -- k近邻算法

所以必须要看看机器学习这一块。今天看了很久，做个总结。机器学习分为深度学习和传统机器学习深度学习深度学习模型通常非常复杂，包含多层神经网络，每一层都包含大量的神经元（节点）。
北堂飘霜·2024-01-05 06:39

Deepfacelab 训练参数详解，从入门到精通。值得收藏

导言训练时有许多参数，对不懂机器学习的萌新来说简直就是天书本篇教程就带大家揭开训练时各参数的含义与效果，同时给出建议数值我尽量用通俗易懂的语言来解释每一条参数的作用，不需要机器学习基础也能看懂。
niaoma·2024-01-05 06:49

机器学习原理到Python代码实现之LinearRegression

LinearRegression线性回归模型该文章作为机器学习的第一篇文章，主要介绍线性回归模型的原理和实现方法。
神仙盼盼·2024-01-05 06:15

Python_PySpark实战

1.PySpark库的安装清华大学源：pipinstall-ihttps://pypi.tuna.tsinghua.edu.cn/simplepyspark2.构建PySpark执行环境入口对象"""演示获取
Hooray11·2024-01-05 05:48

【AI】人工智能的五大技术

人工智能的五大技术计算机视觉应用场景：医疗成像分析、人脸识别、安防及监控、购物机器学习应用场景：数据分析NLP应用场景：识别垃圾邮件机器人目前机器人按应用场景分为三个类别：工业级机器人监护级机器人探险级机器人语音识别
火禾子_·2024-01-05 05:09

介绍MATLAB的主要用途和特点

MATLAB（矩阵实验室）是一种高级技术计算和可视化软件，主要用于数值计算、数据分析、信号处理、图像处理、控制系统设计、仿真、优化和机器学习等各种工程和科学应用。
中微子%5·2024-01-05 05:39

什么是CHATGPT

ChatGPT是一个基于大型变换器模型（Transformermodel）的对话AI，它通过机器学习的方法训练，能够生成人类般的文本。
nai598455803·2024-01-05 04:15

【Python机器学习】评估模型

以鸢尾花数据为例，将测试数据中的每朵鸢尾花进行预测，并将预测结果与已知标签结果进行对比，可以计算精度来衡量模型的优劣。精度就是品种预测正确的结果占比。importnumpyasnpfromsklearn.datasetsimportload_irisfromsklearn.model_selectionimporttrain_test_splitfromsklearn.neighborsimpor
zhangbin_237·2024-01-05 03:24

【Python机器学习】理论知识：分类与回归

监督机器学习问题主要有两种：分类、回归。分类问题的目标是类别标签，这些标签主要是来自于预定义的可选列表。
zhangbin_237·2024-01-05 03:24

【Python机器学习】理论知识：泛化、过拟合、欠拟合

在监督学习中，想要在训练数据上构建模型，然后对没见过的新数据做出准确预测，如果一个模型能够对没见过的数据做出准确预测，我们就说它可以从训练集泛化到测试集。判断一个算法在新数据上表现好坏的唯一度量，就是在测试集上的评估。如果构建了一个对于现有数据量来说过于复杂的模型，这被称为过拟合。如果模型过于简单，不能抓住数据的全部内容以及数据中的变化，甚至在训练集上的表现就很差，就被称为欠拟合。模型越复杂，在训
zhangbin_237·2024-01-05 03:24

未来工厂中的人工智能：人工智能加速制造成果规模化的 5 种方式

随着机器学习、机器人和自动化的进步，未来的工厂正在迅速发展，变得比以往更加智能、高效和自给自足。以下是机器学习与人工智能合作加速制造成果的五种方式，以及采用这些技术可能
万俟淋曦·2024-01-05 03:51

P问题、NP问题、NPC问题和NP-hard问题详解

文章目录时间复杂度确定性算法与非确定性算法P类问题(Polynomial)-NP问题的子集NP问题(Non-deterministicPolynomial)-NPC问题的子集NPC问题NP难问题机器学习中的过拟合与
KikuWong·2024-01-05 03:18

【Python机器学习】k近邻——k近邻分类

k-NN算法最简单的版本是只考虑一个最近邻，也就是想要预测的数据点最近的训练数据点，预测结果就是这个训练数据点的已知输出。除了仅考虑最近邻，还可以考虑任意（k个）邻居，这也是k近邻算法名字的由来。在考虑多余一个邻居的情况时，用‘投票法’来制定标签，也就是对于每个测试点，计算多少个邻居属于类别0、多少个属于类别1，然后将次数更多的类别作为预测结果。importmglearn.datasetsimpo
zhangbin_237·2024-01-05 03:47

10.gitchat训练营-决策树——既能分类又能回归的模型

1.什么是决策树决策树是一种非常基础又常见的机器学习模型。
风吹柳_柳随风·2024-01-05 03:59

Week9

这是机器学习算法的一个常见应用。这种算法的一个有趣之处在于：它虽然主要用于非监督学习问题，但从某些角度看，它又类似于一些监督学习问题。什么是异常检测呢？为了解释这个
kidling_G·2024-01-05 03:53

第八届核磁机器学习班（训练营：2023.11.6~11.18）

茗创科技专注于脑科学数据处理，涵盖（EEG/ERP,fMRI,结构像,DTI,ASL,FNIRS）等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑电课程，数据处理服务及脑科学工作站销售业务，可添加我们的工程师（微信号MCKJ-zhouyi或17373158786）咨询。★课程简介★基于血氧水平依赖的功能磁共振成像(fMRI)技术,利用其数据构建的功能性脑网络后,发现脑并不是一个单纯对外界刺激进行
茗创科技·2024-01-05 03:05

机器学习（四） -- 模型评估（2）

系列文章目录机器学习（一）--概述机器学习（二）--数据预处理（1-3）机器学习（三）--特征工程（1-2）机器学习（四）--模型评估（1-4）未完待续……目录系列文章目录前言三、分类模型评估指标1、错误率与精度
₫从心·2024-01-05 02:23

【数据集】-独立同分布

独立同分布在传统的机器学习中，通常假设数据是从同一个分布中独立采样得到的。这意味着训练数据集中的样本之间是相互独立的，并且这些样本都是从同一个真实分布中采样得到的。
ihan1001·2024-01-05 02:47

机器学习模型评价指标

机器学习模型评价指标可以分为以下几类：1.分类模型评价指标：-准确率（Accuracy）：模型正确分类的样本占总样本数量的比例。
亦旧sea·2024-01-05 00:06

介绍

尽管机器学习(ML)不是一项新技术，但过去几年技术和算法的改进使其成为技术的前沿，使其成为解决复杂问题最令人兴奋和最有前途的工具之一。
启辰·2024-01-05 00:04

Scikit-Learn线性回归(五)

Scikit-Learn岭（Ridge）回归4、Scikit-LearnLasso回归1、误差与模型复杂度在第二篇文章Scikit-Learn线性回归(二)中，我们已经给出了过拟合与模型泛化的概念并使用案例进行了验证在机器学习中
对许·2024-01-05 00:28

创作活动（七十一）———编程语言未来的发展方向

编程语言的发展趋势1.人工智能和机器学习：随着人工智能和机器学习技术的不断发展，编程语言将需要更好地支持这些技术。这意味着编程语言需要提供更强大的数据处理和分析能力，以及更高效的算法和模型。
瑞崽崽崽·2024-01-05 00:32

【机器学习基础】正则化

专栏：机器学习欢迎订阅！后面的内容会越来越有意思~⭐特别提醒：针对机器学习，特别开始专栏：机器学习python实战欢迎订阅！
为梦而生~·2024-01-04 23:17

【机器学习基础】决策树（Decision Tree）

专栏：机器学习欢迎订阅！后面的内容会越来越有意思~⭐特别提醒：针对机器学习，特别开始专栏：机器学习python实战欢迎订阅！
为梦而生~·2024-01-04 23:17

【机器学习基础】K-Means聚类算法

专栏：机器学习欢迎订阅！相对完整的机器学习基础教学！⭐特别提醒：针对机器学习，特别开始专栏：机器学习python实战欢迎订阅！
为梦而生~·2024-01-04 23:17

【机器学习基础】机器学习的模型评估（评估方法及性能度量原理及主要公式）

专栏：机器学习欢迎订阅！
为梦而生~·2024-01-04 23:47

【机器学习基础】DBSCAN

专栏：机器学习欢迎订阅！相对完整的机器学习基础教学！⭐特别提醒：针对机器学习，特别开始专栏：机器学习python实战欢迎订阅！
为梦而生~·2024-01-04 23:45

AI和机器学习让地震预测朝着更准确的方向迈进了一步；2024年机器学习领域的突破

AI新闻AI和机器学习让地震预测朝着更准确的方向迈进了一步摘要：通过机器学习研究断层线的慢地震信号以及使用AI技术分辨地震信号和其他地质学噪声，科学家们在地震预测方面取得了突破。
go2coding·2024-01-04 23:44

基于Segformer实现PCB缺陷检测(步骤 + 代码)

利用机器学习，特别是Segformer模型，提供自动化且精确的解决方案。实现步骤下面是具体步骤：【1】安装所需环境。首先，我们安装所需的库。其中，albume
Color Space·2024-01-04 23:05

2023-RunwayML-Gen-2 AI视频生成功能发展历程

RunwayML是一个人工智能工具，它为设计师、艺术家和创意人士提供了一种简单的方式来探索和应用机器学习技术。
喜好儿aigc·2024-01-04 22:59

【2024计算机专业毕设免费必过选题】计算机科学/软件工程/大数据等专业最新毕设题目总结、24级毕业生必看选题免费详细讲解、题目不同、难度不同、选好题目很关键。

Python方向：flask/django框架web开发，机器学习、深度学习、python数据分析可视化等方向。微信小程序方向
跟着AI学编程·2024-01-04 21:20
上一页 72 73 74 75 76 77 78 79 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他