PySpark机器学习

机器学习

人工智能三要素：数据、算力、算法机器学习定义机器学习是一门从数据中研究算法的科学学科。
温柔倾怀·2023-12-27 01:13

金融反欺诈项目

构建信用卡反欺诈预测模型本项目需解决的问题本项目通过利用信用卡的历史交易数据，进行机器学习，构建信用卡反欺诈预测模型，提前发现客户信用卡被盗刷的事件。
不会忘的名字·2023-12-27 01:24

牛客数组集合

二、使用步骤1.引入库2.读入数据总结前言提示：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，本文就介绍了机器学习的基础内容。
晴山ぺ·2023-12-27 00:35

python红酒数据提取与分析

 #使用的数据来源是UCI机器学习库中的红酒数据集（WineQualityDataSet）。
li0210·2023-12-27 00:25

基于随机森林模型的红酒品质分析

1.1数据集基本信息1.2数据具体情况1.3导入数据集二、预处理和探索2.1查看数据基本情况2.2处理数据集2.3探索特征属性和目标属性的相关性2.4清洗数据2.5选取训练和测试数据2.6标准化处理三、机器学习建模
mumumuw·2023-12-27 00:54

阿里云服务器可以做什么？阿里云服务器十大应用场景

搭建网站需要服务器、手机APP需要服务器支撑、小程序需要服务器、数据库运行在服务器上、机器学习深度学习需要GPU服务器、运行Python爬虫需要服务器支撑、短视频流
gla2018·2023-12-27 00:17

Python 新规范 pyproject.toml 完全解析

：Django这个Python生态的顶级项目在5个月之前开始使用pyproject.tomlPytest这个Python生态测试框架的领头羊在4个月之前开始使用pyproject.tomlSciPy这机器学习的库也在
carmen_山海·2023-12-26 23:45

开发者都能玩转的大模型训练

前言看了刚结束的亚马逊云科技2023re:Invent大会，了解到AmazonSageMakerCanvas是亚马逊云科技最近刚推出的一种完全托管的机器学习服务，开发者通过AmazonSageMakerCanvas
亚马逊云开发者·2023-12-26 23:54

国产商汤的的Copilot到底有多好用？

在此基础上，借助于GitHub庞大的代码库和来自全球的开源社区帮助，搭配OpenAI在自然语言处理以及机器学习方面的实力，Copilot成为了开发者的得力助手，为建议代码、生成代码等提供了新的功能。
苍山有雪，剑有霜·2023-12-26 22:14

【指纹识别系统】数据集收集与测试用例说明

基于机器学习系统构成基础的构建要素，下面给出三个基本环节。录入指纹收集生物识别信息，生成身份识别模型，用例测试与验证三个基本环节。
茉莉使者·2023-12-26 22:20

为什么超级自动化在网络安全中变得至关重要？

这包括但不限于人工智能（AI）、机器学习（ML）、机器人流程自动化（RPA）、智能业务管理软件和高级分析工具。超级自动化旨在通过使用AI和ML来增强RPA的能力，实现业务流程的最大程度自动化。
RPA中国·2023-12-26 21:02

TensorFlow是什么

TensorFlow是什么Tensorflow是一个Google开发的第二代机器学习系统，克服了第一代系统DistBelief仅能开发神经网络算法、难以配置、依赖Google内部硬件等局限性，应用更加广泛
不做梵高417·2023-12-26 20:59

《Machine Learning in Action》—— 女同学问Taoye，KNN应该怎么玩才能通关

这篇是机器学习系列文章所涉及到的第六篇文章了，前面已经介绍过了支持向量机SVM以及决策树算法，一个躲在小房间里认真阅读过的读者应该对他们都有了一定的认识，算法的过程和原理也都大致了解了。
玩世不恭的Coder·2023-12-26 20:40

第四周：机器学习知识点回顾

前言：讲真，复习这块我是比较头大的，之前的线代、高数、概率论、西瓜书、樱花书、NG的系列课程、李宏毅李沐等等等等…那可是花了三年学习佳实践下来的，现在一想脑子里就剩下几个名词就觉得废柴一个了，朋友们有没有同感，高中的留给高中老师，大学的给大学老师，研究生的留给谁了呢~但是呢，想想我马上要成为风口上的众多马上飞起的(*￣(oo)￣)，不说废话，撸起袖子开干！！！tips:不做具体视频课程学习，基本会
女王の专属领地·2023-12-26 19:09

机器学习（11）——非线性SVM

前言：上一篇介绍了线性SVM还有一些尾巴没有处理，就是异常值的问题。软间隔线性可分SVM中要求数据必须是线性可分的,才可以找到分类的超平面,但是有的时候线性数据集中存在少量的异常点,由于这些异常点导致了数据集不能够线性划分;直白来讲就是:正常数据本身是线性可分的,但是由于存在异常点数据,导致数据集不能够线性可分。我们需要对上一章的SVM算法模型就行改进，对于每个样本只需要引入松弛因子η，使得样本到
飘涯·2023-12-26 18:36

大语言模型入门要点

引言作为一名见证了大语言模型(LLM)兴起的机器学习工程师，我发现理解LLM相关的生态系统如何发展是令人生畏的。每周，我都会在社交媒体上看到与LLM相关的新工具和技术。
Garry1248·2023-12-26 16:34

机器学习每日论文速递[08.01]

同步wx号(arXiv每日论文速递)，支持后台回复'search关键词'查询相关的最新论文。有些许帮助的话，麻烦关注一下哦(*￣rǒ￣)cs.LG方向，今日共计47篇[cs.LG]：【1】OnMutualInformationMaximizationforRepresentationLearning标题：表征学习中的互信息最大化问题作者：MichaelTschannen,MarioLucic链接：
arXiv每日论文速递·2023-12-26 16:49

机器学习笔记 - 线性判别分析(LDA)的原理和应用

一、LDA简述线性判别分析（LDA）是监督机器学习中用于解决多类分类问题的一种方法。LDA通过数据降维来分离具有多个特征的多个类。这项技术在数据科学中很重要，因为它有助于优化机器学习模型。
坐望云起·2023-12-26 15:32

机器学习新手如何应对数据集不平衡的情况？

1、增加少数类别的样本数量，可以通过复制样本或使用SMOTE（SyntheticMinorityOver-samplingTechnique）等技术生成新的样本2、减少多数类别的样本数量，可以通过随机删除样本或使用CV（Cross-Validation）等技术3、使用专门处理不平衡数据的算法4、使用集成学习方法，如Bagging、Boosting等
王永翔·2023-12-26 15:25

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·2023-12-26 15:25

朴素贝叶斯

概率论是许多机器学习算法的基础。贝叶斯算法是一类算法，这是一类以条件概率的计算为核心进行分类的算法，而朴素贝叶斯算法是其中最简单的概率分类器。
南太湖小蚂蚁·2023-12-26 15:39

计算机视觉五大技术

计算机视觉实际上是一个跨领域的交叉学科，包括计算机科学（图形、算法、理论、系统、体系结构），数学（信息检索、机器学习），工程学（机器人、语音、自然语言处理、图像处理），物理学（光学），生物学（神经科学）
人工智能小豪·2023-12-26 15:01

机器学习错误记录231225

报错：urllib.error.URLError:这个错误通常是由于网络连接问题引起的。可能是因为您的网络连接不稳定，或者您正在尝试连接的网址无法访问问题：服务器不能访问网络
ihan1001·2023-12-26 15:29

轻易云AI-AIGC技术发展和应用方向

AIGC技术是机器学习和自然语言处理等技术的结合，通过对海量数据的学习和分析，可以让计算机模拟人类的创造力和判断力，自动生成符合人类需求的内容。
树下熊猫·2023-12-26 15:52

Pytorch深度强化学习2-1：基于价值的强化学习——DQN算法

同时，辅以各种机器学习、数据处理技术，扩充人工智能的底层知识。详情：《Pytorch深度强化学习》1基于价值的强化学习根据不动点定理，最优策略和最优价值函数是唯一
Mr.Winter`·2023-12-26 14:40

【机器学习】深度学习与神经网络

1人工神经网络（ArtificialNeuralNetwork,ANN）感知机：激励函数f(·)，也称转移函数、传输函数或限幅函数，其作用是将可能的无限域变换到指定的有限范围内进行输出。常用的激励函数：多层感知机：输入层：接收输入信号的层。输出层：产生输出信号的层。中间层称为隐含层，不直接与外部环境打交道。隐含层的层数可从零到若干层。实际情况中，层与层之间可能有部分连接的情况。激励函数应是非线性的
qq_1532145264·2023-12-26 13:43

【AI】人工智能复兴的推进器之神经网络

LongShort-TermMemory）四、2个经典模型的案例4.1多层感知器（MLP）4.2卷积神经网络（CNN）欢迎参考我之前的文章：【AI】人工智能复兴的推进器之自然语言处理-CSDN博客【AI】人工智能复兴的推进器之机器学习
giszz·2023-12-26 13:42

python机器学习算法书籍代码-赵志勇

Python-Machine-Learning-Algorithm:Python-Machine-Learning-Algorithm(github.com)基于python3.8mechine-learning-aigorithn:python机器学习算法代码
finbarr45·2023-12-26 13:07

用于药物发现的知识图谱

一个项目是**KDD2023_KaGML_DrugDiscovery_Tutorial**，它是一个关于药物发现的教程，介绍了如何使用知识增强的图机器学习（KaGML）来进行药物发现¹。
LRJ-jonas·2023-12-26 12:48

不同领域环境中的“组分分析”

**主成分分析（PCA）**：在统计学和机器学习领域，主成分分析是一种
LRJ-jonas·2023-12-26 12:46

2-7节 k-近邻算法|手写识别系统|机器学习实战-学习笔记

文章原创,最近更新：2018-08-11本章节的主要内容是:重点介绍项目案例1:手写识别系统的完整代码。1.KNN项目案例介绍:项目案例2:手写识别系统项目概述:构造一个能识别数字0到9的基于KNN分类器的手写数字识别系统。需要识别的数字是存储在文本文件中的具有相同的色彩和大小：宽高是32像素*32像素的黑白图像。开发流程：收集数据：提供文本文件。准备数据：编写函数img2vector(),将图像
努力奋斗的durian·2023-12-26 12:21

[转] Julia 高性能动态编程语言入门

而且其天生的高性能、通用性与专业性使得其非常适用于科学数值计算、机器学习项目等前沿场景。我看完这个消息以后也迫不及待想尝试一下。注：本文原载于MyPerso
程序员泥瓦匠·2023-12-26 11:39

基于机器学习算法的数据分析师薪资预测模型优化研究（文末送书）

‍♂️个人主页：@艾派森的个人主页✍作者简介：Python学习者希望大家多多支持，我们一起进步！如果文章对你有帮助的话，欢迎评论点赞收藏加关注+目录一、实验背景二、实验内容及数据2.1数据来源2.2变量描述三、数据处理3.1导入模块和数据3.2数据清洗四、构建模型4.1导入模块和数据4.2变量转换4.2建立模型五、模型预测六、实验总结文末推荐与福利一、实验背景目前，随着科技与经济的进步，我国高校不
艾派森·2023-12-26 11:11

机器学习 (第9章 概率图模型)

一、学习目标1.学习概率图模型中两种重要的模型：贝叶斯网络和马尔科夫随机场2.学习使用概率图模型去进行实际问题的学习与推断3.学习近似推断二、贝叶斯网络概率图模型基于图，而图这种数据结果分为两种：有向图和无向图，针对有向（无环）图结构，实现的是贝叶斯网络，针对无向图，则为马尔可夫随机场。1.有向无环图根据图中每个结点不同，可提取出不同的相关结点，如以x3为例2.联合概率分布我们之所以搞出这么一个图
komjay·2023-12-26 11:56

机器学习中的强学习器：AdaBoost算法详解

目录1.引言2.AdaBoost的基本概念2.1弱学习器2.2错误率与权重更新3.AdaBoost的工作流程3.1初始化权重3.2训练弱学习器3.3更新样本权重3.4构建强学习器4.AdaBoost的优缺点4.1优点4.2缺点5.应用场景5.1图像识别5.2语音处理5.3生物信息学5.4金融欺诈检测5.5医学图像分析5.6其他领域6.AdaBoost与其他算法的比较6.1AdaBoostvs.Ba
轩Scott·2023-12-26 11:21

机器学习之数据扩充

为什么要进行数据扩充数据扩充在机器学习中扮演着重要的角色，原因如下：1.解决数据稀缺问题：数据量不足:在实际应用中，获取大量高质量标记数据可能很困难或昂贵。
贾斯汀玛尔斯·2023-12-26 11:21

人工智能_机器学习073_SVM支持向量机_人脸识别模型建模_预测可视化_网格搜索交叉验证最优化参数对比---人工智能工作笔记0113

接着上一节来说,可以看到我们已经找到了合适的参数,然后我们可以看一下这里gc.best_params_就可以打印出最合适的参数然后我们把最合适串按说填入到代码中,然后进行计算,看看得分可以看到得分,训练数据是1.0然后测试数据得分是0.7857...对吧
脑瓜凉·2023-12-26 11:50

利用Milvus Cloud和LangChain构建机器人：一种引人入胜且通俗易懂的方法

在这个过程中，人工智能（AI）和机器学习（ML）技术起到了关键作用。Milvus和LangChain就是这样一对强大的组合，它们共同为机器人的构建提供了强大的支持。
LCHub低代码社区·2023-12-26 10:31

2020-06-25 One-hot编码

而用基于数学运算的机器学习方法，无法处理。这时，需要换一种方式来表示数据。对于某个特定应用来说，如何找到最佳数据表示，这个问题被称为特征工程。
大师_cfab·2023-12-26 10:30

20231204 云原生产品测试信息整理

第一：云原生图谱云原生：后端技术，AI、机器学习、边缘计算等领域。主要体现在云端环境、微服务架构、服务网格、Devops自动化交付、容器化部署这几个方面。
邵婧萱（金生水起万缘和合）·2023-12-26 09:15

生物信息神奇网站系列（十二）：机器学习数据集

天天都被媒体的大数据，机器学习，人工智能忽悠，但是常言道“巧妇难为无米之炊”，要实现这些，数据才是重点；有时候想测试一些算法，手头没有现成的测试数据也比较麻烦。
基因学苑·2023-12-26 09:34

回答同学的提问，机器学习中常见的目标函数，优化器，损失函数的概念，联系

换句话说目标函数（objectivefunction）是机器学习
小桥流水---人工智能·2023-12-26 09:20

【机器学习】Boosting算法-梯度提升算法（Gradient Boosting）

一、原理梯度提升算法是一种集成学习方法，它可以将多个弱分类器或回归器组合成一个强分类器或回归器，提高预测性能。梯度提升算法的核心思想是利用损失函数的负梯度作为残差的近似值，然后用一个基学习器拟合这个残差，再将其加到之前的模型上，从而不断地减小损失函数的值。梯度提升算法有以下几个特点：梯度提升算法可以用任何可微分的损失函数，如平方误差、绝对误差、交叉熵等，这使得它比其他基于指数损失函数的算法更加灵活
十年一梦实验室·2023-12-26 09:18

《Mamba: Linear-Time Sequence Modeling with Selective State Spaces》阅读笔记

Linear-TimeSequenceModelingwithSelectiveStateSpaces》利用选择性状态空间的线性时间序列建模作者AlbertGu和TriDaoAlbertGu来自卡内基梅隆大学机器学习系
AncilunKiang·2023-12-26 09:38

用最通俗易懂的语言讲解 人工智能AI 机器学习基础 视频ppt

大家好，首先要感谢支持我的朋友啊，第一次录制视频，没想到那么多朋友喜欢，但是之前录制的视频，好多朋友反映视频里的ppt看不太清，由于第一次录制，经验太少，所以我把ppt单独发文章给大家，感兴趣的朋友记得关注我哦我的视频主要是想让不懂人工智能但想快速了解的朋友能够有帮助，尽量不用数学公式去讲解，用我自理理解的语言去讲解，所以内容会显得很浅显，不会太深奥，因为不是纯专业的方式讲解，如果以后有需要，我也
白手起家的百万富翁·2023-12-26 08:56

2024到2034年，未来十年网络安全的三大趋势

文章目录前言一、物联网安全二、AI、机器学习和网络安全三、量子计算与网络安全总结前言随着技术的不断进步，网络安全威胁变得越来越复杂和频繁，组织必须保持技术领先才能避免受到网络安全威胁。
岛屿旅人·2023-12-26 08:20

机器学习基础整理(第2章) - 模式分类

文章目录什么是模式识别/分类器？基础模型-模式分类器监督和非监督分类器贝叶斯决策规则最小误差(MinimumError)最小风险(MinimumRisk)最小损失和最小风险的关系Neyman-Pearson决策规则判别函数(DiscriminantFunction)线性判别函数(LinearDiscriminantFunctions)线性机分段线性判别函数(PiecewiseLinearDiscr
王踹踹·2023-12-26 08:40

模式识别与机器学习第三章

一、线性判别函数1.两类问题的判别函数若这些属于ω1和ω2两类的模式可用一个直线方程d(x)=0来划分，d(x)=w1x1+w2x2+w3=0d(x)称为两类模式的判别函数；d(x)=0称为决策面/判别界面方程。用判别函数进行模式分类依赖的两个因素：（1）判别函数的几何性质：线性的和非线性的函数。（2）判别函数的系数：判别函数的形式确定后，主要就是确定判别函数的系数问题。2.n维线性判别函数的一般
露(^_^)·2023-12-26 08:40

【模式识别与机器学习】——2.2正态分布模式的贝叶斯分类器

出发点：当已知或者有理由设想类概率密度函数P(x|ωi)是多变量的正态分布时，上一节介绍的贝叶斯分类器可以导出一些简单的判别函数。由于正态密度函数易于分析，且对许多重要的实际应用又是一种合适的模型，因此受到很大的重视。（贝叶斯分类规则是基于统计概念的。如果只有少数模式样本，一般较难获得最优的结果）正态分布模式的贝叶斯判别函数具有M种模式类别的多变量正态类密度函数为：其中，每一类模式的分布密度都完全
weixin_30421809·2023-12-26 08:09

机器学习之贝叶斯判别和分类器

贝叶斯分类器贝叶斯分类器是各种分类器中分类错误概率最小或者在预先给定代价的情况下平均风险最小的分类器。它的设计方法是一种最基本的统计分类方法。其分类原理是通过某对象的先验概率，利用贝叶斯公式计算出其后验概率，即该对象属于某一类的概率，选择具有最大后验概率的类作为该对象所属的类。如果密度估计值收敛到真密度，则分类器成为贝叶斯分类器使用无穷样本由此产生的误差是贝叶斯误差，即给定基本分布的最小可实现误差
頔潇·2023-12-26 08:35
上一页 86 87 88 89 90 91 92 93 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他