web3
STM32驱动WS2812
智能合约
ufs
图像阴影检测
STM32CubeMX
kubernetes
flink 最后一个窗口
美食论坛系统
shell 实现
增强现实
多继承和菱形虚拟继承
多态和虚函数的使用底层实现原理
illustrator
PM项目管理
文档管理
训练数据
SpringBoot项目的创建
电路分析
因果图
机器学习
2024/4/25 3:16:40
人工智能和机器学习技术的应用在企业的转型中扮演的角色越来越好重要
因为 COVID-19 的全球影响，人工智能和机器学习技术的应用在企业的转型中扮演的角色越来越好重要。专家表示，随着企业希望将人工智能用于越来越复杂的应用场景，他们需要采取一种更加以数据为中心的开发方法。 在这里，全球的IT …
工智能之所以成功，也正是因为它恰好踩到了“价值”
强化学习就是，模拟了人类以感受奖惩学习成果的奖励机制，抽象出来的模型。深度强化学习运用神经网络、算法和强化学习模型，把各种算法运用于数据要素的提取与筛选、神经网络和强化学习模型，将所有策略路径到达目标后的最终奖励&…
逻辑回归（对数几率回归）
一 概述
1. 广义线性模型
一般得到的线性模型为: ywTxbyw^TxbywTxb。但是，我们通常希望线性模型的预测值能够逼近 实际值，故会对y进行处理。例如，对数回归：lnywTxbln y w^TxblnywTxb,这里的对数函数起到了将 预测值和实际标记联…
PyTorch保存、加载模型【简单暴力】
pytorch保存模型的方式有两种： 将整个网络都都保存下来仅保存和加载模型参数（推荐使用这样的方法） 代码部分 方法1 # 保存和加载整个模型
torch.save(model_object, model.pkl)
model torch.load(model.pkl)方法2 # 仅保存和加载模型参数(推…
momentum 动量法
参考：https://blog.csdn.net/tsyccnh/article/details/76270707?utm_sourcedistribute.pc_relevant.none-task
如果把梯度下降法想象成一个小球从山坡到山谷的过程，那么前面几篇文章的小球是这样移动的：从A点开始，计算当前A点的…
基于Python——Kmeans聚类算法的实现
1、概述
本篇博文为数据挖掘算法系列的第一篇。现在对于Kmeans算法进行简单的介绍，Kmeans算法是属于无监督的学习的算法，并且是最基本、最简单的一种基于距离的聚类算法。
下面简单说一下Kmeans算法的步骤：
选随机选取K的簇中心࿰…
Python实现PDF文件的一些操作_学习笔记
python中实现对PDF的操作
原文链接：https://zhuanlan.zhihu.com/p/55823723
python作为一种具有相对简单语法的高级解释语言，即使对于那些没有编程经验的人来说，Python也是简单易操作的。强大的Python库让你事半功倍。
在处理文本信息时&a…
python网络爬虫自学笔录1_requests库
1.Requests库的
requests详细介绍 这里面包含了基本的安装下载知识以及使用的描述 Requests库的7个主要方法 关于requests.get()方法的参数设置： 我们一般是封装成自己的函数调用
（1）response对象 Response的对象一般是包含服务器返回的…
python网络爬虫自学笔录7_Scrapy库
（1）Scrapy库 Scrapy是适用于Python的一个快速、高层次的屏幕抓取和web抓取框架，用于抓取web站点并从页面中提取结构化的数据。Scrapy用途广泛，可以用于数据挖掘、监测和自动化测试。
Scrapy吸引人的地方在于它是一个框架…
python切片详细
Python切片索引方式 安装列表a为例：
正向切换检索 最后一个数字是控制正向取值还是反向取值的： 如果我只想取后面几个呢？
SQL刷题:超过经理收入的员工
如题 解析
第一种方法:使用WHERE语句过滤
这张表格里面含有每个雇员经理的信息,我们也需要从这个表里面获取两次信息 SELECT * FROM Employee AS a, Employee AS b;
从两个表里使用 Select 语句可能会导致产生 笛卡尔乘积 。在这种情况下，输出会产生 4*416 个记录…
python怎么和SQL连接上
一、安装方法：
因为我用的是anaconda集成环境，打开anaconda prompt:
二、使用操作
#!/usr/bin/env pytho
# -*- coding:utf-8 -*-
import pymysql# 创建连接
conn pymysql.connect(host127.0.0.1, port3306, userroot, passwd, dbtkq1, charsetutf8…
目标检测算法整理之YOLOV2
YOLOV2网络结构网络输出/数据标注(这里以VOC2012数据集(20个类别)为例)损失函数(每一项参数详细讲解)注：这里面有些图片是自己画的，有些图片来源请看水印哈，在此特别感谢CSDN以及CSDN之外的所有大佬这是YOLO系列的第二篇YOLOV2。我们仍然按照…
回声状态网络Mnist分类
回声状态网络Mnist分类
下载地址 本文主要用ESN网络实现，MNIST手写数字体识别。
实验软件：Matlab2018a
第一部分 Mnist手写数字体的下载
第二部分 MATLAB主程序(main.m)
利用回声状态网络，实现对MNIST手写数字体的识别，采用o…
census介绍与python实现
立体匹配之Census Transform
1、立体匹配算法主要可分为两大类：基于局部约束和基于全局约束的立体匹配算法．
（一）基于全局约束的立体匹配算法：在本质上属于优化算法，它是将立体匹配问题转化为寻找全局能量…
SIFT介绍与matlab+VL_feat实现
目录 sift特征提取步骤 1. 建立高斯差分金字塔 2.关键点（keypoint）位置的确定 3. 去除不好的特征点（非极大值抑制）
一、下载VLFeat的binary包：
二、解压vlfeat-0.9.20-…
201222,成交量异动检测
当前资料为AI智能生成,不作任何投资建议,请自行判断自身风险承受能力 筛选规则说明
获取近3天成交量涨跌幅度获取均值，如果当天的值大于0.4，取均值和当天值的和取最大的30条数据
思进智能,系数10.945
股票代码:003025,净利润同比37.45%,营收同比:19.6…
国机精工,上柴股份,共创草坪,成交量异动检测
当前资料为AI智能生成,不作任何投资建议,请自行判断自身风险承受能力 筛选规则说明
获取近3天成交量涨跌幅度获取均值，如果当天的值大于0.4，取均值和当天值的和取最大的30条数据
国机精工,系数2.687
股票代码:002046,净利润同比51.07%,营收同比:13.33…
浙富控股,上柴股份,宁波热电,成交量异动检测
当前资料为AI智能生成,不作任何投资建议,请自行判断自身风险承受能力 筛选规则说明
获取近3天成交量涨跌幅度获取均值，如果当天的值大于0.4，取均值和当天值的和取最大的30条数据
浙富控股,系数2.597
股票代码:002266,净利润同比128.41%,营收同比:21.4…
20133期大大大分析
推荐内容仅供分析参考,不作为购买建议 所有推送数据基于AI生成,仅供研究学习 上期回顾
20132期大大大开号顺序为：1703162115 0710，机器号：1
20133期篮球分析
篮球[1-12]历史概率分布,18/1、1/2、15/3、14/4、21/5、1/6、1/7、17/8、1/9、2…
210323,闽发铝业,网达软件,以岭药业成交量检测
当前资料为AI智能生成,不作任何投资建议,请自行判断自身风险承受能力 筛选规则说明
获取近3天成交量涨跌幅度获取均值，如果当天的值大于0.4，取均值和当天值的和取最大的30条数据
海欣食品,系数6.11
股票代码:002702,净利润同比432.68%,营收同比:21.57…
21033期分析预测,上期开号顺序为：14+01+35+11+34 10+07
推荐内容仅供分析参考,不作为购买建议 所有推送数据基于AI生成,仅供研究学习 上期回顾
21032期大乐透开号顺序为：1401351134 1007，机器号：3
最新出号
期数红球篮球21032期1,11,14,34,357, 1021031期1,4,19,20,343, 521030期18,23,25,26,32…
深度学习实现象棋_象棋的深度学习
深度学习实现象棋Erik Bernhardsson | 2017年2月2日 (by Erik Bernhardsson | February 2, 2017)About Erik: Dad and CTO (Chief Troll Officer) at a fintech startup in NYC. Ex-Spotify, co-organizing NYC ML meetup, open source sometimes (Luigi, Annoy), blogs random…
数据科学和机器学习_建立数据科学产品组合：机器学习项目
数据科学和机器学习This is the third in a series of posts on how to build a Data Science Portfolio. If you like this and want to know when the next post in the series is released, you can subscribe at the bottom of the page. 这是有关如何构建数据科学产品组合…
python和r数据分析_在大数据分析和数据科学方面，Python会比R更好吗？ #rstats #python
python和r数据分析翻译自: https://www.pybloggers.com/2015/08/is-python-going-to-be-better-than-r-for-big-data-analytics-and-data-science-rstats-python/python和r数据分析
熊猫压缩怎么使用_如何使用熊猫示例选择行和列
熊猫压缩怎么使用In this tutorial we will learn how to use Pandas sample to randomly select rows and columns from a Pandas dataframe. There are some reasons for randomly sample our data; for instance, we may have a very large dataset and want to build our m…
pythonpackages.com Beta发布
After 9 months of development, pythonpackages.com has grand-ceremoniously flipped the switch from alpha to beta. Here is an overview of the beta release features. 经过9个月的开发，pythonpackages.com隆重地将其从alpha转换为beta。 以下是Beta版本功能…
3.机器学习——算法2
文章目录1 线性回归1 定义与公示2 线性回归的损失和优化3 线性回归api介绍4 欠拟合与过拟合5 线性回归的改进6 案例2 分类算法-逻辑回归与二分类1 逻辑回归的原理2 损失以及优化3 逻辑回归API4 案例3 模型保存与加载4 无监督学习-K-means算法1 什么是无监督学习2 K-means聚类步…
机器学习----SVD
本文由LeftNotEasy发布于http://leftnoteasy.cnblogs.com, 本文可以被全部的转载或者部分使用，但请注明出处，如果有问题，请联系wheeleastgmail.com。也可以加我的微博: leftnoteasy 前言： 上一次写了关于PCA与LDA的文章࿰…
生成式和判别式的联系与区别
生成式模型与判别式模型的区别 生成式模型(Generative Model)与判别式模型(Discrimitive Model)是分类器常遇到的概念，它们的区别在于：
对于输入x，类别标签y： 产生式模型估计它们的联合概率分布P(x,y) 判别式模型估计条件概率分布…
VINS-Mono 代码解析三、后端优化 第1部分
【5】后端优化
一、优化部分 前言：IMU预积分
1. 当前帧的位置、速度、旋转: 2. 相邻两帧之间的位置、速度、旋转的变化量 （IMU预积分） 3. IMU预积分的误差分析 4. IMU预积分误差的协方差和Jacobian计算 注意：IMU积分只要给定初始…
IMU误差模型简介及VINS使用说明
1 IMU误差来源 2 IMU噪声模型(Noise and Bias) kalibr中的imu noise model
参考：https://github.com/ethz-asl/kalibr/wiki/IMU-Noise-Model
这里对IMU的噪声模型进行重新的定义，去除其误差模型中的轴偏差和尺度因子，可以将IMU的噪声模型写…
机器学习-ARIMA模型预测
ARIMA模型全称是自回归移动平均模型(Autoregressive Integrated Moving Average Model)，它是处理带有趋势、季节因素平稳随机项数据的模型。ARIMA的一般模型为ARIMA(p,d.q),称为差分自回归移动平均模型，AR是自回归，P为自回归项，MA…
GeForce RTX 3090 with CUDA capability sm_86 is not compatible with the current PyTorch installation.
问题描述
今天遇到了如题所示的一个问题，原因可能是因为 torch 版本的问题。原先我是直接 pip install torch 默认下载最新版本的 torch。
解决方案
删除原来的 torch
pip uninstall torch重新安装 torch
pip install torch1.7.0cu110 torchvision0.8.1cu110 t…
论文阅读之Regularized Evolution for Image Classifier Architecture Search
Regularized Evolution for Image Classifier Architecture Search这篇文章实际上解决的是针对NAS这个问题用EA算法的缺陷，一个很强的motivation是NAS是需要对搜到的网络进行重新训练的，但是即使是一个比较差的网络，在训练的过程中也可能因为…
（二）Semi-supervised（半监督学习）李宏毅
介绍
半监督学习数据：{(xr,y^r)}r1R,{xu}uRRU\{(x^r,\hat{y}^r)\}^R_{r1},\{ x^u\}^{RU}_{uR}{(xr,y^r)}r1R,{xu}uRRU。unlabled的数据集U远大于R。
因此，用于测试集的数据的特征也可以用来进行半监督学习，只不过不能使用它的标签&am…
RTX 3090运行pytorch报错CUDA error: no kernel image is available for execution on the device
安装适用于GeForce RTX 3090显卡的pytorch
pip uninstall torch
pip install torch1.7.0cu110 torchvision0.8.1cu110 torchaudio0.7.0 -f https://download.pytorch.org/whl/torch_stable.html
torch的optim控制可以训练的参数
torch的optim控制可以训练的参数
参考
optimizer optim.SGD(model.fc2.parameters(), lr1e-2) # 只传入fc2的参只训练f2的参数
optimizer torch.optim.SGD([{params: model.parameters()},{params: lossnet.parameters(), lr: 1e-4}], lr, momentum0.9)训练两个模型的参数…
阿尔茨海默病的结构神经影像：脑白质高信号重要吗?
伴随年龄增长的定向脑功能障碍会对认知和智力能力产生严重影响，相当一部分老年人经历严重的认知下降，对功能性活动产生负面影响，这些人符合痴呆的临床诊断，通常归因于阿尔兹海默症（AD）。结构神经影像&#…
联邦学习（电子工业出版社）——读书笔记（7）
第八章 联邦学习与计算机视觉、自然语言处理及推荐系统
联邦学习与计算机视觉
联邦计算机视觉
以资源为中心的深度学习开发模式，一方面确实促进了AI的研究和发展，但另一方面也阻碍了大量小公司对AI技术的使用。由于数据隐私、监管风险、缺乏激励等原因…
基于混合蛙跳算法优化SVM的滚动轴承故障诊断python实现
混合蛙跳算法（SFLA）原理混合蛙跳算法(SFLA)是一种受自然生物模仿启示而产生的基于群体的协同搜索方法，由局部搜索和全局信息交换两部分组成。 混合蛙跳算法中，每个青蛙的位置代表了一个可行解。青蛙在沼泽中跳跃，沼泽在离散的地方有很多石头，青蛙可以跳过这些石头来找到最…
StackOverflow人工智能深度学习问题Top100【面试备用速查】
函数逼近：瓦片编码与高度离散的状态空间有何不同？生成数值概念层次的算法面向目标 C 的 AI换位表会不会导致搜索不稳定Python 中的六角自组织映射“uniform-cost search”算法中的路径如何获取？为什么张量流的 MNIST 教程中 x 变量张量被重塑…
决策树算法和CART决策树算法详细介绍及其原理详解
相关文章
K近邻算法和KD树详细介绍及其原理详解朴素贝叶斯算法和拉普拉斯平滑详细介绍及其原理详解决策树算法和CART决策树算法详细介绍及其原理详解 文章目录相关文章前言一、决策树算法二、CART决策树算法2.1 基尼系数2.2 CART决策树算法总结前言 今天给大家带来的主要内容包…
支付宝集五福最全攻略！「一行黑科技」
虽然我抽不到，但我集的快啊！
大家好，我是懂王。
又到了一年一次的支付宝集五福活动。虽然知道最后可能还是一块钱的结果，但是本懂还是非常积极的参与了该活动，并且找出了各种集五福卡的攻略，万一最后开出…
神经网络的参数范围包括,神经网络的参数范围是
神经网络 的四个基本属性是什么?
神经网络的四个基本属性：（1）非线性：非线性是自然界的普遍特征。脑智能是一种非线性现象。人工神经元处于两种不同的激活或抑制状态，它们在数学上是非线性的。
由阈值神经元组成的网…
神经网络中常见的超参数,神经网络参数个数计算
matlab神经网络函数newlin(pr,S,ID,LR)的参数分别表示什么意思|？
。
newlin创建一线性层，newlin(PR,S,ID,LR)PR--二维矩阵，指出输入的最大和最小值S--输出的个数ID--输入延迟矩阵,系统默认值为[0]LR--学习速率，系统默认值为0.01…
神经网络国内外发展概况,图神经网络和神经网络
bp神经网络研究现状
。
BP网络的误差逆传播算法因有中间隐含层和相应的学习规则，使得它具有很强的非线性映射能力，而且网络的中间层数、各层神经元个数及网络的学习系数等参数可以根据实际情况设定，有很大的灵活性，且能够识别含…
朴素贝叶斯原理及python实现
朴素贝叶斯原理及python实现
朴素贝叶斯原理
如果你压根不知道贝叶斯是啥，建议你先读读如何理解贝叶斯以便更好地读懂本文。
朴素贝叶斯在分类问题中有很广泛的应用。具体是如何应用的呢？
老祖宗贝叶斯公式给出了答案—事件A发生了，是由事…
educoder决策树的构造
第1关：决策树简介
"""
Parameters:dataSet - 训练数据集labels - 分类属性标签featLabels - 存储选择的最优特征标签
Returns:myTree - 决策树
"""
# 函数说明:创建决策树
def createTree(dataSet, labels, featLabels):###########…
educoder 机器学习 --- 线性判别分析
第1关：线性判别分析 - 随机生成数的降维
# encodingutf8
import numpy as np
from numpy.linalg import invdef lda(X, y):input:X(ndarray):待处理数据y(ndarray):待处理数据标签，标签分别为0和1output:X_new(ndarray):处理后的数据# ********* Begin …
educoder 机器学习 --- 逻辑回归
第1关：逻辑回归核心思想
#encodingutf8
import numpy as npdef sigmoid(t):完成sigmoid函数计算:param t: 负无穷到正无穷的实数:return: 转换后的概率值:可以考虑使用np.exp()函数#********** Begin **********#sig 1/(1np.exp(-t))return sig#********** End **…
随机森林算法原理简要总结
①Random Forest 随机森林算法原理： 即bagging法CART算法生成决策树的结合。 R F bagging fully-grown CART decision tree ②bagging法的核心：bootstrap在原始数据集D中选择若干个子数据集Dt，将子数据集单个单个进行决策树生成。
③随机森…
机器学习资源总结 | 含有效视频与博客
1.博客：机器学习算法的基本知识 该博客包括常用的机器学习算法介绍和python代码示例。
2.github总结：较为详细地介绍了常用算法的原理
3.视频：机器学习基石（林轩田） 主要包括机器学习的原理和常用概念的理解介绍&am…
人工智能系列 之机器学习DBSCAN聚类算法
1 介绍 DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一个出现得比较早（1996年），比较有代表性的基于密度的聚类算法。DBSCAN能够将足够高密度的区域划分成簇，并能在具有噪声的空…
论文报告-Linear Regression for face recognition
论文的英文题目、中文题目，作者；
英文题目 : Linear Regression for Face Recognition 中文题目 : 人脸识别的线性回归方法 作者 : Imran Naseem, Roberto Togneri, Mohammed Bennamoun
摘要翻译 本文提出了一种新的人脸识别方法，将模式识别…
k近邻原理及其python实现
k近邻原理及其python实现
k-NN(k-nearest neighbor)，从英语翻译过来就是k个最接近的邻居；我们现在只要有k和最接近这两个概念就行了。接下来笔者将详细介绍其原理，并用python实现k-NN。
kNN原理
k近邻法由Cover和Hart P在1967年提出的一种…
CS224W Lecture6-8笔记
Graph Neural Network
lecture 6,7,8详细介绍了图表示学习中的深度学习方法。之前介绍过Node Embedding，但是都是基于一些很“shallow”的特征，GNN可以帮助我们更高效地学习到更好的node、link、graph embedding。课程中所讲到的GNN都是spatial-based&a…
软件工程应用与实践（11）-Open3D ML（2）
2021SCSDUSC
open3d
Open3D ML是Open3D的一个扩展，用于3D机器学习任务。它建立在Open3D核心库的基础上，并使用机器学习工具对其进行扩展，以进行3D数据处理。要使用它，需要使用PyTorch或TensorFlow安装Open3D，并查看O…
《考试脑科学》读书笔记【图文详解】
《考试脑科学》读书笔记图文详解第一章：记忆究竟是什么1.1 能力只能通过考试来检测吗？1.2 ”神经元“创造出来的脑子1.3 记住与忘记插曲一 色彩心理学①1.4 认识海马体插曲二 色彩心理学②1.5 加油吧！海马体经验之谈一 选择高一时学过的科目对…
钢铁企业煤气系统动态预测与优化调配研究-宋军
钢铁企业煤气系统动态预测与优化调配研究吸收到的知识1.什么是离散事件？2.工业调度问题的研究方法3.能源模型有哪些？4.转炉煤气是很早就开始研究的吗？5.我国对煤气资源调度研究包括什么？6.钢铁企业煤气系统包括什么?7.焦炉、高炉…
推荐系统 理论笔记 二 （数学基础）
线性代数
微积分 梯度是一个向量，向量里的每一个值都是不同自变量（方向）的偏导数。 所以的偏导构成的向量，就是梯度。大小就是最快方向的变化值。
算法通关40讲 笔记四（映射 集合 哈希表）
映射（Map）： 集合（Set）： 解决 hashcollision 哈希碰撞 问题，lies和foes在9的位置重合了，在9这个位置放一个链表，既拉链法。 List和Map，Set对比 HashMap时…
在pycharm中部署yolov5报错问题
在pycharm中部署yolov5报错问题前言一、没有SPPF函数二、pycocotools安装出错解决办法前言
各位在学习yolov5的时候，首先应该是将它部署到自己的IDE上吧，但是我在部署的时候出现了两个问题，花费了较多时间才可以解决，所以就记录下…
kaggle 泰坦尼克事件——随机森林算法实现
泰坦尼克事件——随机森林算法实现前言实现步骤1.引入库2.加载数据集3.具体步骤4.数据清洗5.进行特征构建6.构建新的字段，基于scikit-learn中的LabelEncoder()7.特征选择（根据实际情况进行选择，选择不唯一）8.获取训练集和测试集9.…
用随机梯度下降来优化人生
用随机梯度下降来优化人生要有目标目标要大坚持走痛苦的卷可以躺平四处看看快也是慢赢在起点很远也能到达独一无二简单最好刷知乎看到沐神发的一个帖子，对于刚接触机器学习的我来说真的是，颇有感触。因为我今年刚上研究生也是机器学习方向的，…
机器学习之反向传播（我的第一个机器学习项目）
机器学习之反向传播使用Numpy实现机器学习具体实现步骤使用Tensor及Antograd实现机器学习具体实现步骤只是通过此项目理解机器学习实现过程，若有对反向传播不理解的可以自己查阅资料或者和我交流，我们一起探讨。吴恩达老师和李宏毅老师的课程都挺不错&am…
educoder SMO进行优化
第1关：SMO高效优化算法
import numpy as np
import random
def calcEk(oS, k):"""计算误差Parameters：oS - 数据结构k - 标号为k的数据Returns:Ek - 标号为k的数据误差"""fXk float(np.multiply(oS.alphas,oS.labelMat)…
educoder Pandas初体验
第1关：了解数据处理对象–Series
# -*- coding: utf-8 -*-
from pandas import Series,DataFrame
import pandas as pddef create_series():返回值:series_a: 一个Series类型数据series_b: 一个Series类型数据dict_a： 一个字典类型数据# 请在此添加代…
12 聚类模型 -- 机器学习基础理论入门
12 聚类模型 – 机器学习基础理论入门
4.1 聚类问题介绍
定义
聚类分析又称群分析，目标时将样本划分为紧密关系的子集或簇 应用
聚类分析在实际中应用非常广泛，如：市场细分、社交圈分析、天体数据分析等
聚类要求
聚类分析的目标时将样…
8 模型分类总结 机器学习基本理论入门
8 模型分类总结 机器学习基本理论入门
监督学习与非监督学习简介
简介内容 （1） 牢记并且理解机器学习的基本概念 （2） 理解监督学习和非监督学习的区别 （3） 建立起特征工程的概念 （4࿰…
6 生成模型 机器学习基础理论入门
6 生成模型 机器学习基础理论入门
6.1 概率论基础快速回顾
概率的性质
减法性质：P(A-B)P(A)-P(AB) 加法性质：P(AB)P(A)P(B)-P(AB)
条件概率和概率的基本公式
条件概率 事件A发生的条件下，事件B发生的条件概率，记为P(B|A)&…
NLP-D43-nlp比赛D12-论文下载-《人类语言处理》09差分矩阵最长不重复子序列
—0741早上下载了大概150篇论文，真的太爽了！！！
《人类语言处理》09
哇真的太精彩了 1、结合LM可以解决domain的问题！！！ 2、我感觉NNbase和RNN-based LM没啥区别呀？？&am…
《统计学习方法》第22章 无监督学习方法总结
八种常用的统计机器学习方法，即聚类方法（包括层次聚类与k均值聚类）、奇异值分解（SVD）、主成分分析（PCA）、潜在语义分析（LSA）、概率潜在语义分析（PLSA…
数据科学导论——数学基础之统计
第1关：统计基础之数据描述 def student(data):#********* Begin *********#n len(data)sorted_v sorted(data)midpoint n // 2if n % 2 1:print( sorted_v[midpoint])else:lo midpoint - 1hi midpointprint( (sorted_v[lo] sorted_v[hi]) / 2)#********* End…
机器学习 --- k-means
k-means是属于机器学习里面的非监督学习，通常是大家接触到的第一个聚类算法，其原理非常简单，是一种典型的基于距离的聚类算法。 聚类算法中，将相似的数据划分为一个集合，一个集合称为一个簇。 k-means（k均值…
机器学习 --- 神经网络
神经网络方面的研究很早就已经出现了，最近一类被称为神经网络的算法以深度学习的名字再度流行。深度学习以神经网络为基础，神经网络由多个感知机组成，并引入激活函数，是一个比感知机更复杂，能解决更多问题的模型。 本实…
机器学习之支持向量回归(SVR)
简介 支持向量机 (Support Vector Machine) 是由Vapnik等人于1995年提出来的，之后随着统计理论的发展，支持向量机 SVM 也逐渐受到了各领域研究者的关注，在很短的时间就得到了很广泛的应用。 支持向量机是被公认的比较优秀的分类模型。同时&am…
机器学习 --- 朴素贝叶斯分类器 python
简介 朴素贝叶斯分类算法是基于贝叶斯理论和特征条件独立假设的分类算法。对于给定的训练集，首先基于特征条件独立假设学习数据的概率分布。然后基于此模型，对于给定的特征数据x，利用贝叶斯定理计算出标签y。朴素贝叶斯分类算法实现简单&…
【吴恩达课后编程作业】Course 1 - 神经网络和深度学习 - 第三周作业
在开始之前，首先声明本文是作为一个初学者的学习笔记，在学习CSDN博主「何宽」的原创文章，原文链接：https://blog.csdn.net/u013733326/article/details/79702148 【【吴恩达课后编程作业】Course 1 - 神经网络和深度学习 - 第三周…
【全文翻译】ImageNet Classifification with Deep Convolutional Neural Networks
ImageNet Classifification with Deep Convolutional Neural Networks1 Introduction2 The Dataset3 The Architecture3.1 ReLU Nonlinearity（非线性）3.2 Training on Multiple GPUs3.3 Local Response Normalization3.4 Overlapping Pooling3.5 Overall…
人工智能讲义（深度学习常用模型评估指标）
原文地址：【深度学习】常用的模型评估指标 - Madcola - 博客园
文章重点：理解Precision(查准率，有些书籍里也叫清确率)、Recall（查全率，也叫召回率）、F1-score这几个概念
------------------------------…
决策树、贝叶斯统计、集成学习Bagging、Boosting、Stacking介绍
决策树
决策树是一种分类与回归的方法。
特征选择
关键：如何选择最优划分属性
信息增益
度量样本集合纯度最常用的一种指标 信息增益准则对可取值数目较多的属性有所偏好，为减少这种偏好可能带来的不利影响，使用"增益率" (…
高维数据PCA降维可视化(KNN分类)
在做机器学习的时候，经常会遇到三个特征以上的数据，这类数据通常被称为高维数据。数据做好类别分类后，通过二维图或者三维图进行可视化，对于高维数据可以通过PCA(Principal Component Analysis)，即主成分分析方法&…
一文教你快速学习搭建属于自己的数据指标体系
【与数据同行】已开通综合、数据仓库、数据分析、产品经理、数据治理及机器学习六大专业群，加微信号frank61822702 为好友后入群。新开招聘交流群，请关注【与数据同行】公众号，后台回复“招聘”后获得入群方法。正文开始做数据分析之前&#…
麦克尼马尔检验(McNemar test)
麦克尼马尔检验(McNemar test)
前言
在统计学中，McNemar 检验是用于配对 名义数据的统计检验。它应用于具有二分特征的2 2列联表，具有匹配的主题对，以确定行和列的边际频率是否相等（即是否存在“边际同质性”）。它以…
在Python中使用统计假设测试评估ML分类器的性能
在Python中使用统计假设测试评估ML分类器的性能
有一个强有力的论据，为什么选择一个分类算法而不是其他基于性能的显著性水平
介绍
选择正确的机器学习算法是决定性的，它决定了模型的性能。在选择模型时，最主要的因素是性能，它…
【Matlab时间序列预测】EMD优化BP神经网络汇率预测【含源码 1742期】
一、代码运行视频（哔哩哔哩）
【Matlab时间序列预测】EMD优化BP神经网络汇率预测【含源码 1742期】
二、matlab版本及参考文献
1 matlab版本 2014a
2 参考文献 [1]吴玲玲,尹莉莉,任其亮.一种EMD和DE-BPNN组合优化的短时交通流预测方法[M].重庆理工大学…
【从零开始学习YOLOv3】2. 代码配置和数据集处理
前言：本文是讲的是如何配置pytorch版本的yolov3、数据集处理、常用的命令等内容。该库的数据集格式既不是VOC2007格式也不是MS COCO的格式，而是一种新的格式，跟着文章一步一步来，很简单。另外我们公众号针对VOC2007格式数据集转化…
【人工智能与机器学习】决策树ID3及其python实现
文章目录 1 决策树算法1.1 特征选择1.2 熵（entropy）1.3 信息增益 2 ID3算法的python实现总结 1 决策树算法
决策树（Decision Tree)是一类常见的机器学习方法，是一种非常常用的分类方法，它是一种监督学习。常见的决策树…
SMPL STAR人体模型系列
SCAPE: 人体模型
SMPL: 人体模型
SMPL-H: 人体手
SMPL-X: 人体手人脸（FLAME）
STAR: SMPL的改进版 人体模型主要思想是将pose, shape解耦，用参数化的方式描述人体表面的信息。 SCAPE：基于三角面片deformable的人体模型。
SMPL…
numpy矩阵的叠加（二维转三维）
np.vstack:按垂直方向（行顺序）
np.hstack:按水平方向（行顺序）
一般文章都没有说明 np.dstack 函数，也就是第三个轴的叠加
比如
one np.ones((3, 3))
two np.ones((3, 3))
thr np.dstack((one, two))
print(thr…
机器学习中离散量和连续量共同编码及不同量纲的影响
离散量使用onehot编码，变成全是0和1的值。
这时候离散量和连续量的量纲不统一。
量纲不统一会导致模型收敛速度变慢，对学习率比较敏感，甚至不收敛，因此如果量纲信息不重要，最好统一量纲，将连续量映射到0-…
PSO 粒子群算法 二维动态演示
PSO 粒子群算法
二维动态演示视频
1 什么是粒子群算法？
粒子群算法源于复杂适应系统（Complex Adaptive System,CAS）。CAS理论于1994年正式提出，CAS中的成员称为主体。比如研究鸟群系统，每个鸟在这个系统中就称为…
Python中简单三层神经网络模拟实现（入门）
Python中简单三层神经网络模拟实现
三层神经网络模型： 这里采用少量矩阵表示，其中假设第一层的加权和表示为 A(1)XW(1)B(1){A}^{(1)}X {W}^{(1)}{B}^{(1)} A(1)XW(1)B(1) 其中： A(1)(a1(1)a2(1)a3(1)){A}^{(1)}(a^{(1)}_{1} \quad a^{(1)}_…
Sigmoid函数求导
Sigmoid函数求导
标签（空格分隔）： ML sigmoid函数是神经网络中常用的激活函数之一，其定义为 σ(x)11e−x\sigma(x) \frac{1}{1 e^{-x}}σ(x)1e−x1 该函数的定义域为(−∞,∞)(-\infty,\infty)(−∞,∞),值域为(0,1)(0,1)(0,…
ModuleNotFoundError: No module named ‘sklearn.cross_validation‘解决方法
今天在使用python写程序时用到sklearn.cross_validation库，发生如下报错： ModuleNotFoundError: No module named ‘sklearn.cross_validation’ 后查阅资料多次尝试发现： cross_validation 里面的函数现在都放在 model_selection 里面了。 …
马尔可夫模型（Markov）
1 确定性系统和不确定性系统
对于一个确定性系统，多个状态构成了一个状态序列，每一个状态之间的关系都是确定的，根据当前状态，就可以确定下一个状态。比如红绿灯的变化状态。 与确定性系统相对应的是不确定系统，例如&…
HMM隐马尔科夫模型(附维特比代码）
背景知识：马尔科夫模型
1 马尔科夫的局限性
在一些情况下，我们并不能直接得到观测的结果，比如在天气系统中，我们不能直接得到天气的状态，但是我们有一堆蚂蚁，可以从蚂蚁的行为状态找到天气变化的关系规律…
PyTorch实现简单Classification分类
Classification
import torch
from torch.autograd import Variable
import torch.nn.functional as F
import matplotlib.pyplot as plt# 建立数据集
# 假数据
n_data torch.ones(100, 2) # 数据的基本形态
x0 torch.normal(2 * n_data, 1) # 类型0 x data (tensor), sha…
RNN (Recurrent Neural Network)
RNN (Recurrent Neural Network)
RNN 的用途
现在请你看着这个名字. 不出意外, 你应该可以脱口而出. 因为你很可能就用了他们家的一款产品 . 那么现在, 请抛开这个产品, 只想着斯蒂芬乔布斯这个名字 , 请你再把他逆序念出来. 斯布乔(*#&, 有点难吧. 这就说明, 对于预测, …
Ubuntu常见问题解决
Ubuntu常见问题解决
安装pip3
sudo apt install python3-pip
报错
Package python-dev is not available, but is referred to by another package
解决
sudo apt-get -y update配置pip镜像源
1. 创建pip.conf文件
运行以下命令:cd ~/.pip如果提示目录不存在的话,我们要自行…
conda下使用jupyter notebook 报错解决
问题
ImportError: IProgress not found. Please update jupyter and ipywidgets. See https://ipywidgets.readthedocs.io/en/stable/user_install.html
解决
首先确定当前的环境 像我这里是在nlp环境 1、通过 conda activate 环境名 切换到对应环境 2、安装 jupyter 与 i…
Restricted Boltzmann Machine(to be continued)
1，受限玻尔兹曼机，思想似乎是源自于热力学，因为有一个玻尔兹曼分布律的东西，具体还没学习，不过可见机器学习中不同学科的思想融合，往往是idea/innovation 的发源地。
2，想迅速入门，…
【推荐系统】推荐系统中一些常用的技术方法
本文主要总结了一些推荐系统中用来解决实际问题常用的技术方法。
1、威尔逊区间平滑
威尔逊区间平滑可以用来修正item的点击率CTR。 Click-Through-Rate，即点击率，是推荐系统中一项重要的衡量指标。 原始的CTR计算公式： CTR 点击数 / 曝光…
TensorRT/parsers/caffe/caffeParser/caffeParser.cpp - parse源碼研讀
TensorRT/parsers/caffe/caffeParser/caffeParser.cpp - parse源碼研讀TensorRT/parsers/caffe/caffeParser/caffeParser.cpp - parseconstructornew (Classname)Classname* const*static_castunique\_ptr和shared_ptr混用？\_size，has_google::protobuf:…
围棋AI作弊第一人，切忌误入歧途
原文地址
还记得电影《天才枪手》中的经典桥段，凭借超强记忆男女主高智商犯罪，试图挑战法律底线，在国际考试中夹带手机藏于厕所作弊，最终法网恢恢疏而不漏，事情败露全员被抓捕。
如今随着人工智能的发展，…
TinyML ESP32-CAM：使用Edge Impulse进行边缘图像分类
本教程介绍如何将 TinyML 与 ESP32-CAM 结合使用。它描述了如何使用深度学习的 ESP32-CAM 对图像进行分类。该机器学习模型直接在设备上运行。为此，需要使用 Tensorflow lite 创建机器学习模型并缩小模型。有多种方法可以做到这一点，本教程使用 Edge Impulse 来简化所有步骤。…
新手入门第三课-Python快速入门
学习百度AI Studio的笔记，供自己复习和记录学习过程中的思路使用，如想了解详情请移步百度AI Studio 新手入门第三课-Python快速入门第一节 [Python基础关键字和语法](https://aistudio.baidu.com/aistudio/projectDetail/98651)第二节 [Python中常见的数…
【一维卷积】【二维卷积】
本篇为《深度学习》系列博客的第八篇，该系列博客主要记录深度学习相关知识的学习过程和自己的理解，方便以后查阅。
上篇说道这篇那应该写PCA，但是……，也不知道忙啥了，就一直没写，再拖拖……，用…
PyTorch----数据加载器
什么是数据加载器？
深度学习是由数据支撑起来的，所以我们一般在做深度学习的时候往往伴随着大量、复杂的数据。如果把所有的数据全部加载到内存上，容易把电脑的内存“撑爆”，所以要分批次一点点加载数据每一种深度学习的框架都有…
LWN：Gnuplot 5.4中的新功能！
关注了就能看到更多这么棒的文章哦～New features in gnuplot 5.4July 22, 2020This article was contributed by Lee Phillipshttps://lwn.net/Articles/826456/DeepL assisted translationGnuplot 5.4 终于发布了，这是自由软件中著名的 graphing 程序&a…
ChatGPT基础知识系列之零样本学习( Zero-Short learning)
ChatGPT基础知识系列之零次学习( Zero-Short learning)
顾名思义，在训练分类器的时候可以不需要A类物体样本就能在测试时识别A类物体，咋一看，很玄乎，其实并没有。在具体解释思路之前，先回顾一下大家比较熟悉的word2vec，就是把单词变成一个向量（语义向量），就可以数字化…
还不会元学习？看这篇文章
文章目录前言一、元学习的介绍二、元学习的分类1.基于优化的方法1.1 LSTM Meta-Learner1.1.1 为什么使用 LSTM？1.1.2 Model Setup1.2 MAMLFirst-Order MAML1.3 Reptile1.3.1 The Optimization Assumption1.3.2 Reptile vs FOMAML2.基于度量的方法2.1 Convolutional …
软件测试进阶之自动化测试——locust性能测试实例
扼要：
1、了解locust进行性能测试的实例；
2、独立编写locust性能测试代码； 本课程主要讲述用python的locust库进行性能测试。
Locust是一个python代码编写的开源负载测试工具。其支持模拟成千上万的用户，可分布式；报…
机器学习笔记(8)VC维 (vc dimension)
这里有个图像，在dvc比较小的情况下会出现欠拟合(underfitting), 在dvc比较大的情况下会出现过拟合(overfitting), 所以训练集过大也不好过小也不好，最好在那个虚线范围左右最好。
vc维 是 由 vc bound 推导的，类似于一个样本集可以由多少条…
机器学习十大算法之一：决策树
一、决策树模型概述
1.决策树模型(Decision Tree Model)
出发点：模拟人决策思想的过程，决策树基于树结构进行预测。是一种树形结构，每个内部节点表示一个属性上的判断每个分支对应该判断的一种可能结果(即该属性的某个取值)每个叶节点代表一…
数据挖掘导论 复习一（介绍+数据预处理方法+定性归纳）
数据挖掘数据库机器学习
算法 经验 模型
机器学习任务：分类、回归、聚类（KMeans、DCSAN、层次聚类）、数据降维、数据预处理
常用分类器：KNN、贝叶斯、 逻辑回归 、决策树、随机森林
本书将介绍数据挖掘与数据库知识发现的基本…
KNN模型与度量学习
k近邻KNN模型
懒惰学习著名代表,此类学习技术在训练阶段仅仅是把样本保存起来，训练时间开销为零，待收到测试样本后再进行处理
工作机制：给定测试样本，基于某种距离度量找出训练集中与其最靠近的K个训练样本，然后基于…
分类、回归算法简单介绍
分类
logistic 回归算法
用了一个Logistic Function将线性回归的连续值映射到了{0,1}空间，类似得到事件发生概率值，让自变量的分布和伯努利分布联系起来
logistic 回归算法使用的是特征的线性组合，最终得到的分隔超平面属于线性模型&…
call() missing 1 required positional argument xxx
环境： tf2.1
报错：
call() missing 4 required positional argument x y w h
修改：
tf.function(input_signature(tf.TensorSpec(shape[None, None, 3], dtypetf.float32),tf.TensorSpec(shape[], dtypetf.int32),tf.TensorSpec(shape[],…
复现论文遇到的问题——STGCNN模型
近段时间研究了一篇论文 《Social-STGCNN:A Social Spatio-Temporal Graph Convolutional Neural Network for Human Trajectory Prediction》 文章主要说明了作者如何构建人类轨迹预测的社会时空图卷积神经网络（STGCNN）模型来预测行人的轨迹，…
python 数据透视表_使用Python数据透视表探索幸福数据
python 数据透视表One of the biggest challenges when facing a new data set is knowing where to start and what to focus on. Being able to quickly summarize hundreds of rows and columns can save you a lot of time and frustration. A simple tool you can use to …
机器学习基础算法三：线性回归算法的实验（最小二乘法）
线性回归算法实验（最小二乘法）
一、前期准备
1、导出数据集：
我们在进行机器学习各种算法的实验时，遇到的第一个问题都应该是，如何找到需要的数据集，有了数据集我们才能去对相应的数据集进行实验处理。像…
时间序列预测模型---天池资金流入流出
一、目标 给出2013年7月1号到2014年8月31号所有用户在该时期内资金的申购信息，预测2014年9月1号到31号每天的申购总额
二、建模流程 1.整合原始信息，将原始数据按天分组并计算日申购总量，并绘制时序数据的ADF图，通过观察时序图&a…
决策边界、代价函数、多元分类
1.决策边界：根据logistic回归方程的假设函数h(x)g(），g(z)1/(1e^(-z))，g(z){0,1},可知当g(z)>0.5时z>0，相反z<0，分类时只要满足z>0就可以实现分类，（theta_i*x_i,也就是向…
一份为高中生准备的机器学习与人工智能入门指南
作为一名高中生，我在过去的一年里自学了机器学习与人工智能的相关课程，在这里和大家分享下我自己的学习心得，希望能够对那些机器学习或人工智能初学者有所帮助，这也是我写这篇文章的目的所在。
在过去的几个月里，我试…
基于马尔可夫模型的文本生成器
马尔可夫过程
只需要知道： 马尔可夫过程就是未来只与现在有关，与过去无关。 马尔科夫链（Markov）是最简单的马氏过程，即时间和状态过程的取值参数都是离散的马氏过程。 例如： 我知道一个事件第一天的概率分…
YOLOv2、v3使用K-means聚类计算anchor boxes的具体方法
k-means需要有数据，中心点个数是需要人为指定的，位置可以随机初始化，但是还需要度量到聚类中心的距离。这里怎么度量这个距离是很关键的。 距离度量如果使用标准的欧氏距离，大盒子会比小盒子产生更多的错误。例 。因此这里使用其…
RNN循环神经网络（回归）
RNN循环神经网络（回归）
import torch
from torch import nn
import numpy as np
import matplotlib.pyplot as plt# torch.manual_seed(1) # reproducible# Hyper Parameters
TIME_STEP 10 # rnn time step
INPUT_SIZE 1 # rnn input size
LR 0…
使用sklearn.linear_model.SGDClassifier增量模型进行学习的记录
数据集下载链接是Human Activity Recognition Using Smartphones train、test文件夹中分别包含训练和测试的文件，这里使用train中的数据进行增量学习模型，test中的数据用来测试 首先读取数据：
import numpy as np
from sklearn.linear_mode…
Pytorch中backward函数
backward函数是反向求导数，使用链式法则求导，如果对非标量y求导，函数需要额外指定grad_tensors，grad_tensors的shape必须和y的相同。 import torch
from torch.autograd import Variable
xVariable(torch.Tensor([16]),re…
argmax、softargmax求heatmap中最大值所在的坐标
On Differentiating Parameterized Argmin and Argmax Problems with Application to Bi-level Optimization
argmax和softargmax的基本方法都是找到坐标的期望值，即对array softmax归一化以后得到概率值，然后和坐标相乘得到坐标的期望值，就…
针对结构映射的SVM算法：核心思路解读
最近准备做一个NER和指代消解相关的课题，在和同学们读相关文章。今天有个同学找到了个挺有意思的文章，用SVM做NER的。我感觉这想法挺奇特的，SVM怎么处理文本和序列？于是我去看了一下，他找的那篇文章是个套壳文章&#…
PyTorch深度学习入门 || 系列（二）
文章目录0 写在前面1 随机生成大规模数据2 使用cuda加速3 定义draw()函数4 定义train()函数5 主函数模块内容6 完整代码0 写在前面
考虑到之前用于训练的数据都是小样本的，比如说PyTorch深度学习入门 || 系列（一）中的输入就只有五组数据&…
机器学习项目-利用K-近邻算法实现手写数字的识别
相信稍微了解过机器学习的都应该知道k近邻算法，如果不是很了解的，可以看我上一次的博客，或者搜一下也可以。这一次就是利用k-近邻算法实现手写数字的识别。
首先准备训练数据和测试数据：我的博客里面有这两个数据。将图像数据&am…
逻辑回归（LR）介绍
简介：
1.逻辑回归虽然名字叫做回归，但是它是一种分类算法。
2.逻辑回归是一种基于多元线性回归的算法，正因为如此，它是一种线性的分类算法。
决策树，神经网络等算法是非线性的算法。SVM本质是线性的算法，…
三种梯度下降（全量梯度下降，随机梯度下降，小批量梯度下降）
三种梯度下降方式区别仅在于求梯度所用到的X数据集的样本数量不同！ 全量梯度下降(BGD)
全部的样本都用上 优点：
每次都会朝着正确的方向进行，最终保证收敛到极值点 缺点：
每次学习实践过长，并且如果训练集很大以至于…
【2021年新书推荐】TensorFlow 2 Reinforcement Learning Cookbook
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2021年1月由Packt出版社最新出版的一本关于机器学习的书。
TensorFlow 2 Reinforcement Learning Cookbook
作者：Praveen Palanisamy 出…
人工智能、大数据、云计算概念
目录
人工智能：
大数据：
云计算： 人工智能： 人工智能的基础是哲学、数学、经济学、神经科学、心理学、计算机工程、控制论、语言学。 深度学习：深度学习是基于现有的数据进行学习操作，是机器学习研究中的…
机器学习基础算法四：逻辑回归算法实验
逻辑回归算法实验
一、逻辑回归介绍
逻辑回归是一种分类模型zWTXw0w1x1w2x2......wnxnz W^{T}Xw^{0}w^{1}x^{1}w^{2}x^{2}......w^{n}x^{n}zWTXw0w1x1w2x2......wnxn逻辑回归通过sigmoid函数将输入值映射到 [0,1] 的区间范围。ypsigmoid(z)11e−zypsigmoid(z)\frac{1}{1e^{-z…
浅谈马尔可夫决策过程(一)
1.基本概念 Markov Chain/Markov process:具有马尔可夫性质的随机过程。 Markov Property用公式表示为: P(st1 | st, st-1, …) P(st1 | st)。简单说就是当前时刻的状态仅仅和上一个时刻的状态有关。这个性质感觉更多的是从工程上考虑问题得出的，因为这样可以极大的…
排序不等式 GCJ 2008 Round1A Problem A. Minimum Scalar Product
排序不等式（Rearrangement Inequality）又称排序原理，是数学上的一种不等式。它可以推导出很多有名的不等式，例如：算术几何平均不等式、柯西不等式、切比雪夫总和不等式。 简洁的来说就是两组数对应“顺序”相乘的和 &g…
【Matlab】智能优化算法_平衡优化器算法EO
【Matlab】智能优化算法_平衡优化器算法EO 1.背景介绍2.数学模型2.1 初始化和功能评估2.2 平衡池和候选者（Ceq）2.3 指数项（F）2.3 生成率（G） 3.文件结构4.伪代码5.详细代码及注释5.1 EO.m5.2 Get_Functions_…
核PCA（Kernel PCA）学习笔记
感谢大佬们的文章
1、(46条消息) Gram矩阵_wangyang20170901的博客-CSDN博客_gram矩阵 2、数据降维: 核主成分分析(Kernel PCA)原理解析 - 知乎
--------------------------------------------------KPCA应用解释----------------------------------------------------------…
educoder答案-Python编程基础-第二阶段 数据类型-玩转列表-太原理工大学
太原理工大学 educoder实训平台答案 Python编程基础 持续更新...
以下均为国防科技大学-胡卫东老师的实训项目内容答案，各位校友自取 第一关-列表元素的增删改：客人名单的变化
# codingutf-8# 创建并初始化Guests列表
guests []
while True:try:gu…
DIEN-序列模型与推荐系统的结合
一：DIEN的进化动机
1，序列信息加强了最近行为对下次行为预测的影响。 2，序列模型能够学习到购买趋势的信息 如果放弃了序列信息，则模型学习时间和趋势这类信息的能力就会变弱，推荐模型就仍是基于用户所有购买历史的综…
GridSearchCV和cross_val_score
一、GridSearchCV
将网格搜索和交叉验证放在一起进行。网格搜索用于超参数调优。交叉验证用于模型泛化性能验证，交叉验证不会提高模型精度。
from statistics import mean
import joblib
import pandas as pd
import seaborn as sns
from sklearn.svm import SVC
f…
Serialized Multi-Layer Multi-Head Attention for Neural Speaker Embedding阅读笔记
主要看模型方法
Abstract
提出一个串行多层多头注意力针对neural speaker embedding，之前是将一帧的特征聚集起来进行表示。我们提出利用堆叠式的self-attention机制的分层架构获得更精细的特征。串行注意力机制包含一堆self-attention模块，多层堆叠可…
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows阅读笔记
Swin Transformer: Hierarchical Vision Transformer using Shifted Windows阅读笔记
Abstract
将Transformer从语言到视觉迁移过来面临两个挑战：1.视觉实例的规模差异很大 2. 与单词相比，图像分辨率很高。提出分层Transformer解决问题，通过…
CutPaste Self-Supervised Learning for Anomaly Detection and Localization阅读笔记
CutPaste Self-Supervised Learning for Anomaly Detection and Localization阅读笔记
Abstract
为了建立高性能的缺陷检测模型，提出一个两阶段框架，只用正常训练数据来构建异常检测器，首先学习自监督深度表示，然后在表示上构建…
归一化、标准化、批标准化
神经网络比较喜欢处理小数据。
归一化和标准化都是将数据做线性变化，线性变化不会改变原始数据的顺序排列。 归一化：
将数据转换得到比较小的一个范围内，通常是[0, 1]之间。 标准化：
将数据转换为正态分布的标准，使…
自然语言处理入门指南：了解基础知识，掌握常用技术
自然语言处理（NLP）是人工智能（AI）领域的一个重要分支，其主要目的是让计算机能够理解人类语言，并能够从中获取有用的信息。NLP已经广泛应用于文本分析、机器翻译、问答系统、自然语言生成等领域，…
想变好却不能坚持，我告诉你怎么办
原创不易，求分享、求一键三连视频号差几百粉丝做认证，求关注：之前我们分享了《精要主义》：精要主义设计人生——对混乱的工作说不文中提到了《瞬变》一书，一些同学表示很感兴趣，于是也说下对他的理解&#…
库卡机器人报错“一般变频器故障“
一般变频器故障一丶示教器提示信息二丶问题排查三丶解决办法一丶示教器提示信息
示教器上提示到：一般变频器故障，内部错误，短路制动激活。
二丶问题排查
出现此问题大多是硬件问题导致，我们打开配电柜并检查线路。 此时&#…
线性代数mit18.06读课本-D1-1.1
一、preface
天下无敌第一可爱！
二、INTRODUCTION TO VECTORS
1.1向量加法&线性组合
1、引入向量 2、向量加法（vector addition） 3、数乘（scalar multiplication） 4、线性组合（linear combinat…
统计学习方法—chap6决策树
参考学习资料
1、在线阅读地址： https://datawhalechina.github.io/statistical-learning-method-solutions-manual/#/ 2、《统计学习方法》电子版
6.1逻辑斯谛回归模型
1、逻辑斯蒂分布 2、二项逻辑斯蒂回归模型 （1）逻辑斯蒂回归模型特点…
统计学习方法—chap5决策树
（今天没有拿纸质书，所以写个blog记录一下~）
参考学习资料
1、在线阅读地址： https://datawhalechina.github.io/statistical-learning-method-solutions-manual/#/ 2、《统计学习方法》电子版
引言
决策树可以认为是特征空间与…
chap1统计学习及监督学习
chap1.1统计学习
1、统计学习的特点 （1）概念 计算机 基于 数据 构建 概率统计模型，并运用模型对数据进行预测与分析的一门学科。 （2）特点 2、对象 （1）数据 （2）基本假设—…
什么是鸟撞？该如何设计防鸟撞的建筑？#可持续设计
听说过，过飞鸟撞击建筑身亡的事件吗？#在我们教学楼附近遇到过好多次，猛得一声 “巨响” ，一只小鸟就撞到窗户上坠地了。有没有办法通过设计解决这个问题？#有一份全国范围内的鸟撞调查报告，也许可以帮助我们…
基于粒子群优化算法(PSO)的特征选择
相关文章： 粒子群优化算法(原理)粒子群优化算法(实战)使用粒子群优化聚类(实战) 1 理论
许多优化问题设置在一个特征空间，该空间中的变量是离散的，具有定性的差异以及量级差异。典型的例子：求离散元素排序或安排的问题࿰…
![[PRML]图模型-条件独立](https://img-blog.csdnimg.cn/20200512131145886.png)
[PRML]图模型-条件独立
在上一节中，我们介绍了《有向图模型》，这一节给大家介绍条件独立性。
1 简介
多变量概率分布的一个重要概念是条件独立(conditional independence)。考虑三个变量aaa、bbb和ccc，假设aaa在给定bbb和ccc下的条件分布不依赖于bbb的值ÿ…
ChatGPT研究分析：GPT-4做了什么
前脚刚研究了一轮GPT3.5，OpenAI很快就升级了GPT-4，整体表现有进一步提升。追赶一下潮流，研究研究GPT-4干了啥。本文内容全部源于对OpenAI公开的技术报告的解读，通篇以PR效果为主，实际内容不多。主要强调的工作…
量化(2):模型常见的量化方式
主要从以下几方面介绍量化：量化的映射、量化的粒度、量化的方式、量化的对象以及量化的Bit。其中，在量化的映射中，包括线性映射和非线性映射(DSQ),在实际工程项目中主要使用的是线性映射。
1、仿射映射量化 模型的量化映射方式，如上图所示可以分为`线性映射和非线性映射，…
闲鱼商品理解和选品，究竟是怎么做的？
背景闲鱼在这几年的高速发展中，积累了几亿件在线商品，而这些商品稂莠不齐，可能会带来买家不好的购物体验。因此，我们希望引入闲鱼商品理解的能力，选取优质商品，进而提升闲鱼的购物体验。痛点现有的闲鱼商品…
GPT-3：大语言模型小样本学习
论文标题：Language Models are Few-Shot Learners论文链接：https://arxiv.org/abs/2005.14165论文来源：OpenAI一、概述自然语言处理已经从学习特定任务的表示和设计特定任务的架构转变为使用任务无关的预训练和任务无关的架构。这种转变导致了…
基于动态因果图和约束的钢铁高炉煤气系统调度方法 -金锋
基于动态因果图和约束的钢铁高炉煤气系统调度方法摘要Ⅰ.介绍Ⅱ.问题陈述Ⅲ. 因果图和基于约束的调度方法A.BFG系统的动态因果图B.供需平衡的约束C. 最小二乘支持向量机模型辨识Ⅵ. 数据实验和分析柜位上限归为下限比较试验摘要
大体就是说了原有的调度模式会造成浪费。于是本…
推荐系统 理论笔记 三（机器学习基础—监督学习）
机器学习概念： 大量的经验就是大量的数据。 本质就是拿到海量数据，然后去构建他的概率分布，最终得到一个逼近真实的分布，就可以达到预测的效果。学习了先进的机器学习，对于机器学习更加理解了。可以参考我的笔记5…
机器学习模型——lightGBM
lightGBM一、lightGBM的前世今生1.GBDT（Gradient Boosting Decision Tree）2.lightGBM（Light Gradient Boosting Machine）3.XGBoost3.1核心思想3.2优缺点二、lightGBM三、使用lightGBM解决信用卡欺诈问题一、lightGBM的前世今生
1…
educoder 机器学习 --- 绪论
第1关：什么是机器学习
1.BC第2关：机器学习的常见术语
1.B第3关：机器学习的主要任务
1.B
2.AD
3.B
educoder 机器学习 --- 模型评估、选择与验证
第1关：为什么要有训练集与测试集
１、Ｄ
２、Ａ第2关：欠拟合与过拟合
１、Ｂ
２、ＡＢＤ第3关：偏差与方差
１、&#x…
educoder机器学习 --- 线性回归
第1关：简单线性回归与多元线性回归
１、ＢＣ
２、ＡＢＣ
３、Ａ第2关：线性回归的正规方程解
#encodingutf8
import numpy as np
def mse_score(y_predic…
educoder机器学习 --- 神经网络
第1关：神经网络基本概念
１、Ｃ第2关：激活函数
#encodingutf8def relu(x):x:负无穷到正无穷的实数#********* Begin *********#if x < 0:return 0else:return x#********* End *********#第3关：反向传播算法
#enco…
jupyter的一些高级设置
今天专门花时间总结梳理一下jupyter的一些高级设置，jupyter我已经介绍过一次基本内容了,Setup and Linux | James Chen’s Blogs，尤其是如何在服务器运行jupyter并且在本地浏览器显示，简直是使用python进行机器学习、深度学习、大数据的工作者…
【手把手教你】搭建神经网络（CT扫描3D图像的分类）
大家好，我是羽峰，今天要和大家分享的是一个基于tensorflow的CT扫描3D图像的分类。文章会把整个代码进行分割讲解，完整看完，相信你一定会有所收获。
欢迎关注“羽峰码字”
目录
1. 项目简介
2. API准备
3. 数据集准备
3.1 下…
【手把手教你】搭建神经网络（回归）
大家好，我是羽峰，今天要和大家分享是回归 (regression) 问题，希望通过今天的讲解，各位对回归问题能有个更好的认识。
目录
1.认识回归
2. Auto MPG 数据集
2.1获取数据集
2.2 数据清洗
2.3 拆分训练数据集和测试数据集
2.…
学习OpenCV——行人检测人脸检测(总算运行出来了)
之前运行haar特征的adaboost算法人脸检测一直出错，加上今天的HOG&SVM行人检测程序，一直报错。 今天总算发现自己犯了多么白痴的错误——是因为外部依赖项lib文件没有添加完整，想一头囊死啊 做程序一定要心如止水！！…
OpenCv3.0+SVM的使用心得（一）
1.open cv3.0版本中没有了CvSVM类的定义，而是将其写入到一个document中，但是使用也并不复杂，代码示例如下： <code class"hljs lasso has-numbering" style"display: block; padding: 0px; color: inherit; box-…
error LNK2019: 无法解析的外部符号 _gzputs，该符号在函数 void __cdecl icvPuts(struct CvFileStorage *,char const
从网上找了一段程序，将vs2013opencv249安装网上讲的进行配置，满以为程序能跑起来，但是还是出现下问题： error LNK2019: 无法解析的外部符号 _gzputs，该符号在函数 "void __cdecl icvPuts(struct CvFileStorage *,…
机器学习算法中文视频教程
机器学习算法中文视频教程 在网上狂搜ReproducingKernel Hilbert Space的时候，找到了一个好东西。这个是李政軒Cheng-Hsuan Li的关于机器学习一些算法的中文视频教程。感觉讲得很好。这里非常感谢他的分享：http://www.powercam.cc/chli。也贴到这里&…
实测AIGC工作流，Stable Diffusion + Mubert 实现图片与音乐的转换生成
社区分享了不少文本生成图像的AIGC（AI生成内容）应用的突破，图像类的生成已经是“红海”了。我们需要寻找“蓝海”，近期出现了其他内容的突破吗？Mixlab小杜社区五月份介绍了 Pollinations.ai ，平台集成了文本…
理想的现实主义者正在设计未来城市，MixlabBIGSimulo做客上海设计周
未来城市正在慢慢变成现实。#从衣食住行等多方面比较未来城市和传统城市的差异探索未来城市从城市观念到人类价值的变化未来城市的新型危机城市管理的讨论#欢迎收听播客，上海设计周-官方链接：侬好！DESIGN｜未来城市正在变成现实
知识追踪硕士论文略读
题目作者信息 问题 解决方法（摘要） Wangzhihui Mei 伍伦贡 华中师范大学 Research on High School Math Exercise Recommendation Based on Graph Neural Network 基于知识追踪的高中数学 习题推荐模型 设计一个基于知识点标注、知识追踪和资源推荐技…
深度学习算法及卷积神经网络
目录标题传统神经网络矩阵计算：正则化：激活函数sigmoid损失函数前向传播激活函数Relu数据预处理DROP-OUT卷积神经网络(CNN)1.CNN网络的构成2. 卷积层2.1 卷积的计算⽅法2.2 padding2.3 stride2.4 多通道卷积2.5 多卷积核卷积2..6 特征图大小3. 池化层(Po…
新一代图像编辑器、虚拟偶像、AR，第29期「 Mix+人工智能」
新一代图像编辑器虚拟偶像ARKnowledge/ def mix( ):本期收录新增25节选/ NO.29#案例# #内容识别# #图像分割# #工具#新一代图像编辑器facet.ai#新闻推荐# #个性化推荐# #ACL# #2020# #数据集#微软亚洲研究院联合微软新闻产品团队在 ACL 2020上发布了一个大规模的英文新闻推荐数…
实例分析相应的逻辑斯蒂回归
假设train.csv文件中的内容为1,2,3,4,5,test.csv文件中的内容为2,3,4,5,1,则首先将train数组以及test数组提取出来, trainSet:2,3,4,5 labelList:0(因为trainSet打头的数字为1,所以类别标为第0类) testSet:3,4,5,1 labelList:0(因为testSet打头的数字为1,所以类别标为第0类) 对…
Kaggle-Elo Merchant Category Recommendation案例1%解决方案（特征工程）
数据预处理流程 思路 1. 数据读取
import gc
import time
import numpy as np
import pandas as pd
from datetime import datetime train pd.read_csv("train.csv")
test pd.read_csv("test.csv")
merchants pd.read_csv("merchants.csv")
…
PyTorch安装与学会建立第一个神经网络
PyTorch
安装
1 创建conda虚拟环境
conda create -n PyTorch python3.6
2 进入PyTorch虚拟环境
conda activate PyTorch
3 安装PyTorch
conda install pytorch torchvision torchaudio cpuonly -c pytorchnumpy与torch的转换与运算
import torch
import numpy as np# numpy …
基于支持向量机SVM的脑部肿瘤识别，脑电波样本熵提取
目录
支持向量机SVM的详细原理 SVM的定义 SVM理论 Libsvm工具箱详解 简介 参数说明 易错及常见问题 SVM应用实例，基于SVM的的脑部肿瘤识别分类预测 代码 结果分析 展望
支持向量机SVM的详细原理
SVM的定义
支持向量机（support vector machines, SVM）是一种二分类模型，它…
pgm模型_PGM的应用以及贝叶斯和马尔可夫模型的关系和转换
pgm模型PGM的应用：(用例) (Application of PGMs: (Use cases)) Netflix, Amazon, facebook all use PGM recommend what is best for you. Netflix，Amazon，facebook都使用PGM推荐最适合您的。 This algorithm, Use the latent factor model a…
算法学习（七）——一些基本概念：model base和model free，On-Policy 和 Off-Policy，On-Line 学习和 Off-Line 学习
model base和model free：
model base指状态之间的转移关系确定，从而可以将决策问题转化成一个马尔科夫过程，从而用动态规划的方式得到最优解，使用条件比较苛刻。状态转移概率矩阵如下图： model free使用更加广泛&…
png 色彩模式_PNG的完整形式是什么？
png 色彩模式PNG：便携式网络图形 (PNG: Portable Network Graphics) PNG is an abbreviation of Portable Network Graphics. It is a way in which Portable Network Graphics is arranged for keeping in reserve the bit-mapped (raster) images on the computer…
stl向量_C ++ STL中向量的大小和容量之间的差异
stl向量1)C STL向量大小 (1) C STL vector size) The vector size is the total number of elements of a vector and it always the same for all compilers. To get the size of a vector, vector::size() function is used. 向量大小是向量元素的总数，对于所有编…
线性代数矩阵转置乘法_矩阵的乘积及其转置属性 使用Python的线性代数
线性代数矩阵转置乘法Prerequisites: 先决条件： Defining a Matrix 定义矩阵 Transpose Matrix 转置矩阵 In linear algebra, an mxn matrix A is multiplied with its transpose AT then the resultant matrix is symmetric. This is one of the most common ways…
python中绝对值函数_创建一个函数以在Python中返回给定的绝对值
python中绝对值函数In the below program – we are creating a function named get_absolute_value(), it accepts a number and returns the absolute value of the given number. 在下面的程序中-我们正在创建一个名为get_absolute_value()的函数，该函数接受一个…
机器学习 决策树ID3算法 连续值处理
文章目录1. 开发环境2.1 决策树算法3.1 信息熵3.2 信息增益一、过程1. 计算信息熵2. 对连续值进行处理3. 选择最优的属性划分4. 按照列的属性值划分数据子集4. 根据pandas.DataFrame类型建立决策树5. 完整代码二、读取Excel表格的数据二、一 Excel表格数据1. 西瓜数据集2. 自定…
幸好会设计人工智能，不然我差点失业
今年年初有一位设计领域的硕士朋友找我聊天，说自己现阶段特别迷茫，觉得自己属于毕业即失业的边缘。于是我找了shadow为她指导方向，目前她已经进了某大厂实习，现在做得也小有成就。就在前两天，她又找到我并提到了MixLab…
仅需 3 行代码，文科生都能上手的百度飞桨Model Hub | Shadow 组队 AI 创造营
飞桨 PaddlePaddle百度家的飞桨 PaddlePaddle 是首款开源开放的产业级深度学习平台，可以很方便搭建模型。在这之前，可能用户们最常见的选择是等大佬搭完了丢出来再接，PaddlePaddle官方团队呢，就贴心地先实现一些经典和先进的模型&…
想要什么变一个出来？｜GPT-3的生成能力
想要什么变一个出来？那先变一段 “ 无界社区 ”的介绍？Input “ 无界社区 ”Output:无界社区 ， 也 就 是 这 个 山 头 。这 里 的 生 存 地 理 位 置 和 人 口 不 同 。一 共 有 九 个 部 落 。其 中 大 部 分 是 人 数 超 过 三 十 多 米 的…
交叉学科与MIXLAB跨界社群 ｜Mix+人工智能 NO.43期
Knowledge/ def mix( ):本期收录新增17NO. 43#自动化施工监控##风险预测##定义危险区#使用视频数据，帮助建筑工地提前预测危险和风险，以防止受伤。使用最新的深度学习技术，直接在平台上绘制出危险区域#设计##家具#作者设计了一个实验…
救生员的AI助手 ｜ Mixlab人工智能
今天讨论的话题是#溺水检测# 根据世界卫生组织（WHO）的数据，溺水是造成意外死亡的第三大原因，全球每年估计有320,000人死亡。这种情况很大程度上可以用现有的技术来改善，以挽救更多的生命。溺水检测可以结合机器学习和计…
jupyter notebook远程登录详解
1. 生成一个 notebook 配置文件。
[atguiguhadoop101 桌面]$ jupyter notebook --generate-config Writing default config to: /home/atguigu/.jupyter/jupyter_notebook_config.py （这是一个隐藏文件）
2、生成密码。
在terminal中输入ipython。
I…
pandas中索引重置set_index和reset_index的用法
1.set_index
DataFrame可以通过set_index方法，可以设置单索引和复合索引。 DataFrame.set_index(keys, dropTrue, appendFalse, inplaceFalse, verify_integrityFalse)
import pandas as pd import numpy as np df pd.DataFrame(columns[a,b]) #新建一个数据框…
python实现贝叶斯分类器
文章代码来自博客贝叶斯分类器，在这篇博客代码的基础上稍作修改
用朴素贝叶斯法实现对水果分类： 文件结构： bayes_classfier. py
#贝叶斯分类器
datasets{banala:{long:400,not_long:100,sweet:350,not_sweet:150,yellow:450,not_yellow:…
《统计学习方法》 第五章 决策树
前言
决策树是一种基本的分类与回归方法。以下主要讨论用于分类的决策树。决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程。它可以认为是 if-then 规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。 …
《统计学习方法》 第四章 朴素贝叶斯
这一章节需要一些概率论的学习基础，学过概率论的朋友会很容易理解。
朴素贝叶斯法是基于贝叶斯定理 与特征条件独立假设的分类方法，是一种典型的生成学习方法。生成方法由训练数据学习联合概率分布P(X,Y),然后球的后验概率分布P(Y|X)。具体来说…
【机器学习】01有关概念
机器学习和人工智能作为当今炙手可热的技术，有必要对机器学习有关的内容进行了解和学习。作为人工智能入门选手，我将记录下我的学习历程，一来加深学习的印象，二来也进行一个分享。由于文章中大部分内容是我根据学习资料࿰…
参与式设计是什么？为什么我们不能改造自然？ | 伊藤穰一论文翻译系列（3）...
伊藤穰一，是世界最顶级跨学科实验室MIT Media LAB的前主任。《时代》周刊曾这样描述他：“退学三次，无学位，做过DJ，喜爱游戏魔兽世界。”YES! MIT Media LAB的前总监：三次辍学、没高学历，但有着创…
AI 加速你的想法 | MixLab+AI 第39期
Knowledge/ def mix( ):本期收录新增13NO. 39设计流程的加速包#每周ai工具快速验证想法的工具——UIzard，基于图像识别，将线框图快速转化成高保真原型，帮助设计师能快速验证可行性/易用性，以加快工作流程提升效率。高保真原型生成…
指数增长真的存在吗？ | 伊藤穰一论文翻译系列（2）
伊藤穰一，是世界最顶级跨学科实验室MIT Media LAB的前主任。《时代》周刊曾这样描述他：“退学三次，无学位，做过DJ，喜爱游戏魔兽世界。”YES! MIT Media LAB的前总监：三次辍学、没高学历，但有着创…
这次又能探寻出那些新发现？ | MixLab+AI第38期
Knowledge/ def mix( ):本期收录新增20NO. 38#机器学习##电影评分#使用kaggle上的IMDb的电影数据集，通过深度学习识别电影海报的人脸数量，作为特征补充到数据集，然后把IMDb的评分作为目标值，训练一个基于catboost的回归模型&#…
从前端智能到知识引擎的一些思考 | shadow实验室
在2020初的时候，看到微软的Blazor，使用 C# 和 HTML 在任何浏览器中不需要插件即可运行 WebAssembly 程序集。WebAssembly把C,C和Rust带到了前端。我就开始思考：机器学习后端前端，如何把这三者全部融合到前端？融合后是不…
如何用AI设计一幅杂志封面
我们如何通过AI来设计一幅海报？首先解决这个问题我们需要思考，设计师是如何设计的？（这里以非专业平面设计师的我的思路参考）1.了解是需要设计哪种类型的封面海报。2.查看设计要素，如甲方提供的图片和文字。…
当平面布局可被计算… ｜ Mixlab建筑智能
用图数据 & 贝叶斯推断生成建筑的平面布局Architecture as a Graph a computational approach作者通过500张平面图将房间之间的连接建模，提取出对应的矩阵，形成数据集，然后使用贝叶斯推断方法，来完成模型的训练。具体步骤评估…
“香蕉”的黄是什么黄？如何教机器理解色彩概念 | MixLab色彩解读
我们是怎么确定 “香蕉”这一概念对应的颜色的 ？本文可能有些抽象，可快速看图浏览一遍再进行细读。论文作者基于图像统计，构建了使用从图像中提取的颜色分布来估计与颜色有强相关性的物体的色彩概念模型。如何从图像中提取颜色分布 ÿ…
眼睛函数，奇妙的数学函数 | 数字艺术
上一期文章，看到读者朋友们对这类艺术数学函数十分感兴趣，这期我就再多增加一些这部分的内容吧。这些同时也是我以前积累的美妙的数学函数，欢迎大家看完加入我们的读者群，来与我交流！眼睛函数猜猜这个函数在极坐标情况…
当机器学会了自动整理信息
谷歌搜索-知识图谱我们先观看视频，了解下知识图谱知识图谱可以帮助我们寻找到更为准确、丰富的信息。图谱里的节点一般是人物、画作、地点等实体，我们也可以理解为是下文提到的#标签。- 标签《必然》，把 “标签” 称为 “数字体制第三阶段中的…
![[YOLO] yolo理解博客笔记](https://csdnimg.cn/release/blog_editor_html/release2.2.3/ckeditor/plugins/CsdnLink/icons/icon-default.png?t=N176){kind=icon}
[YOLO] yolo理解博客笔记
YOLO v2和V3 关于设置生成anchorbox，Boundingbox边框回归的过程详细解读
YOLO v2和V3 关于设置生成anchorbox，Boundingbox边框回归的个人理解https://blog.csdn.net/shenkunchang1877/article/details/105648111YOLO v1网络结构计算
Yolov1-pytorch版 …
GPT：通用预训练语言模型
论文标题：Improving Language Understanding by Generative Pre-Training论文链接：https://www.cs.ubc.ca/~amuham01/LING530/papers/radford2018improving.pdf论文来源：OpenAI一、概述从无标注文本中高效学习的能力对于缓解对监督学习的依赖…
8 神经网络及Python实现
1 人工神经网络的历史
1.1 生物模型
1943年，心理学家W.S.McCulloch和数理逻辑学家W.Pitts基于神经元的生理特征，建立了单个神经元的数学模型（MP模型）。
1.2 数学模型 ykφ(∑i1mωkixibk)φ(WkTXb)y_{k}\varphi\left(\sum_{i1…
Easy Deep Learning——PyTorch中的自动微分
目录
什么是深度学习？它的实现原理是怎么样的呢？
什么是梯度下降？梯度下降是怎么计算出最优解的？
什么是导数？求导对于深度学习来说有何意义？
PyTorch 自动微分（自动求导） 为什么…
八百字讲清楚——BCEWithLogitsLoss二分类损失函数
BCEWithLogitsLoss是一种用于二分类问题的损失函数，它将Sigmoid函数和二元交叉熵损失结合在一起。
假设我们有一个大小为NNN的二分类问题，其中每个样本xix_ixi有一个二元标签yi∈0,1y_i\in {0,1}yi∈0,1，并且我们希望预测每个样本的概率…
kaggle酶稳定性预测第三名解决方案分享
最近在kaggle参加了诺维信举办的酶稳定性预测比赛 ，最终很幸运获得了第三名，这篇文章主要是简单介绍一下解决方案，具体的数据和题目要求可访问上面的链接。 文章目录 模型概述特征工程模型XGB1XGB2XGB3 EnsembleNESP 3D geometryFoldXThermo…
蓝桥杯——加深递归与循环的理解
蓝桥杯学习——递归与循环
递归与循环的区别
递归，说白了就是自己调用自己，利用的是栈后进先出的原理。理论上，任何的循环都可以重写为递归形式，所有的递归也可以被表述成循环的形式
循环改递归的两大要点
发现逻辑循环中的**…
【文章思路、算法分析】Membership Inference Attacks Against Machine Learning Models
白菜苗1、成员推理攻击目的2、阴影模型构建3、攻击模型的构造4、算法分析5、总结如果你不小心又亦或是专门寻找这篇文献相关知识，那么很高兴能和你们分享这篇文章。何谓成员推理攻击，陌生而又抽象？莫慌，现在我们就来探讨下针对机器…
Stable Diffusion公司发布首个大语言模型StableLM，已开源公测！
文 | 智商掉了一地 20号凌晨，Stability AI 发布了一个新的开源语言模型—— StableLM，该公司曾开发了 Stable Diffusion 图像生成工具。这则新闻意味着它不再局限于图像与视频生成领域，将正式加入文本生成 AI 赛道。 StableLM 模型可以生成文…
你是如此徒劳，为什么不使用虚荣心呢？
A few months ago I created a package called Vanity 几个月前，我创建了一个名为Vanity的软件包 A few months ago I created a package called Vanity[0] that provides easy access to package download statistics from PyPI. You can find the source code he…
先知ppt_用先知预测时间序列数据–第1部分
先知pptThis is part 1 of a series where I look at using Prophet for Time-Series forecasting in Python 这是本系列的第1部分，其中我介绍了如何使用Prophet在Python中进行时间序列预测 A lot of what I do in my data analytics work is understanding time s…
【Matlab手写数字识别】BP神经网络手写数字识别系统【含GUI源码 1639期】
一、代码运行视频（哔哩哔哩）
【Matlab手写数字识别】BP神经网络手写数字识别系统【含GUI源码 1639期】
二、matlab版本及参考文献
1 matlab版本 2014a
2 参考文献 [1] 黄一格,张炎生.基于BP神经网络的手写数字识别系统[J]机电工程技术. 2020,49(01)
人工神经网络的算法原理,人工神经网络分析方法
什么是人工神经网络及其算法实现方式
人工神经网络（ArtificialNeuralNetwork，即ANN），是20世纪80年代以来人工智能领域兴起的研究热点。
它从信息处理角度对人脑神经元网络进行抽象，建立某种简单模型，按不…
NumPy常用方法总结
NumPy是Python的一种开源的数值计算扩展。这种工具可用来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多（该结构也可以用来表示矩阵（matrix））。NumPy（Numeric Python）提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以…
棒球9号位：建设一个标准棒球场需要准备什么？
建设一个标准的棒球场需要遵循国际棒球联合会（World Baseball Softball Confederation）的规定，以下是一些基本的步骤： 1. 土地选择：选择平整、开阔的土地，考虑到球场的大小和看台的布局。
2. 确定球场尺寸…
基于类别级正则化的无监督域自适应眼底图像分割
文章目录 Unsupervised Domain Adaptive Fundus Image Segmentation with Category-Level Regularization摘要方法Inter-domain Category RegularizationSource Domain Category RegularizationTarget Domain Category Regularization总损失 Unsupervised Domain Adaptive Fund…
兴趣标签体系告诉我，闲鱼的95后是这样的...
背景与挑战— — "水果糖小椿 M39 暂挂" — — "列表科幻？" 不知大家能否读懂上面的对话，但在闲鱼，这样的对话每天都在发生。数据显示，闲鱼约30%的用户年龄不满25岁。了解这些95后的兴趣偏好，对闲…
纠错输出码（Error Correcting Output Code, ECOC）
纠错输出码流程
1、编码
对N个类别做M次划分，每次划分将一部分类别划为正类，一部分划为反类（M个训练集）。 如例(a) 则N4，M5，每次划分为1或者-1（二分类）
2、解码
测试示例交给M个…
数据库概述_概述| 数据科学
数据库概述总览 (Overview) An earth-shattering investigation in 2013 announced 90% of the whole of the worlds information has been made inside the past two years. Let that hit home. In the span of the last two years, weve collected and worked on nine times …
python中矩阵坐标范围_Python | 矩阵范围
python中矩阵坐标范围The range of a matrix can be defined as the difference between the maximum and minimum among the elements of the matrix. In NumPy, we have provided with an inbuilt function for this operation i.e. numpy.ptp(). It returns the range of th…
darknet训练时计算mAP和测试计算mAP
训练时计算相应的mAP值
./darknet detector train cfg/coco.data yolov3.cfg yolov3.conv.137 -map
测试时计算相应的mAP值
To check accuracy mAPIoU50: ./darknet detector map data/obj.data yolo-obj.cfg backup\yolo-obj_7000.weights
To check accuracy mAPIoU75: ./d…
MTCNN论文的阅读记录
论文首先介绍过去的方法的不足，然后提出论文中的方法以及改进 论文的贡献： 提出并实现新的基于组合脸部检测和对齐方法的级联CNN网络； 仔细设计轻量级少参数的CNN架构网络，可以达到实时性的要求； 提出有效的方法在线生…
智能优化算法：指数分布优化算法-附代码
智能优化算法：指数分布优化算法 文章目录 智能优化算法：指数分布优化算法1.指数分布优化算法1.1种群初始化1.2EDO开发1.3EDO探索 2.实验结果3.参考文献4.Matlab5.python 摘要：指数分布优化算法（Exponential distribution optimize…
2023数维杯A题水体污染对流弥散吸附完整论文及所有数值计算模拟代码
大家好呀，从昨天发布赛题一直到现在，总算完成了数维杯A题完整的成品论文。
A题论文37页，一些修改说明提醒7页，正文22页，附录8页
本论文可以保证原创，保证高质量。绝不是随便引用一大堆模型和代码复制粘贴…
深度学习入门——感知机
1 感知机是什么
感知机接收多个输入信号，输出一个信号。这里所说的“信号”可以想象成电流或河流那样具备“流动性”的东西。像电流流过导线，向前方输送电子一样，感知机的信号也会形成流，向前方输送信息。但是，和实际…
跟李沐学AI；Meta可能让其开源AI模型商业化，让开发者赚钱
🦉 AI新闻
🚀 Meta可能让其开源AI模型商业化，让开发者赚钱
摘要：Meta正考虑将其开源大语言模型（LLM）的下一个版本用于商业用途，这可以为聊天机器人等提供支持。此举可能会让更多开发者使用替代…
【生态经济学】R语言机器学习方法在生态经济学领域中的实践技术
查看原文>>>基于R语言机器学习方法在生态经济学领域中的实践技术
近年来，人工智能领域已经取得突破性进展，对经济社会各个领域都产生了重大影响，结合了统计学、数据科学和计算机科学的机器学习是人工智能的主流方向之一，…
Multi-class classification without multi-class labels (ICLR 2019)
Multi-class classification without multi-class labels (ICLR 2019)
摘要
这项工作提出了针对多分类的新策略，不需要具体的类别标签，取而代之是利用样本之间的两两相似度，这是一种弱化的标注方式。所提方法称作元分类学习，为两…
基于PSO_FLNN预测股票周收益
1、简介 背景：针对均值-方差模型的局限性，利用启发式函数链神经网络预测得到的收益率替代历史数据。 工作原理：构建PSO_FLNN预测模型，PSO算法用来优化FLNN中个体的权重参数，FLNN用来对输入的个体预测其对应的周收…
【LeetCode】旋转图像(原地算法，找规律)
旋转图像(找规律) 题目链接：https://leetcode-cn.com/problems/rotate-image/ 题目大意：将矩阵顺时针旋转90度，要求原地旋转，空间复杂度O(1) 先水平对折翻转，然后主对角线翻转 func rotate(matrix [][]int) {n:len(ma…
数据可视化教程作业打卡-第二回：艺术画笔见乾坤
教程链接
https://github.com/datawhalechina/fantastic-matplotlib
https://gitee.com/zhang35/fantastic-matplotlib/blob/main/第二回：艺术画笔见乾坤.ipynb
思考题
primitives 和 container的区别和联系是什么？ primaitives是绘图元素࿱…
计算机视觉与深度学习（线性分类器、全连接神经网络）
参考：https://www.bilibili.com/video/BV1V54y1B7K3
图像分类 什么是图像分类任务，它有哪些应用场合? 图像分类任务有哪些难点? 视觉、光照、尺度、遮挡、形变、遮挡、形变、背景杂波、类内形变、运动模糊 基于规则的方法是否可行? 什么是数据驱动…
特征工程之特征预处理
特征预处理主要包括以下几个方面的内容，第一，特征的归一化和标准化，第二：异常特征样本的清洗，第三：样本数据不平衡问题处理。 1，特征的标准化和归一化 （1）：z-…
提升算法--Adaboost
一：提升算法
历史凯尔斯和瓦里安特首先提出了“强可学习”和“弱可学习”的概念，指出在PAC学习框架下，一个概念如果存在一个多
项式的学习算法去学习它，并且正确率很高，那么就称这个概念为强可学习的，反之…
算法学习（六）——alpha Zero模型
论文：
https://xueshu.baidu.com/usercenter/paper/show?paperiddba68ff4f67c98a046754cf804cf1d7e&sitexueshu_se
代码：
https://github.com/junxiaosong/AlphaZero_Gomoku
理解：
0.应用领域：完美信息零和博弈…
算法学习（十四）——word2vec
个人理解：就是获取一个没有偏置和激活函数的全连接隐层，将高维的one-hot数据转变为稠密、低维、有相似性的关系的矩阵，分为CBOW, skip-gram两种方法。
参考：
https://www.zhihu.com/question/45027109
https://www.jianshu.com…
DNN的反向传播算法
一：DNN的反向传播算法
我们在监督学习中的一般问题是，假设我们有m个训练样本，{(x1,y1),(x2,y2),…,(xm,ym)}，其中x是输入维度，输入特征维度为n_in，y为输出向量，输出的特征唯独为n_out,.我们需要…
【Matlab故障诊断分析】概率神经网络柴油机故障诊断【含源码 1754期】
一、代码运行视频（哔哩哔哩）
【Matlab故障诊断分析】概率神经网络柴油机故障诊断【含源码 1754期】
二、matlab版本及参考文献
1 matlab版本 2014a
2 参考文献 [1] 沈再阳.精通MATLAB信号处理[M].清华大学出版社，2015. [2]高宝建,彭进业,…
马尔可夫链 （Markov Chain)
原文链接： link. 1. 唯一让我彻底蒙圈的课程
这些课程真的太难了，大学里无数人为此伤透了脑筋，挂科率杠杠的。我当初也是的，特别是随机过程这门课，上完了一学期的课，只记住了几个公式，问我干嘛…
使用lgb.cv时出现ValueError: Supported target types are: (‘binary‘, ‘multiclass‘). Got ‘continuous‘ instea
使用lgb.cv时出现ValueError: Supported target types are: (‘binary’, ‘multiclass’). Got ‘continuous’ instead.
默认情况下，lightgbm.cv中的stratify参数是True。 根据the documentation：
stratified (bool, optional (defaultTrue)) – Whe…
机器学习算法及常用算法的实现（python版）
网上找到相关资源，大家可以一起学习
参考学习链接：https://blog.csdn.net/u013719780?viewmodecontents
神经网络反向传播推导
对于单层神经网络而言，权重和输入都是可以求梯度的，梯度和损失函数相关联不和权重关联 单层感知机可见：
ZouJiu1/deep-learning: 入门DeepLearning练习 (github.com)https://github.com/ZouJiu1/deep-learning
【Matlab人脸识别】BP神经网络人脸识别（含识别率）【含GUI源码 891期】
一、代码运行视频（哔哩哔哩）
【Matlab人脸识别】BP神经网络人脸识别（含识别率）【含GUI源码 891期】
二、matlab版本及参考文献
1 matlab版本 2014a
2 参考文献 [1]孟逸凡,柳益君.基于PCA-SVM的人脸识别方法研究[J].科技视界. …
数据科学家访谈录 百度网盘_[信息图形]数据科学访谈指南
数据科学家访谈录 百度网盘翻译自: https://www.pybloggers.com/2016/10/infographic-guide-to-data-science-interviews/数据科学家访谈录 百度网盘
行人重识别-全局特征和局部特征（二）
全局特征 全局特征指每一张行人图片的全局信息进行一个特征抽取，得到一个向量，没有包含任何空间信息。没有spatial信息会有问题 有时候，一个人只有上半身，一个人只有下半身就很蛋疼。所以全局特征会遇到瓶颈。 为了解决这个问题&a…
额叶脑电非对称性的评估和概念化
额叶脑电图(EEG)的alpha不对称在情绪、动机和精神病理学研究中得到了广泛的研究，但它是一个使用多种程序进行量化和分析的指标，而程序的多样性使交叉研究的解释变得模糊。本文的目的是提供脑电图alpha不对称的记录、处理、分析和解释的最新教程ÿ…
机器学习-白板推导系列(九)-概率图模型之推断（Probability Graph）
9. 概率图模型之推断
9.7 推断Inference-总体介绍 定义 推断(Inference)这个词，对于学过机器学习的同学来说，一定听说，这也是贝叶斯方法中一个非常重要的理论性研究。那么什么是推断呢？推断就是求概率\color{red}求概率求概率。比…
机器学习-白板推导系列(九)-概率图模型之表示（Probability Graph）
9. 概率图模型
9.1 背景介绍
9.1.1 概述
什么是概率图 机器学习的重要思想就是，对已有的数据进行分析，然后对未知数据来进行预判或者预测等。概率图是将概率的特征引入到图中\color{blue}概率的特征引入到图中概率的特征引入到图中，方便进…
吴恩达-deep learning 02.改善深层神经网络：超参数调试、正则化以及优化Week1
在第一门课中已经学习了如何建立一个神经网络，或者浅层的，或者深度的。而这第二门课，我们将着重讨论和研究如何优化神经网络模型，例如调整超参数，提高算法运行速度等等。
Week1：深度学习的实践层面&#x…
重启《React 知命境》更新计划说明
大家好，我是这波能反杀。一个 ~ 懒人 ~。我从 2015 年就开始学习和使用 React，亲身经历了 React 发展的几乎所有变迁过程，具备丰富的 React 项目实战经验，小项目、大项目、巨型项目，PC、移动端、小程序、iOS、Android我…
MixMatch: A Holistic Approach to Semi-Supervised Learning学习笔记
MixMatch相关介绍主要思想过程损失函数数据增强MixUp算法算法流程实验参考资料相关介绍
半监督学习已被证明是一种强大的学习范式，可以利用未标记数据来减轻对大型标记数…
一文带你了解机器学习算法
文章目录1. 常见的机器学习算法有哪些2. 什么是机器学习3. 解释有监督和无监督机器学习之间的区别？4. KNN算法介绍5. 线性回归法介绍6. PCA算法介绍7. 支持向量机-SVM介绍8. 随机森林算法介绍1. 常见的机器学习算法有哪些
KNN算法、线性回归法、决策树算法、随机森…
【sklearn】交叉验证 KFold/StratifiedKFold/GroupKFold
KFold/StratifiedKFold/GroupKFold1. sklearn.model_selection.KFold1.1 KFold().split(x) 循环获取分割数据1.2 cross_validate(cvKFold()) 作为cv参数2. sklearn.model_selection.StratifiedKFold3. sklearn.model_selection.GroupKFold1. sklearn.model_selection.KFold
1.…
Matlab进阶绘图第8期—聚类/分类散点图
聚类/分类散点图是一种特殊的特征渲染散点图。
聚类/分类散点图通过一定的聚类、分类方法，将特征相近的离散点划分到同一个类别中，进而将每个离散点赋予类别标签，并利用不同的颜色对不同的类别进行区分。
本文使用Matlab自带的gscatter函数…
ShuffleNet
论文信息
论文名称：ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile
论文创新点
1、Pointwise Group Convolution Pointwise Convolution 和1x1 Conv 是等价的，在1x1 Conv 中加入了组，可以看做是ResNeXt的变…
p.1204.3与vmaf对比
使用p.1204.3计算指标与vmaf指标进行对比，确实大部分case更接近人眼的感受情况。
p.1204.3文档中提到增加了美学上的考虑，这里也做了粗略验证： 1、使用同款手机镜头拍摄两段视频，拍摄视频的参数一致。 2、其中一段视频是一些物件…
42 pandas统计分析基础--描述分析DataFrame数据及转换与处理时间序列数据
数值型数据的描述性统计主要包括了计算数值型数据的完整情况、最小值、均值、中位数、最 大值、四分位数、极差、标准差、方差、协方差和变异系数等。pandas库基于NumPy，自然也可以用一些统计函数对DataFrame进行描述性统计。 pandas还提供了一个方法叫作describe&…
2023.04.02 学习周报
文章目录摘要文献阅读1.题目2.摘要3.简介4.本文贡献5.PROBLEM FORMULATION5.1 Case Study5.2 Problem Definition6.MODEL6.1 Absolute Temporal Module6.2 Relative Temporal Module6.3 Decoder Module6.4 Loss Function7.实验7.1 数据集7.2 评价指标7.3 基线7.4 实验结果8.结论…
库卡机器人提示“参数不等于机器人类型“
参数不等于机器人类型
处理方法一:在系统变量内进行重新命名赋值 1.先登陆到管理员 2.显示-变量-单个 3.‘名称’窗口输入$Robtrafo[]，点击更新 4.‘新值’窗口输入$Trafoname[],点击设定值 5.关机-冷启动-重新读入文件-重新启动控制系统PC√ 处理方法二:删除EDS 1…
【2021年2月新书推荐】Advanced Natural Language Processing with TensorFlow 2
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2021年2月由Apress出版社最新出版的一本关于NLP和机器学习的书，涉及的语言位python。
Advanced Natural Language Processing with Tens…
python学习步骤_通过5个步骤以正确的方式学习Python
python学习步骤Python is an amazingly versatile programming language. You can use it to build websites, machine learning algorithms, and even autonomous drones. A huge percentage of programmers in the world use Python, and for good reason. It gives you the …
搭建flask接口，提供模型打分服务
搭建打分接口，供服务端调用 1. 组织目录 .server 2.配置文件 config.ini
[uwsgi]
chdir/data/zz/server
home/data/zz/zz_venv/bin/python
wsgi-fileflask_test.py
callableapp
mastertrue
processes4
threads1
socket10.135.35.2:8788
vacuumtrue
logfile-chmod6…
通过深度神经网络和树搜索掌握围棋游戏
Article
作者：David Silver*, Aja Huang*, Chris J. Maddison etc. 文献题目：通过深度神经网络和树搜索掌握围棋游戏 文献时间：2016 发表期刊：nature https://github.com/jmgilmer/GoCNN
摘要 由于其巨大的搜索空间和评估棋盘位…
机器学习中的数学知识1——导数、向量、偏导与梯度
数学是机器学习的基础，各种算法需要大量使用微积分，线性代数，概率论，最优化方法等数学知识，特别是最优化理论，可以说机器学习中的大多数算法研究到最后都是一个数学优化问题。接下来将一一介绍机器学习中的…
机器学习项目实战(五) 住房价格预测
机器学习项目实战系列 住房价格预测
目录
机器学习项目实战系列 住房价格预测
一、概述
二、分析数据
1.数据导入
2.基础统计运算
3.特征观察
4.建立模型
5.分析模型表现
(1)学习曲线
(2)复杂度曲线
6.拟合模型
7.预测销售价格 一、概述
数据集包含波士顿剩余…
pytorch 的一些介绍以及常用工具包展示
文章目录一、pytorch 简介二、pytorch 优势三、pytorch 常用工具包四、pytorch 注意点五、pytorch 理解六、pytorch-Tensor1. tensor 数据类型2. 创建 tensor 相关的 API3. tensor 对象的 API七、python 自动求导八、pytorch 神经网络一、pytorch 简介
Pytorch是torch的python…
第三节：强化学习中的套路
本专栏是强化学习运用在买卖股票之上的入门学习内容。 主要解决强化学习代码落地和代码实践，不需要学习相关数学原理，直观简单的带领读者入门强化学习炒股。 查看本专栏完整内容，请访问：https://blog.csdn.net/windanchaos/category_12391143.html 本文发布地址：https://b…
Yolov5（最新版） 环境配置及部署之环境配置（一) （详细教程）
Yolov5 环境配置及部署之环境配置（一) （详细教程）
最近在学习yolov5，记录下过程。
一、环境配置
进入Github官网https://github.com/ultralytics/yolov5/releases，选择版本为v5.0 2.下拉滚动条，找到Sou…
机器学习相关的几个基本概念
1.自然智能与人工智能。
自然智能是人和动物在自然界中通过与环境的互动而长期演化形成的。它可以分为动物智能和人类智能。人类智能一般情况下主要指逻辑推理能力、运算能力、学习及自我攻击能力等。
人工智能是指采用人工的方法设计类似于人类（或动物࿰…
NLP笔记：常用loss function整理
NLP笔记：常用loss function整理 1. 简介2. loss function整理 1. MSE（Mean Square Error）2. MAE（Mean Abosolute Error）3. CrossEntropy4. KLDivergence5. Regularization 3. 总结4. 参考链接 1. 简介
接上一篇博客【…
如何让人工智能更智能？你需要一个开源平台
2020年6月19日，奥斯纳布吕克州下萨克森：Melanie Ploppa老师在教室中为小学生们上课。由于新冠隔离法规的限制，目前各学校必须采取特殊的卫生管理措施。另外，课堂中学生的数量也受到控制。
在COVID-19疫情全面爆发之后，…
1.2python基础语法——Python解释器
Python解释器1）编译型和解释型
计算机只能认识一种语言,就是二进制的机器码。程序需要最终转换为二进制的机器码才能被执行,而转换的过程就分为两种:编译型和解释型。
对于编译型语言通过编译器编译之后可以直接将代码生成二进制程序执行；
而对于解释…
如何学习ROS机器人？
本人计算机视觉小白一枚，最近刚刚入坑ROS机器人操作系统，下面分享一下自己觉得比较好用的学习资源，欢迎补充。
网页教程
1.百度搜索AUTOLABOR：进入开源ROS机器人学习官网：http://www.autolabor.com.cn/index。点击RO…
机器学习笔记 - 视频分析和人类活动识别技术路线简述
一、理解人类活动识别 首先了解什么是人类活动识别，简而言之，是对某人正在执行的活动/动作进行分类或预测的任务称为活动识别。 我们可能会有一个问题：这与普通的分类任务有什么不同？这里的问题是，在人类活动识别中，您实际上需要一系列数据点来预测正确执行的动作。 看看…
LoOP Local Outlier Probabilities一种基于概率的异常值检测方法
LoOP Local Outlier Probabilities 此方法为lof的改进版本： lof有一个显著的缺点：即最终的得分不能判断异常值的程度，loOp将异常值表示在[0,1]的范围内，可以根据概率对异常值判断。
原理
相比于欧氏距离，引入了概率距…
深入理解强化学习——标准强化学习和深度强化学习
分类目录：《深入理解强化学习》总目录 强化学习的历史
早期的强化学习，我们称其为标准强化学习。最近业界把强化学习与深度学习结合起来，就形成了深度强化学习（Deep ReinforcemetLearning）。因此，深度强化…
Lecture 11(Preparation)：领域自适应 (Domain Adaptation)
Domain shift: Training and testing data have different distributions.
Transfer learning：在A任务上学到的技能，可以被用在B任务上
Domain Adaptation的技术，可以看作是Transfer learning的一种 Domain Adaptation: 第一种情况…
机器学习与计算机视觉资源(更新中)
李航《统计学习方法》 李航《统计学习方法》内诸多算法的python实现与在mnist上实验
CS231n
cs231n课程主页 知乎上16年的汇总 CS231n Assignment
姿态估计与矫正
Quick and Easy Head Pose Estimation with OpenCV [w/ code] Head Pose Estimation using OpenCV and Dl…
AI如何帮助人类进而验证直觉的可靠性？
AI可以通过以下方式帮助人类寻找反例进行否定或寻找特别的架构： 1. 利用机器学习算法进行反例搜索。AI可以训练一个分类器，用于判断某个假设是否成立。通过反复训练和测试，AI可以识别出一些不合理的假设，并帮助人类进行进一步的验…
如何将python训练的XGBoost模型部署在C++环境推理
当前环境：Ubuntu，xgboost1.7.4过程介绍：首先用python训练XGBoost模型，在训练完成后注意使用xgb_model.save_model(checkpoint.model)进行模型的保存。找到xgboost的动态链接库和头文件动态链接库：如果你在conda环境下面…
Embodied AI 具身智能
大模型的时代的到来，现在的大模型的参数几乎是几何级数的上升。 谷歌和柏林工业大学的团队重磅推出了史上最大视觉语言模型——PaLM-E：An Embodied Multimodal Language Model。通才大模型PaLM-E，什么是通才模型，就是多任务统一学…
分类算法性能度量指标
1.简介 为了了解模型的泛化能力，我们需要用某个指标来衡量，这就是性能度量的意义。常用的评估指标有：混淆矩阵(Confuse Matrix)、准确率(Accuracy)、精准率(Precision)和召回率(Recall)、F1-Score、ROC曲线(Receiver Operating Characteristi…
一步一步介绍如何使用 DLIB 训练自定义对象检测器并制作手势控制的程序源码
文末附测试代码下载链接 在本文中，您将学习如何使用 AI 构建基于 Python 的手势控制应用程序。我们将通过分步说明全程指导您。我相信您会在本教程中获得很多乐趣并学到许多有用的概念。
具体来说，您将学习以下内容： 如何使用 Dlib 训练自定义手部检测器。如何通过图像处理…
重新标记ImageNet：从全局标签到局部标签（附github代码及论文）
欢迎关注“计算机视觉研究院”计算机视觉研究院专栏作者：Edison_GImageNet可以说是最受欢迎的图像分类基准，但它也是一个具有显著噪声的标签。最近的研究表明，许多样本包含多个类，尽管被假定为单个标签基准。因此，他们…
02-18 周六 图解机器学习之SMV 第五章5-2
02-18 周六 图解机器学习之SMV 第五章5-2时间版本修改人描述2023年2月18日11:47:18V0.1宋全恒新建文档
环境 程序的基本环境，是使用了jupyter，在容器中运行的。
简介 本程序主要演示支持向量的获取，支持向量是距离超平面最近的点组成的。程序…
机器学习算法 决策树
文章目录 一、决策树的原理二、决策树的构建2.1 ID3算法构建决策树2.2 C4.5 算法树的构建2.3 CART 树的创建 三、决策树的优缺点 一、决策树的原理
决策树（Decision Tree）是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总…
Feature interation—— Bridge、Fusion、Filte
Feature interation（特征交互）：物品不同模态的表示属于不同的语义空间，并且每个用户对模态也有不同的偏好。因此，多模态推荐系统（MRS）寻求融合和交互多模态特征来生成用户和物品的特征表示。特征…
xgboost:分割Sparsity-aware Split Finding
Sparsity-aware Split Finding1
在许多现实问题中，输入xxx是稀疏的是很常见的。造成稀疏性的可能原因有很多:
1)数据中存在缺失值；
2)统计中频繁出现零项；
3)特征工程的处理结果，如独热编码。
重要的是使算法意识到数据中的稀…
粒子群优化最小二乘支持向量机SVM回归分析，pso-lssvm回归预测
目录
支持向量机SVM的详细原理 SVM的定义 SVM理论 SVM应用实例，粒子群优化最小二乘支持向量机SVM回归分析 代码 结果分析 展望
支持向量机SVM的详细原理
SVM的定义
支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大…
《深度学习实战》第1章 深度学习的发展介绍
参考书籍《深度学习实战》杨云、杜飞著
第1章 深度学习的发展介绍
介绍
python是一种非常简单易学的解释性语言。由于强大的开源库支持(numpy,scipy,matplotlib)，其广泛应用于科学计算中。如果你励志成为一名数据科学家或数据“攻城狮”，那python就是…
【强化学习-医疗】医疗保健中的强化学习：综述
Article
作者：Chao Yu, Jiming Liu, Shamim Nemati文献题目：医疗保健中的强化学习：综述文献时间：2020文献链接：https://arxiv.org/abs/1908.08796
摘要
作为机器学习的一个子领域，强化学习 (RL) 旨在通过…
整理一个 学习AI的步骤、提纲
一、学习人工智能的一些步骤和提纲： 学习编程语言和数学基础：学习人工智能需要编程和数学基础。了解编程语言（如Python）和数学基础（如线性代数和微积分）可以帮助您更好地理解和实现机器学习和深度学习算法。…
Chat GPT5的主要介绍
Chat GPT-5是一种基于人工智能技术的对话系统，用于进行自然语言处理和对话，以提供更好的服务。 它是由OpenAI公司开发的，是GPT系列的最新版本。 GPT代表着"生成式预训练"，因此Chat GPT-5基于神经网络，通过预…
loss.item()大坑
loss.item()大坑
跑神经网络时遇到的大坑：代码中所有的loss都直接用loss表示的，结果就是每次迭代，空间占用就会增加，直到cpu或者gup爆炸。 解决办法：把除了loss.backward()之外的loss调用都改成loss.item()࿰…
AI推理服务平台升级，阿里云机器学习PAI推出新规格
随着生成式AI模型不断拓宽AI应用的场景边界，模型在线服务的数量级快速增长，AI推理环节亟需精细化的资源管理。 近日，阿里云机器学习平台PAI宣布全面升级模型服务平台PAI-EAS，面向文图生成、大语言模型等各类模型提供弹性稳定的推理…
红酒分类案例中使用分箱处理
红酒分类案例中使用分箱处理
描述
在建立分类模型时，通常需要对连续特征进行离散化(Discretization)处理 ，特征离散化后，模型更加稳定，降低了过拟合风险。离散化也叫分箱(binning)，是指把连续的特征值划分为离散的特…
基于注意力机制的深度协同推荐模型
摘要
针对传统矩阵分解算法无法挖掘深层隐含信息，以及未能充分利用用户和项目评论的问题，提出基于注意力机制的深度协同推荐模型。首先采用注意力机制对评论文本赋权，使用并行的卷积神经网络分别提取用户评论和项目评论特征，同时将评分矩阵输入多层感知机，得到用户隐表示…
你的GPT跟ChatGPT可能只差了一个DPU
“人类永远不会嫌网络太快，就像永远不会嫌高铁太快，你只会嫌它慢，希望它更快些。” 一个月内，百度、阿里、腾讯、商汤、讯飞、360等国内大厂扎堆发布“中国版 GPT ”，这家的名字还没记清楚，另一家的又蹦了出…
卷积神经网络轻量化教程之通道剪枝【附代码】
这两天自己手写了一个可以简单实现通道剪枝的代码，在这篇文章中也会对代码进行讲解，方便大家在自己代码中的使用。
如果还想学习YOLO系列的剪枝代码，可以参考我其他文章，下面的这些文章都是我根据通道剪枝的论文在YOLO上进行的实…
推荐系统召回之userCF
基于用户的协同过滤算法userCF 1.1 相似度计算 通过计算用户之间的相似度。这里的相似度指的是两个用户的兴趣相似度。
假设对于用户u uu和v vv，N ( u ) N(u)N(u)指的是用户u uu喜欢的物品集合，N ( v ) N(v)N(v)指的是用户v vv喜欢的物品集合࿰…
模型解释性：PFI、PDP、ICE等包的用法
本篇主要介绍几种其他较常用的模型解释性方法。
1. Permutation Feature Importance(PFI)
1.1 算法原理 置换特征重要性(Permutation Feature Importance)的概念很简单，其衡量特征重要性的方法如下：计算特征改变后模型预测误差的增加。如果打乱该特征的…
SVM-老师讲的真的很好！
支持向量机(Support Vector Machine)
如同逻辑回归一样，SVM是一个分类模型 目标
SVM解决分类模型的基本思路：什么是一个好的分类边界？ SVM认为，好的分类决策边界应当是：类别边界的距离应当尽可能的远
目标函数 拉格朗日乘子法 那么我们的公式就可以写为
阿里最新研究：当ChatGPT 遇上推荐系统，遭遇滑铁卢
文 |小戏 在 GPT-4 屠榜了 NLP，SAM 零样本分割一切让 CV 消失后，不知道大家会不会有好奇 AI 三大现实应用的另一边岁月静好的推荐系统有没有感受到来自遥远大模型带来的巨大压力。 尽管 ChatGPT 的训练过程似乎没有对推荐系统太多的兼容，但是…
天津恒安标准人寿面试经验
#2023年3月15日# Nlp training Q1: 在职期间nlp最完整的，从数据收集、模型搭建、模型部署开始说起：
Q2：地址相似度是怎么实现的？双塔模型了解过吗？文本相似度是怎么实现的吧！
Q3：transformer你…
【一起撸个DL框架】4 反向传播求梯度
CSDN个人主页：清风莫追 欢迎关注本专栏：《一起撸个DL框架》 文章目录 4 反向传播求梯度🥥4.1 简介4.2 导数与梯度4.3 链式法则4.4 示例：y2x1的梯度 4 反向传播求梯度🥥
4.1 简介 上一篇：【一起撸个DL框架】…
论文翻译 | Momentum Contrast for Unsupervised Visual Representation Learning（前三章）
前言： 上一次读恺明大神的文章还是两年前，被ResNet的设计折服得不行，两年过去了，我已经被卷死在沙滩上
Momentum Contrast for Unsupervised Visual Representation Learning
摘要
我们提出了针对无监督表征学习的方法MOCO,利用…
人工智能算法几个重要指标
一、几个前置概念
TP（True Positive）：正确的正例，正类被判定成正类
FN（False Negative）：错误的反例，漏报，正类被判定为假类
FP（False Positive）…
MSE 均方误差及其梯度
MSE 均方误差及其梯度
mse 表达式 M S E 1 n ∑ i 0 n ( y i − o i ) 2 MSE \frac{1}{n} \sum_{i0}^{n} (y^{i}-o^{i})^2 MSEn1i0∑n(yi−oi)2 其中n为输出节点数，真值为 y , 模型输出为 o
mse 对 第 j 个 o 求偏导 ∂ M S E ∂ o j 1 n ∑ i 0 n ∂ ( y…
python从入门到入土2--数据类型及操作
整数形式
python中整数形式与数学中相同 相较于c/c的优势是没有数据范围
pow(x,y)表示x的y次方 || 类似的表达还有 8**2 表示8的2次方
整数有四种表示形式： 十进制：1000、-90 二进制：以0b或0B开头表示二进制数 八进制：以0o或0O…
要不做一名 Prompt Engineer
文章目录1. 什么是 Prompt Engineer2. 如何成为 Prompt Engineer3. Prompt Engineer 需要具备哪些技能4. Prompt Egnineer 适合什么工作岗位5. Prompt Egnineer 未来的发展趋势？6. 哪些公司正在招聘 Prompt Egineer7. Prompt Engineer 必备的20个工具8. Prompt Engi…
数据预处理之数据标准特征化
Standardization即标准化，尽量将数据转化为均值为零，方差为一的数据，形如标准正态分布（高斯分布）。实际中我们会忽略数据的分布情况，仅仅是通过改变均值来集中数据，然后将非连续特征除以他们的标…
可解释的机器学习是机器学习研究由线到面的关键一步
传统的深度生成模型由于最大化概率似然，模型更倾向于生成偏极端的数据，影响生成的效果。对抗学习通过产生对抗样本或者对抗模型来加强模型的鲁棒性，提高数据生成的效果。 可解释的机器学习（Explainable Al）是机器学…
神经网络优化器之随机梯度下降法的理解
随机梯度下降法（SGD）随机梯度下降方法，在每次更新时用1个样本，随机也就是说我们用样本中的一个例子来近似我所有的样本，由于计算得到的并不是准确的一个梯度，因而不是全局最优的。但是相比于批量梯度&#…
VIO优化中不客观自由度 (gauge freedom) 的处理 (gauge handle)
文章目录1. 不可观的解释2. 几种不同的gauge handle处理方式2.1. free gauge方式2.2. fix gauge方式2.3. prior gauge方式2.4. g2o tutorial方式3.不同方式的协方差矩阵1. 不可观的解释
这篇论文 中对VIO的4-DOF不可观的定义如下，可以看到这种不可观就是如果对最后…
三维点云拟合圆形(附open3d python 代码）
圆拟合方法可分为以下步骤： 使用 SVD（奇异值分解）找到平均中心点集的最佳拟合平面。将均值中心点投影到新的 2D 坐标中的拟合平面上。使用最小二乘法拟合 2D 坐标中的圆并得到圆心和半径。将圆中心变换回 3D 坐标。现在，拟合圆由其中心、半径和法线向量指定。2.1 通过 SVD …
半监督学习之MixMatch（代码解读 ablation）
接下来将按照顺序讲解每一个文件的作用 ablation
ab_mixmatch.py
这段代码定义了额外的标志来测试MixMatch方法实现的不同部分。MixMatch算法是一种半监督学习方法，利用标记和未标记的数据来训练模型。
import functools
import osfrom absl import app
from ab…
多标签损失之Hamming Loss（PyTorch和sklearn）、Focal Loss、交叉熵和ASL损失
多标签损失多标签评价指标之Hamming Loss多标签评价指标之Focal Loss多标签分类的交叉熵Asymmetric Loss (ASL) 损失各个损失函数的计算公式，网上有很多文章了，此处就不一一介绍了。
多标签评价指标之Hamming Loss
PyTorch实现的Hamming Loss和sklearn…
XGboost和GBDT区别及解读XGboost参数
GBDT和XGBoost区别 传统的GBDT以CART树作为基学习器，XGBoost还支持线性分类器，这个时候XGBoost相当于L1和L2正则化的逻辑斯蒂回归（分类）或者线性回归（回归）； 传统的GBDT在优化的时候只用到一阶…
【Python机器学习】——正态数据分布
Python机器学习——正态数据分布 文章目录Python机器学习——正态数据分布一、Python机器学习 正态数据分布一、Python机器学习 正态数据分布
正态数据分布（Normal Data Distribution） 在上一章中，我们学习了如何创建给定大小且在两个给定值…
ML：机器学习算法中—因子模型(多变量)和时序模型/时间序列模型(主要以单变量)算法的简介、带有时序性的因子模型概述、案例应用之详细攻略
ML：机器学习算法中—因子模型(多变量)和时序模型/时间序列模型(主要以单变量)算法的简介、带有时序性的因子模型概述、案例应用之详细攻略 目录
因子模型和时序模型/时间序列模型算法的简介
1、因子模型(多变量)和时序模型/时间序列模型(主要以单变量)算法的概述 …
ChatGPT的奇思妙想
ChatGPT的奇思妙想 最近，一个名叫 ChatGPT （通用人工智能）的人工智能系统引起了大家的关注，该系统可以通过对话生成文本和回答问题。在谷歌公司公布的一份新研究报告中，该系统已经具备了“与人类进行自然语言交流”的能…
混合策略改进的金枪鱼群优化算法(HTSO)-附代码
混合策略改进的金枪鱼群优化算法(HTSO) 文章目录 混合策略改进的金枪鱼群优化算法(HTSO)1.金枪鱼群优化算法2. 改进金枪鱼群优化算法2.1 Circle混沌映射初始化种群Circle2.2 Levy flight改进螺旋式觅食 3.实验结果4.参考文献5.Matlab代码6.Python代码 摘要：针对金枪…
离散分类和非离散分类问题中的模型评价
离散分类问题中的模型评价
假设分类目标只有两类：正样本（positive）和负样本（negative）。 分类器的分类结果会出现以下四种情况：
TP: 若一个实例为正，且被预测为正，即为“真正类”(…
Semantic Segmentation using Adversarial Networks
首次将GAN用于语义分割，用于辨别分割图是来自GT还是来自分割网络。作者的想法来自借助GAN可以检测和矫正GT和模型分割图的高阶不一致。最后在Standford和PASCAL VOC 数据集上验证了想法。 对抗学习： 使用两个权重和的混合损失函数进行优化，第…
从零开始的强化学习入门学习路线
强化学习是机器学习领域中的一个分支，它是指智能体通过与环境的交互来学习如何采取最佳行动以最大化奖励信号的过程。强化学习在许多领域都有广泛的应用，如游戏、自动驾驶和机器人控制等。如果你对强化学习感兴趣，下面是一个入门强化学习的学…
Call for Papers丨第三届GLB@KDD‘23 Workshop
鉴于介绍新数据集和Benchmark研究往往需要不同于常规论文的评审标准，计算机视觉和自然语言处理领域，以及最近的NeurIPS会议，都有专门致力于建立新Benchmark数据集和任务的Conference Track。然而在图机器学习领域，我们还没有类似的…
YOLOV5识别图标点选验证码
本文秉承着一周一更的原则，继续更新ocr的专栏 主题是图标点选验证码，图标点选，相信很多读者阅读过其他的文章，我也大致看了下，用的最多的处理方法就是比较两个图片的相似性，利用哈希感知等机器学习，或者孪生网络，方法虽然不同，但处理思路一致，都是比较图片的相似性，…
嵌入(embedding)层的理解
首先，我们有一个one-hot编码的概念。 假设，我们中文，一共只有10个字。。。只是假设啊，那么我们用0-9就可以表示完
比如，这十个字就是“我从哪里来，要到何处去”
其分别对应“0-9”，如下&#…
numpy矩阵轴转换(transpose,)
输入数据shape是(70,66,3)
我需要的shape是(3,70,66)
这时候可以用np提供的transpose函数，data data.transpose((2, 0, 1))
表明将第2位的移动到第0位，以次类推
如何用梯度下降法求解数学建模的拟合问题——以logistics增长问题为例
引言
众所周知的是，在大学课程中一般只会教授一种拟合方法(也即参数估计方法)——最小二乘法。这是一种直接求解的方法，非常的有效，不仅是损失最小解，而且是最大似然解。只不过，有一个缺点，它只能解决线性…
利用AI将脑信号解码为神经义肢控制
机器学习和人工智能的快速发展，它们已经产生了一系列能够学习大量数据之间复杂非线性关系的神经网络模型。深度学习算法在各种应用中取得了巨大的成功，包括计算机视觉、自然语言处理和机器人类等。最近，神经网络的中一项引人注目的应用是通过…
![[比赛简介]Parkinson‘s Freezing of Gait Prediction](https://img-blog.csdnimg.cn/dd70510ee47d41f09c316dfcaa87f64d.png)
[比赛简介]Parkinson‘s Freezing of Gait Prediction
比赛链接：https://www.kaggle.com/competitions/tlvmc-parkinsons-freezing-gait-prediction
比赛简介
本次比赛的目标是检测步态冻结（FOG），这是一种使人衰弱的症状，困扰着许多帕金森病患者。您将开发一个机器学习…
【pandas读入数据报错】OSError: Initializing from file failed
问题描述：
pandas载入csv格式数据报错
B pd.read_csv("C:/Users/hp/Desktop/动手学数据分析/第一单元项目集合/train.csv")
B.head(3)报错：
OSError: Initializing from file failed原因分析：
调用pandas的read_csv()方法时&a…
基于脉冲神经网络的物体检测
访问【WRITE-BUG数字空间】_[内附完整源码和文档]
研究的意义在于探索脉冲神经网络在目标检测上的应用，目前主流的脉冲神经网络训练算法有直接BP训练、STDP无监督训练和训练好的ANN的转化，虽然训练算法众多，但是SNN仍然没有一套成熟的训练算…
阅读笔记之FastDepth: Fast Monocular Depth Estimation on Embedded Systems
这篇文章做了啥 对嵌入式，做了一个实时的单目深度估计框架。作者提出了一个efficient的encoder-decoder结构，精度可以和sota相媲美，并且推理时间非常短。作者主要集中在低延迟的decoder的设计上来 相关工作 作者回顾了一系列的单目深度估计的…
MATLAB算法实战应用案例精讲-【数模应用】灰色预测模型（Gray Forecast Model）（附python、R语言和MATLAB代码实现）
目录
前言
知识储备
1.累加生成算子（AGO）
2.逆累加生成算子（IAGO）
3.均值生成算子（MEAN)
EM 算法与 GMM 模型
EM算法与GMM模型 – 潘登同学的Machine Learning笔记 文章目录EM算法与GMM模型 -- 潘登同学的Machine Learning笔记GMM模型单高斯模型 GM的参数估计（本质是最大似然估计）混合高斯分布 GMM 的参数估计举个栗子GMM 混合高斯分布分两步求解 GMM算法总结EM算…
‘\‘,\n,\r,\t等的实际意思是什么
\是转义字符，也叫续航符（在行尾的时候）
’\”’是字符“
’\n’是换行
’\t’是到下一个制表单位，就是向后数第9位，即Tab，也叫横向制表符
\表示的是反斜杠符号
\a’响铃
\b’退格（Backspa…
Polynomial多项式升维和PCA降维
Polynomial多项式升维和PCA降维 --潘登同学的Machine Learning笔记 文章目录Polynomial多项式升维和PCA降维 --潘登同学的Machine Learning笔记(简单回顾)多元线性回归模型Polynomial多项式升维多项式升维具体操作(以两个变量为例)PCA降维特征向量中刻画了矩阵的本质PCA目标PCA…
产品推荐 ∣ 适用面增大、性能更强，DPA2024E推荐！
近日，我们为大家推荐了新升级的红外光源OPT-IXX-IR系列。今天，将介绍可与其配套使用的控制器——DPA电流型数字控制(DPA2024E)，以下简称DPA2024E。 DPA2024E应用于额定电压为24V，电流为10mA~2A以内的光源，作为DPA1024E…
OPT小讲堂 ∣ SciSmart之Scriptor脚本编程应用
在第十五课里，我们以TCP/IP通讯方式为例，对通讯工具的应用进行了阐述。 今天，我们将介绍Scriptor脚本编程应用。
一、Scriptor简介 SciSmart智能视觉软件支持脚本编写功能，通过SciSmart智能视觉软件的脚本可以完成包括变量复杂运…
人工智能的发展体现了人类社会由实向虚的趋势
人类从游牧走向农耕，再从农耕走向工业化，而工业化的后半段就是信息化，信息化的终极就是智能化。任正非表示，人类社会要转变成智能社会，这是一个客观规律，谁也无法阻挡。 人类最终走向智能社会是历史的必然也…
PyTorch 图像：01.微调基于 torchvision 0.3的目标检测模型
在本教程中，我们将微调在 Penn-Fudan 数据库中对行人检测和分割的已预先训练的 Mask R-CNN 模型。它包含170个图像和345个行人实例，我们 将用它来说明如何在 torchvision 中使用新功能，以便在自定义数据集上训练实例分割模型。
1.定义数据集…
ChatGPT技术原理 第一章：前言
目录 1.1本书概述
1.2目标读者
1.3感言
1.4 收获 1.1本书概述 《ChatGPT技术原理：从Transformer到生成式对话》是一本介绍生成式对话模型的技术书籍。本书详细介绍了GPT模型的技术原理，包括自然语言处理、深度学习和生成式模型的相关知识。作者通过分析最新的研究成果，以…
⑫【图神经网络 · 图增强 · 图表示学习 · 自监督】无增强图表示学习 | 图的对比方法 | 图增强技术 | 无监督图表示学习 | BYOL |
少年时要恢宏气度，青年时肯吃苦耐劳，壮年时不妄自菲薄，老年时能传递经验。人生给父母最好的礼物是争光，给儿女最好的礼物是榜样，给社会最好的礼物是奉献。 🎯作者主页： 追光者♂🔥 🌸个人简介： 💖[1] 计算机专业硕士研究生💖 🌟[2] 2022年度博…
PyTorch强化：03.PyTorch 迁移学习
实际中，基本没有人会从零开始（随机初始化）训练一个完整的卷积网络，因为相对于网络，很难得到一个足够大的数据集[网络很深, 需要足够大数据集]。通常的做法是在一个很大的数据集上进行预训练得到卷积网络ConvNet, 然后将…
PyTorch 入门：01.PyTorch 入门
什么是 PyTorch?
PyTorch 是一个基于 Python 的科学计算包，主要定位两类人群：
NumPy 的替代品，可以利用 GPU 的性能进行计算。深度学习研究平台拥有足够的灵活性和速度
开始学习
Tensors (张量)
Tensors 类似于 NumPy 的 ndarrays &…
python模块opencv之图片操作（1）
大家一起学机器学习啦！
图片操作太多了，这里包括了
1.图片的读入（imread()）
2.获取图像大小（.shape）
3.创建随机图像
4.图像色彩的调节和输出水印。 import cv2
import numpy as np
fn "Imread.…
educoder 基于贝叶斯决策理论的分类方法
第1关：基于贝叶斯决策理论的分类方法
import numpy as np
Parameters:无
Returns:postingList - 实验样本切分的词条classVec - 类别标签向量# 函数说明:创建实验样本
def loadDataSet():postingList[[my, dog, has, flea, problems, help, please], #切分的…
Python模块numpy之matrix()
大家一起学机器学习啦！
from numpy import *A matrix(1.0 2.0; 3.0 4.0)#创建一个矩阵A
print(A)
B matrix([[1.0, 2.0], [3.0, 4.0]])#这也是创建一个矩阵
print(B)
print(type(A))#查询A变量的类型矩阵运算
print(A.T)#转置运算
print(A*B)#矩阵乘法
print(A.I)…
大模型基础之简要背景知识
【时间线】
词级别模型：Word2Vec 2013：自监督学习
序列级别模型：RNN 2014：监督学习
注意力机制：2015
Transformer模型：2017：容易并行处理、容易堆叠更深的网络
上下文级别模型：…
DeiTransformer
import paddle
import paddle.nn as nn
import numpy as np
import copy
#格式化代码 ctrlaltlclass Identity(nn.Layer):def __init__(self):super().__init__()def forward(self, x):return xclass MLP(nn.Layer):def __init__(self, embed_dim, mlp_ratio, dropout0.):super…
深度学习——softmax函数
为什么要用softmax？
交叉熵代价函数和softmax激活函数的配合使用使得权值的梯度十分的简洁
交叉熵代价函数 E−Σyilogy^iE -\Sigma y_ilog\hat y_iE−Σyilogy^i softmax激活函数 y^f(Z)eZt∑ineZi\hat y f(Z) \dfrac{e^{Z_t}}{\sum_{i}^{n} e^{Z_i}}y^…
CCIPCA：直观协方差无关增量式主成分分析算法
CCIPCA是由密西根州立大学翁巨扬教授于2003年，在TPAMI上发表的论文，与传统的主成分分析（PCA）不同，CCIPCA在一个样本集的主成分过程中，不需要对样本的协方差矩阵进行评估，因此，存在Co…
机器学习实践系列之15 - OpenCV之MSER
最大稳定极值区域 MSER（Maximally Stable Extremal Regions）是一种类似分水岭的算法，目前主要用于图像分割和车牌区域检测。2012年由Matas等人提出。 MSER 基本原理是对一幅灰度图像（灰度值为0～255）取阈值进…
sklearn系列——目录
监督学习 广义线性模型 普通最小二乘法岭回归Lasso回归多任务Lasso弹性网络多任务弹性网络最小角回归坐标下降法正交匹配追踪法贝叶斯回归 贝叶斯岭回归主动相关决策理论 逻辑回归随机梯度下降感知器被动攻击算法稳健回归多项式回归 线性和二次判别分析 线性判别分析二次判别分…
李航——《统计学习方法》（二）
第2章 感知机 感知机是二类分类的线性分类模型，属于判别模型。 输入：实例的特征向量 输出：实例的类别 取1、-1两个值，常表示为{-1，1} 感知机学习的目标在于求出将训练数据进行线性划分（将…
兔子进洞算法_沿着推文链兔子洞
兔子进洞算法Today I stumbled over an apparently interesting tweet by aendu: 今天，我偶然发现了aendu的一条有趣的推文： Tweet of aendu/433586683615784960aendu的推文/ 433586683615784960 The link in the tweet points to another tweet: 该鸣叫…
机器学习读书笔记之2 - 最大似然估计
最大似然法（Maximum likelihood，ML）也称为最大概率估计、极大似然估计，基本思想是：当从参数模型 yf(m; x) 中随机抽取几组样本观测值（数据）后，最合理的参数a的估计值，应该…
机器学习之KNN、Python实现
文章目录 一、前言二、KNN（1）简介（2）思想: "近朱者赤近墨者黑"（3）算法实现流程（4）k值得选定1. k值得作用2. 交叉验证选取 k值 三、KNN基于sklearn实现（1.&…
以前未公开的代码：RPiNDVI
Another instalment in my Previously Unpublicised Code series…this time RPiNDVI, my code for displaying live NDVI images from the Raspberry Pi NoIR camera. 我以前未公开的代码系列的另一部分…这次是RPiNDVI ，我的代码用于显示Raspberry Pi NoIR摄像机的…
关于pytorch中nn.linear输入维度的问题
因为最近看了一下attention博客，寻思挺简单，想动手写一个，才动手就发现有个问题，对于Q,K,V矩阵，看似只是个简单的前馈网络结构就能实现，但是在多数问题中，输入的都是词向量，也就是说…
一个VBA的概率的模型（草稿）（未完成）
现在
可以让概率变化一般的抽奖，都是 概率稳定的，好处是稳定，没啥好处坏处是，不同的人次数差距很大，无法形成稳定的预期 概率0.1
变成概率0.1，如果失败就增加概率
这个增加概率可以是，已经失…
论文阅读 Graph-Based Global Reasoning Networks
Graph-Based Global Reasoning Networks
论文题目：基于图结构的全局推理网络 会议：CVPR 2018 作者单位：脸书研究院 新加坡国立大学 作者： Chen Yunpeng 代码：https://github.com/NUST-Machine-Intelligence-Laborator…
关于为什么sklearn画出来的ROC曲线图是折线的问题
经过
师兄的提醒，我将单一值的标签图用最初的概率图进行替换。 不要扯什么这个那个，就是不能用阈值去将概率图变成最终的分割图，那个阈值就是ROC曲线图中需要的，我们只要提供模型分割的概率图即可。
评论区中有小伙伴不理解这个…
python网络爬虫自学笔录5_信息标记与提取
（1）信息标记的形式
标记后的信息可形成信息组织结构，增加了信息的维度 标记后的信息可用于通信、存储或展示
以HTML为例子展示何为信息标记 HTML的信息标记形式 目前市面上有三种信息标记的形式： 第一种：XML 可扩…
AttributeError: module ‘gym‘ has no attribute ‘benchmark_spec‘解决办法
报错如下： 我安装的gym版本是gym-0.26.2
报错原因：gym版本太高了，需要降低版本
pip install gym0.9.0 -i https://pypi.douban.com/simple
python网络爬虫自学笔录4_Beautiful Soup解析库
Beautiful Soup
简单来说，Beautiful Soup 是 python 的一个库，最主要的功能是从网页抓取数据。官方解释如下：
Beautiful Soup 提供一些简单的、python 式的函数用来处理导航、搜索、修改分析树等功能。它是一个工具箱，通过解析文…
Machine Learning - Coursera 吴恩达机器学习教程 Week4 学习笔记
背景
当目标函数非线性时（比如下图明显需要一条曲线），就需要增加高次项来获得曲线，当特征数量比较多时，增加高次项会使特征数量爆炸式增长。 比如图像识别问题，对50 * 50像素的图像，如果将每个…
【无2021年电气试验考试题及电气试验考试题库
题库来源：安全生产模拟考试一点通公众号小程序
安全生产模拟考试一点通：电气试验考试题根据新电气试验考试大纲要求，安全生产模拟考试一点通将电气试验模拟考试试题进行汇编，组成一套电气试验全真模拟考试试题，学员可…
线性回归、logit回归、probit回归
回归 文章目录回归线性回归古典线性回归模型的假定:OLS的推导与性质notation系数求解标准误小样本性质对应检验拟合优度检验T 检验F检验从似然比角度看F统计量大样本情况假定:性质:Probit&Logisticmodel公式边际效应(marginal effect)对logit模型:几率比(odds ratio)检验拟…
Machine Learning - Coursera 吴恩达机器学习教程 Week2 学习笔记
多维特征（Multiple Features）
多元线性回归，即包含多个变量，比如房子的房龄、面积、房间数等，标记如下： 假设函数就变成了： 可以理解为： θ0表示基础价格 θ1为每平方价格&#x…
机器学习之K近邻算法（KNN算法）
KNN算法可以说是机器学习分类中最简单的一种算法了，KNN算法的工作原理是：存在一个样本数据集，也称训练样本集，在这个样本集中每个数据都存在其对应的标签，即我们知道样本集中每一数据与所属分类的对应关系。当我们输入…
神经网络训练准确率下降,神经网络损失值不下降
1、神经网络的准确率是怎么计算的？
其实神经网络的准确率的标准是自己定义的。 我把你的例子赋予某种意义讲解： 1，期望输出[1 0 0 1]，每个元素代表一个属性是否存在。像着4个元素分别表示：是否肺炎，是否肝…
什么是神经元网络控制?,神经网络控制的应用
1、什么是神经网络控制
神经网络控制技术是一项复杂的系统控制技术，一般应用在变频器的控制中，它是通过对系统的辨识、运算后对变频器进行控制的一种新技术。而且神经网络控制可以同时控制多个变频器，所以应用在多个变频器级联控制中比较合适…
OpenCV、OpenCL、OpenGL、OpenMP的区别
OpenCV OpenCV的全称是：Open Source Computer Vision Library。OpenCV是一个开源发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效——由一系列 C 函数和少量 C 类构成，同时提供了Python、Ru…
5003笔记 Statistic Chapter6-Cross validation and bootstrapping
训练误差和测试误差不是一个重要程度，训练误差可以低于测试误差。测试误差小，说明模型泛化性能好。 当test error开始上升时，模型就是过拟合了。Train和Test 一般都有相同的分布。Validation一般是从Train拆出来的。 随机拆分Train和Tes…
导数、偏导数、方向导数、梯度、梯度下降
导数
一张图读懂导数与微分： 这是高数中的一张经典图，如果忘记了导数微分的概念，基本看着这张图就能全部想起来。 导数定义如下： 反映的是函数yf(x)在某一点处沿x轴正方向的变化率。再强调一遍，是函数f(x)在x…
机器学习笔记2-单变量线性回归
1.模型描述：
1.1监督学习 Supervised Learning：
given the right answer for each example in the data. 对于每个数据集中的样例都有一个人为给出的正确答案。
1.2回归问题 Regression problem：
predict real-valued output. 预测实际值…
算法学习（十九）——A3C
一句话：支持分布式运算的AC
如果理解了AC，理解A3C很容易，没有理论上的创新，主要是工程上效果好。 如图所示，A3C算法通过多个work和环境互动，把环境的梯度给一个全局的网络，也就是通过不同work共…
人工智能系列 之深度学习和caffe应用整理笔记1
1 前言 之前用过windows-caffe做过深度学习的训练和应用，以下的专题算是对于caffe和深度学习部分内容的回顾。 其实个人觉得数据分析和深度学习都算人工智能的范畴，整体流程分为以下几步： （1）【数据源的整理以及数据的…
机器学习：Python概率入门
了解概率密度
为了理解基于勒贝格积分理论的现代概率的核心，我们需要从基本演算中扩展积分的概念。 首先，让我们考虑以下分段函数
在微积分中，您学习了黎曼积分，可以在此处应用
通常将其解释为组成f（x）的…
算法学习（十）——强化学习中的奖励设置（不完整）
强化学习中奖励函数的设置非常复杂，这里只是总结一下我的理解。
1.收益信号只能用来传达什么是你想要实现的目标，而不是如何实现現这个目标。所以不应该把奖励设置的过于细致。
2.使用惩罚项可能导致智能体一动不动，因为不动就不会有惩罚。…
社交的思考_富爸爸_新浪博客
如果你不够优秀，人脉是不值钱的，它不是追求来的，而是吸引来的。只有等价的交换，才能得到合理的帮助。所以在你还没有足够强大、足够优秀时——放弃那些无用的社交，多看点时间读书，积累知识，寻找…
渗透测试用工具（三）layer子域名挖掘机
一、为什么要搜集子域名
收集网站信息的时候子域名收集是非常重要的一部分，通常在一个主站进行防护完善的情况下找不到渗透点的话，我们可以考虑在子站点进行渗透爆破，通过旁站C段进行渗透，子域名收集是渗透测试中，前期…
机器学习原来这么有趣！第二章：用机器学习制作超级马里奥的关卡
第一章：全世界最简单的机器学习入门指南 https://blog.csdn.net/wskzgz/article/details/89917343 第二章：用机器学习制作超级马里奥的关卡 https://blog.csdn.net/wskzgz/article/details/89945137 第三章:图像识别-深度学习与卷积神经网络 https://blo…
机器学习中常见的几种优化方法
机器学习中常见的几种优化方法 声明：本文为转载，原文作者为：Poll的笔记，原文链接为：http://www.cnblogs.com/maybe2030/p/4751804.html#rd，尊重原创阅读目录 1. 梯度下降法（Gradient Descent&am…
机器学习之线性回归（机器学习基石）
目录
引子
几何意义
如何最小化Ein
Ein的矩阵表示
Ein梯度的表示与W的计算
Ein的另一种表现形式
H矩阵的意义
Ein的noise表现形式
学习曲线 引子
在一个二元分类的问题中我们通常得到的结果是1/0，而在分类的过程中我们会先计算一个得分函数然后在减去一个…
从入门到精通，计算机er如何快速掌握机器学习（ML）？
写在前面
机器学习是一门涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科的多领域交叉学科，在当下各个领域运用十分广泛。不仅是业内人士，许多业外人士为了丰富自己的知识涉猎领域，提升自身竞争力，也或多或少的开…
Tensorflow学习笔记（五）深度前馈神经网络
一、神经元与全连接
w代表神经元的参数，为权重； w右上角的（a）a为数字代表第几层（从第几层开始），右下角a，b…代表路径，如w1，2代表第一个输入单元至下一层的第…
基于贝叶斯分类器的手写字判别
项目介绍:
使用贝叶斯分类器进行手写字体判别，数据为mnist.pkl.gz，下载地址https://pan.baidu.com/s/1I9GRg-wLEDvt-JmZ2_Os4A
数据分为训练数据，训练标签，测试数据，测试标签。 from sklearn import preprocessing
i…
评价方法-熵权法确定指标权重
评价方法根据确定权重的方法，大体上可分为主观赋权，客观赋权；主观赋权依赖于“专家”的权重或较多独立个体的评判偏好，如层次分析法，功效系数法，模糊综合评价法，综合指数法；客观赋权…
matplotlib二维图像绘制常用命令
今天，我将介绍一款超好用的工具matplotlib，它是支持python语言的开源绘图库，绘图类型丰富，绘图方式简单，深受大众喜爱。
在使用Notebook环境绘图时，需要先运行Jupyter Notebook的魔术命令
%matplotlib in…
推荐系统（三）Factorization Machines（FM）
推荐系统（三）Factorization Machines（FM）推荐系统系列博客： 推荐系统（一）推荐系统整体概览 推荐系统（二）GBDTLR模型
按照发表年份，这篇博客应该在GBDTLR之前…
【机器学习基础】概率分布之指数族分布
本系列为《模式识别与机器学习》的读书笔记。 一，指数族分布
1，指数族分布基本概念
参数为 η\boldsymbol{\eta}η 的变量 x\boldsymbol{x}x 的指数族分布定义为具有下⾯形式的概率分布的集合： p(x∣η)h(x)g(η)exp{ηTμ(x)}(2.106)p(\…
机器学习系列 | 决策树从理论到Python实现，看完就会决策树
本片文章的整体框架如下所示： 1. 决策树是什么？
决策树是一种基本的分类和回归的方法，是基于树结构来进行决策。这种决策方式跟我们人类进行决策时有点类似，所以我们举一个相亲的例子，比如女方在相亲时会对男性程序员…
抖音用户们的新奇道具特效都是怎么来的？工具箱模式 | Mixlab 智能产品
#智能设计#、#人体分割#字节跳动 -工具箱： 人体分割算法。抖音有一种岗位叫交互工程师，他们主要的工作是测试算法的适用场景，比如人体分割算法（以谷歌bodypix为例），当模型部署在手机后，交互工程…
web works_php | works和pyWorks
web worksIll be speaking at the php|works and pyWorks conferences in Atlanta, Georgia in November, theyll be held together and there is a central track that has topics of interest to both phpiers and pythonistas, this is where I come in. 我将在11月在佐治亚…
NLP笔记：常用激活函数考察整理
NLP笔记：常用激活函数考察整理 0. 引言1. 常用激活函数 1. sigmoid2. softmax3. relu系列 1. relu2. leaky relu3. elu4. selu5. gelu6. 其他 4. tanh5. 其他 2. 总结3. 参考链接 0. 引言
这篇文章的起因是在于之前考察cross entroy相关的内容的时候，发…
J. Med. Chem 2022｜TocoDecoy+: 针对机器学习打分函数训练和测试的无隐藏偏差的数据集构建新方法
原文标题：TocoDecoy: A New Approach to Design Unbiased Datasets for Training and Benchmarking Machine-Learning Scoring Functions
论文链接：https://pubs.acs.org/doi/10.1021/acs.jmedchem.2c00460
论文代码：GitHub - 5AGE-zhang/T…
神经网络 || 注意力机制的算法图示和推导
文章目录1 注意力机制是什么？2 多输入怎么处理？3 self-attention的图示4 自己整理一下self-attention的算法过程1 注意力机制是什么？
注意力模型，最近几年在深度学习各个领域都有应用。注意力机制是深度学习常用的一个小技巧&…
Convolutional Neural Networks for Sentence Classification用于句子分类的卷积神经网络
Convolutional Neural Networks for Sentence Classification
论文任务：用卷积神经网络（CNN）在预先训练好的词向量上进行句子级分类任务
论文借用的深度学习模型： 卷积神经网络（CNN）利用层与卷积…
【2021年1月新书推荐】Beginning Machine Learning in the Browser
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2021年1月由Apress出版社最新出版的一本关于机器学习的书。
Beginning Machine Learning in the Browser 作者：Suryadevara, Nagender 出…
为何要使用Dice Loss
文章目录前言总结前言
上一篇文章阐述了Dice Loss的原理，但是为什么要使用Dice Loss没有说明白，参考下面的一篇博客非常清晰的阐述了我的问题。语义分割之dice loss深度分析（梯度可视化）
总结
优点：
Dice Loss 对正…
实践|随机森林中缺失值的处理方法
动动发财的小手，点个赞吧！ 除了在网上找到的一些过度清理的数据集之外，缺失值无处不在。事实上，数据集越复杂、越大，出现缺失值的可能性就越大。缺失值是统计研究的一个令人着迷的领域，但在实践中它们往往很…
7、逻辑斯特回归为什么要对特征进行离散化。
① 非线性！非线性！非线性！逻辑回归属于广义线性模型，表达能力受限；单变量离散化为N个后，每个变量有单独的权重，相当于为模型引入了非线性，能够提升模型表达能力，加大拟合…
4、在k-means或kNN，我们常用欧氏距离来计算最近的邻居之间的距离，有时也用曼哈顿距离，请对比下这两种距离的差别
欧氏距离，最常见的两点之间或多点之间的距离表示法，又称之为欧几里得度量，它定义于欧几里得空间中，如点 x (x1,...,xn) 和 y (y1,...,yn) 之间的距离为： 欧氏距离虽然很有用，但也有明显的缺点。它将样本的…
deque(双端队列)基本操作
#include <deque>
定义及初始化 deque<int> a(10); // 定义一个int类型的双端队列a，并设置初始大小为10 deque<int> a(10, 1); // 定义一个int类型的双端队列a，并设置初始大小为10且初始值都为1
1 容量函数 容器大小：deq…
指数型组织：打造独角兽公司的11个最强属性
这就是今天要推荐的图书：《指数型组织：打造独角兽公司的 11 个最强属性》。
这本书的作者是萨利姆伊斯梅尔，奇点大学创始执行理事和全球大使，TED演讲人。作者给出的指数型组织的定义如下： 指数型组织是指在运用了高速…
Philosophy and Ethics of Artificial Intelligence考试重要知识点整理
文章目录2 IntelligenceMoravecs paradoxIdeal agentsAIXIpath to AGIturing test3 Consciousness3.1 Chinese room(华语房间)3.2 functionalism3.3 is consciousness necessary for being intelligent?(意识是必要的吗对于智能)theories of consciouness3.4 philosophical Zo…
google机器学习框架tensorflow学习笔记（一）
机器学习简介
为什么要学习机器学习？
学习机器学习对于软件工程师而言，可以将以下三件事情做的更好：
缩短编程时间 自定义自己的产品使其适合特定群体 解决不知如何用人工解决的问题
学习机器学习还有一个更重要的原因：即机器…
动手学深度学习之生成对抗网络
参考伯禹学习平台《动手学深度学习》课程内容内容撰写的学习笔记 原文链接：https://www.boyuai.com/elites/course/cZu18YmweLv10OeV/lesson/yxuHJjjhqYCh3thUzcVXaN 感谢伯禹平台，Datawhale，和鲸，AWS给我们提供的免费学习机会&am…
机器学习算法的基础（使用Python和R代码）之 逻辑回归
2. Logistic回归
不要被它的名字搞混了!它是一个分类而不是回归算法。它用于根据给定的自变量集估计离散值(二进制值，如0/1、yes/no、true/false)。简单地说，它通过将数据拟合到 logit 函数来预测事件发生的概率。因此，它也被称为 logit 回归…
Learning Texture Transformer Network for Image Super-Resolution阅读笔记
Learning Texture Transformer Network for Image Super-Resolution阅读笔记
Abstract
图像超分辨率，目的从低分辨率图像中恢复出逼真的纹理。现有方法忽略了使用注意力机制来恢复高分辨率纹理，因此，我们提出一个新的图像超分辨率纹理转换网…
自动会议摘要HMNet（2020-SOTA），生成式文本摘要
A Hierarchical Network for Abstractive Meeting Summarization with Cross-Domain Pretraining.EMNLP2020 一、研究动机：
1、建模困难：角色多、交互、文本长、话题跳转
2、数据少 二、文章主要贡献：
1、提出Hierarchical Transformer&am…
机器学习-神经网络（西瓜书）
神经网络
5.1 神经元模型
在生物神经网络中，神经元之间相互连接，当一个神经元受到的外界刺激足够大时，就会产生兴奋（称为"激活"），并将剩余的"刺激"向相邻的神经元传导。
神经元模型…
【自然语言处理】关系抽取 —— GDPNet 讲解
GDPNet 论文信息 标题：GDPNet: Refining Latent Multi-View Graph for Relation Extraction 作者：Fuzhao Xue, Aixin Sun, Hao Zhang, Eng Siong Chng 期刊：AAAI 2021 发布时间与更新时间：2020.12.12 主题：自然语言处理、关系抽取、对话场景、BERT、GCN arXiv：[2012.0678…
Python 元组的运用
Python 元组的运用 元组创建 格式1：元组名() 格式2：元组名("数据"，) 元组函数作用tuple()把数据转换为元组 访问元组 索引访问 #索引访问
a(1,2,3,4)
print(a[3])
#结果：4#切片访问
t[1,2,3,4,5,6]
btuple(t)
print(b[1…
Stanford机器学习---第四讲. 神经网络的表示 Neural Networks representation
本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机）、聚类、降维、异常检测、大规…
机器学习笔记 - 数据科学中基于 Scikit-Learn、Tensorflow、Pandas 和 Scipy的7种最常用的特征工程技术
一、概述 特征工程描述了制定相关特征的过程，这些特征尽可能准确地描述底层数据科学问题，并使算法能够理解和学习模式。换句话说：您提供的特征可作为将您自己对世界的理解和知识传达给模型的一种方式。 每个特征描述一种信息“片段”。这些部分的总和允许算法得出有关目标变…
Kaggle调参技巧整理
Adam: init_lr5e-4(3e-4)（⭐⭐⭐⭐⭐），3e-4号称是Adam最好的初始学习率，有理有据，请看下图；SGD就更考验调参功力，这里就不详说（因为我也一般般）。 finetune，…
2017-SIGGRAPH-Google,MIT-(HDRNet)Deep Bilateral Learning for Real-Time Image Enhancements
双边网格 本质上是一个可以保存边缘信息的3维的数据结构。 对于一张2维图片, 在2维空间中增加了一维代表像素的强度 slice操作(上采样)
Bilateral Guided Upsampling这篇文章用双边网格实现图像的操作算子的加速。
算法的核心思想是将一幅高分辨率的图像通过下采样转换成一…
Coursera吴恩达机器学习课程 总结笔记及作业代码——第1,2周
Linearregression 1 Model representation2 Cost function3 Gradient descent4 Gradient descent for linear regression1 Mul2ple features2 Feature Scaling3 Learningrate4 Features and polynomial regression5 Normal equa2on编程作业Linear’regression
发现这个教程是最…
Logistic回归与Softmax回归
Logistic回归和Softmax回归属于机器学习和深度学习中比较经典和基础的两个算法，许多优秀的模型中都使用到了这两个算法。所以这周打算整理和介绍一下Logistic回归和Softmax回归。
线性回归
既然这两个算法中都有“回归”二字，因此我们有必要先复习一下…
隐马尔科夫(HMM)模型
隐马尔科夫(Hidden Markov model)模型是一类基于概率统计的模型，是一种结构最简单的动态贝叶斯网，是一种重要的有向图模型。自上世纪80年代发展起来，在时序数据建模，例如：语音识别、文字识别、自然语言处理等领域广泛应…
反向传播(BP)算法
我们知道反向传播(BP)算法的发明促成了神经网络的第二次发展浪潮，到目前为止BP算法依旧是训练神经网络的首选算法。但是对于如此重要的一个算法，我们大多数人只是记住算法的计算公式，或者在程序中直接调用，对算法的来龙去脉知之甚…
梯度下降法的原理以及python伪代码
梯度下降法
博主的理解：y w x b， 如果y和真实差距太大，说明w起作用太大了，这个时候我们利用梯度去控制一下。（浅显理解）
什么是损失函数
用于衡量模型对任何给定数据的性能。损失函数将预测值与期望值…
【DL基础】降低过拟合和欠拟合方法
过拟合
过拟合：模型在训练数据上精度越来越高，而在验证数据集上精度越来越差
解决方法：
数据增强 图像平移，翻转等 利用gan来生成数据降低模型复杂度 神经网络：降低网络层，神经元个数 决策树：…
python可变对象和不可变对象
Python 在 heap 中分配的对象分成两类：可变对象和不可变对象。所谓可变对象是指，对象的内容是可变的，例如 list。而不可变的对象则相反，表示其内容不可变，例如常量7。
不可变对象 ：int，string&…
【leetcode】106.从中序与后序遍历序列构造二叉树
问题描述：
给定两个整数数组 inorder 和 postorder ，其中 inorder 是二叉树的中序遍历， postorder 是同一棵树的后序遍历，请你构造并返回这颗 二叉树 。 示例
解题思路：
后序最后一个数为整个树的根节点根据这个根…
解决工业缺陷检测小样本问题
工业场景收集数据的难点： 在某些高度自动化的生产场景中，产品的良率特别高，收集缺陷样本非常耗时，而当前的用于缺陷检测的深度学习方法大多是基于大量缺陷样本建立模型，缺陷样本的缺乏导致模型难以上线。针对某些行业比…
【推荐系统】基于用户的协同过滤简明原理与代码实现
基于用户的协同过滤
协同过滤
基本思想
协同过滤（Collaborative Filtering）推荐算法是最经典、最常用的推荐算法。基本思想是： 根据用户之前的喜好以及其他兴趣相近的用户的选择来给用户推荐物品。 基于对用户历史行为数据的挖掘发现用户的…
机器学习实战：SVM支持向量机
一、支持向量机理解：
《机器学习实战》里面对SVM原理一笔带过，SMO算法也没详细讲，可以先看看下面的资料
SVM的公式不好理解，我花了2周，看完《机器学习》的SVM章节还是不太懂，
参考：支持向量机…
3行python代码做个最简单的AI聊天机器人
在Python Console输入以下代码：
while(True):问话input("真人:");print("假机器人:"问话.strip("吗??")"!");一个例子： 学习时间到了：Python strip()方法 Python strip() 方法用于移除字符串头尾…
python机器学习——超参数网格搜索
网格搜索理论
（1）参数与超参数
参数是由模型从数据中学习得到的。如回归中各自变量前的系数。
超参数：所谓超参数，就是机器学习模型里面的框架参数，比如聚类方法的类别的个数，随机森林生成树的个数。它们…
线性分类器和非线性分类器总结
在机器学习中会遇到很多的分类器，在这篇博文中总结了常用的分类器线性和非线性的分类。
线性分类器：模型是参数的线性函数，分类平面是（超）平面。
非线性分类器：模型分界面可以是曲面或者是超平面的组合。…
别再抱怨复杂的垃圾分类了，全国 53 个沿海城市，可能都要面临这个问题
原创：HyperAI超神经 关键词：海洋塑料垃圾 机器学习 图像识别 人类产生的废弃物有意无意地漂进大海，而这些废弃物中，许多类型的塑料无法分解，严重威胁着鱼类、海鸟、海洋爬行动物、海洋哺乳动物，以及船只和沿…
Paper: 利用RNN来提取恶意软件家族的API调用模式
论文 摘要
恶意软件家族分类是预测恶意软件特征的好方法，因为属于同一家族的恶意软件往往有相似的行为特征恶意软件检测或分类方法分静态分析和动态分析两种： 静态分析基于恶意软件中包含的特定签名进行分析，优点是分析的范围覆盖了整个代码…
DeepSpeed加速大模型训练
DeepSpeed是微软推出的一个框架，可以对Pytorch的模型进行包装，提供了加快模型的训练速度，降低对GPU显存的占用，以及方便进行分布式训练等等高级特性。在这里我也对DeepSpeed进行了测试，看看是否能提高我的transformer模…
基于Python机器学习、深度学习提升气象、海洋、水文领域实践应用
Python是功能强大、免费、开源，实现面向对象的编程语言，能够在不同操作系统和平台使用，简洁的语法和解释性语言使其成为理想的脚本语言。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…
wabp.m 代码注释（便于算法快速理解）
算法效果： 波峰和起点检测效果： function [r,pk] = wabp(Araw, Offset,Scale, Fs)
% r = wabp(Araw,Offset,Scale, Fs);
% Input: Araw (125Hz sampled) waveform in wfdb-MIT format,
% Offset, Scale
% Araw = 血压波形
% Offset=偏移（信号减去或者加上偏移恢复成…
【python-机器学习】2. 稀疏矩阵
在机器学习中，数据集往往非常庞大，但是很多情况下，其中包含大量的零元素。在矩阵中，若数值为0的元素数目远远多于非0元素的数目，并且非0元素分布没有规律时，则称该矩阵为 稀疏矩阵；与之相反&…
论文学习——多元时间序列相似性度量方法
文章目录1 摘要2 引言2.1 多元时间序列问题介绍2.2 相似性度量方法介绍3 多元时间序列特征提取4 多元时间序列相似性度量写在前面：《控制与决策》；中文核心
作者：李正欣、郭建胜 1 摘要
本文提出了一种实现方便、配置简单，并且能…
图片质量评估论文 | 无监督SER-FIQ | CVPR2020
文章转自：同作者微信公主号【机器学习炼丹术】。欢迎交流，共同进步，微信号cyx645016617
论文名称：SER-FIQ: Unsupervised Estimation of Face Image Quality Based on Stochastic Embedding Robustness论文链接：https…
【小白学PyTorch】21 Keras的API详解（下）池化、Normalization层
文章来自微信公众号：【机器学习炼丹术】。作者WX：cyx645016617. 参考目录： 文章目录1 池化层1.1 最大池化层1.2 平均池化层1.3 全局最大池化层1.4 全局平均池化层2 Normalization2.1 BN2.2 LN下篇的内容中，主要讲解这些内容&#…
【小白学PyTorch】18 TF2构建自定义模型
【机器学习炼丹术】的炼丹总群已经快满了，要加入的快联系炼丹兄WX:cyx645016617 参考目录： 文章目录1 创建自定义网络层2 创建一个完整的CNN2.1 keras.Model vs keras.layers.Layer之前讲过了如何用tensorflow构建数据集，然后这一节课讲解如何…
【小白学PyTorch】13 EfficientNet详解及PyTorch实现
参考目录： 文章目录1 EfficientNet1.1 概述1.2 把扩展问题用数学来描述1.3 实验内容1.4 compound scaling method1.5 EfficientNet的基线模型2 PyTorch实现文章来自微信公众号【机器学习炼丹术】。我是炼丹兄，如果有疑问或者想要和炼丹兄交流的可以加微信…
Kappa(cappa)系数只需要看这一篇就够了，算法到python实现
站主近期建立了一个自己的网站来发博文，文章已经搬运到了下面的地址：
【一致性检验指标】Kappa(cappa)系数
1 定义
百度百科的定义： 它是通过把所有地表真实分类中的像元总数（N）乘以混淆矩阵对角线（Xkk&…
【小白学PyTorch】9 tensor数据结构与存储结构
文章来自微信公众号【机器学习炼丹术】。 上一节课，讲解了MNIST图像分类的一个小实战，现在我们继续深入学习一下pytorch的一些有的没的的小知识来作为只是储备。
参考目录： 文章目录1 pytorch数据结构1.1 默认整数与浮点数1.2 dtype修改变量…
【小白学推荐1】 协同过滤 零基础到入门
文章转自公众号【机器学习炼丹术】，关注回复“炼丹”即可获得海量免费学习资料哦！ 最近找工作的时候发现，机器学习算法工程师往往和推荐算法 相关联，之前对推荐算法并不了解，所以现在我也是零基础入门一下推荐算法。这…
【小白学AI】梯度消失（爆炸）及其解决方法
文章来自【机器学习炼丹术】
梯度消失问题和梯度爆炸问题，总的来说可以称为梯度不稳定问题。
【要背住的知识】：用ReLU代替Sigmoid，用BN层，用残差结构解决梯度消失问题。梯度爆炸问题的话，可以用正则化来限制。sigmo…
贝叶斯优化(Bayesian Optimization)只需要看这一篇就够了,算法到python实现
贝叶斯优化 （BayesianOptimization）
1 问题提出
神经网咯是有许多超参数决定的，例如网络深度，学习率，正则等等。如何寻找最好的超参数组合，是一个老人靠经验，新人靠运气的任务。
穷举搜索 Gr…
线性回归（百米赛跑python）
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inlinex [1940,1960,1980,2000,2020] #年份，顺序为1940，1960，1980，2000，2020
x np.reshape(x,newshape(5,1)) / 1000.0
y [21332, 20162, 19138,…
小白学排序 十大经典排序算法（动图）
文章转自公众号【机器学习炼丹术】 文章目录算法分类冒泡排序(重点)选择排序插入排序归并排序（重点）快速排序（重点）堆排序（重点）计数排序基数排序本文的重点排序方法在：
冒泡排序，归…
【小白学AI】八种应对样本不均衡的策略
文章来自：微信公众号【机器学习炼丹术】 文章目录1 什么是非均衡2 8种解决办法2.1 重采样（四种方法）2.2 调整损失函数2.3 异常值检测框架2.4 二分类变成多分类2.5 EasyEnsemble1 什么是非均衡
分类(classification)问题是数据挖掘领域中非常…
AI如何识别西瓜和冬瓜？
周末去郊区农家逛荡，路过瓜园，从农地里买了一个西瓜。回到家后，就迫不及待地把这个西瓜放在案板上，准备把它切开以后尝尝。心想瓜地里刚摘的新鲜一定很好吃，看这个西瓜的样子应该是会很甜的。一刀下去切开后却傻眼了&a…
Numpy基础用法介绍
Numpy使用
什么是Numpy
一个在Python中做科学计算的基础库，重在数值计算，也是大部分Python科学计算库的基础库，多用于在大型、多维数组上执行数值计算。
Numpy数组的创建
import numpy as np
import random
# 使用numpy生成数组
p1 n…
BP神经网络算法学习及代码实现（含Python源码）
目录1.写在前面2.BP神经网络推导2.1前向传播2.2反向传播2.2.1求解梯度矩阵2.2.2梯度下降法2.2.3反向传播公式推导输出层误差推导隐藏层误差参数变化率参数更新3.代码实现3.1过程解释3.1.1导入库3.1.2定义sigmoid函数3.1.3导入数据集3.1.4初始化权重和偏倚3.1.5开始训练3.2完整代…
12、说说梯度下降法
1 什么是梯度下降法 经常在机器学习中的优化问题中看到一个算法，即梯度下降法，那到底什么是梯度下降法呢？
维基百科给出的定义是梯度下降法（Gradient descent）是一个一阶最优化算法，通常也称为最速下降法。…
9、overfitting怎么解决
overfitting就是过拟合, 其直观的表现如下图所示，随着训练过程的进行，模型复杂度增加，在training data上的error渐渐减小，但是在验证集上的error却反而渐渐增大——因为训练出来的网络过拟合了训练集, 对训练集外的数据却不work, …
通俗易懂 | 拉格朗日乘子法
在SVM中，将约束问题转化成非约束问题采用到了拉格朗日乘子法。这个文章就讲一下拉格朗日乘子法与KKT约束是怎么回事。本人不是数学科班出身，但是也只能硬着头皮讲一讲了。
从零理解
现在我们要解决这样一个问题： x2y3x^2y3x2y3 这个函数距离…
如何劝周围人不要入坑深度学习?
深度学习这块： 你全力做到最好，可能还不如别人的随便搞搞。
努力过后，才知道，有很多事情，再坚持坚持，还是一样白费工夫。 说起深度学习，首选 Python，Python 已经成为深度学习主导性…
语音（六）——混合高斯模型（GMM）
语音（六）——混合高斯模型（GMM） 语音（附六）——EM算法
【2022吴恩达机器学习课程视频翻译笔记】3.1线性回归模型-part-1
3.1线性回归模型-part-1
In this video, we’ll look at what the overall process of supervised learning is like. Specifically, you see the first model of this course, Linear Regression Model. That just means fitting a straight line to your data. It’s probab…
相信知识的力量，这是一条有价值的推文！
知识的力量，在于时间的价值。花费时间学习，消耗时间收集，依托时间归纳，通过时间应用。由此四步，构成了我们的成长主线。这是我职场多年的坚持，多年的一点一滴，构成了一条看似笔直实则曲折的成长…
浅谈机器学习模型推理性能优化
前言
在机器学习领域，清晰明了的数据预处理和表现优异的模型往往是数据科学家关注的重点，而实际生产中如何让模型落地、工程化也同样值得关注，工程化机器学习模型避不开的一个难点就是模型的推理（Inference / Serving）…
PyTorch 1.9：适配移动开发，优化模型推理部署
PyTorch 团队在官方博客宣布 PyTorch 1.9 发布。该版本包括了 1.8 版本发布以来，398 位贡献者提交的 3400 多条 PR，详情访问 Here
在官方博客中，团队总结了 PyTorch 1.9 版本的亮点，包括： 为支持科学计算进行了重大改…
训练二元分类器及三种评估方法
分类器
MINIST
使用MNIST数据集，这是一组由美国高中生和人口调查局员工手写的70000个数字的图片
Scikit-Learn提供了许多助手功能来帮助你下载流行的数据集。MNIST也是其中之一。下面是获取MNIST数据集的代码
from sklearn.datasets import fetch_openml
minst …
AI应用 | 2019年企业应用AI四大维度趋势在这里
AI的第三次浪潮正在以超乎想象的速度发展，短短两年间，技术不断进化、应用遍地开花。当前，AI的应用正从企业单个业务场景试用到复制推广到更多部门，从先行者的小范围探索到行业企业全面入局，从语音控制、人脸识别、OCR等…
李宏毅 2022机器学习 HW2 strong baseline 上分路线
strong baseline上分路线
baseline增加concat_nframes （提升明显）增加batchnormalization 和 dropout增加hidden layer宽度至512 （提升明显）
提交文件命名规则为 prediction_{concat_nframes}[{n_hidden_layers}{dropout}_bn].c…
ML CV DM PP
CV会议领先研究室专家代码网址 本文基于http://www.sciencenet.cn/m/Print.aspx?id224651 的结果，增加了自己搜索和国内一些信息。
作机器视觉和图像处理方面的研究工作，最重要的两个问题：其一是要把握住国际上最前沿的内容；其二…
项目总结 | 九种缺失值处理方法总有一种适合你
为什么要处理缺失值
这一段完全是废话了。含有缺失数据的样本，你要么删了，要了就填充上什么值。删了就会损失一部分的样本信息，填充要是填充的不合适，会给样本增加噪音。
所以这就是一个选择的问题：
选择删除还是填…
【知识图谱论文】DIVINE：用于知识图推理的生成对抗模仿学习框架
Article
文献题目：DIVINE: A Generative Adversarial Imitation Learning Framework for Knowledge Graph Reasoning 文献时间：2019 发表期刊：EMNLP
摘要
知识图谱（KGs）经常遭受稀疏和不完整的困扰。知识图谱推理为…
走向永无止境的语言学习架构
Article
作者：Andrew Carlson, Justin Betteridge, Bryan Kisiel, Burr Settles, Estevam R. Hruschka Jr., and Tom M. Mitchell 文献题目：走向永无止境的语言学习架构
摘要
我们在这里考虑建立一个永无止境的语言学习者的问题； 也就是说…
【面试考】【入门】决策树算法ID3，C4.5和CART
站主近期建立了一个自己的网站来发博文，文章已经搬运到了下面的地址：
【面试考】【入门】决策树算法ID3，C4.5和CART
喜欢的话，可以微信扫码关注微信公众号【机器学习炼丹术】,成为炫酷的炼丹师吧~
公众号回复【下载】有精选的免…
决策树purity/基尼系数/信息增益 Decision Trees
站主近期建立了一个自己的网站来发博文，文章已经搬运到了下面的地址：
决策树purity/基尼系数/信息增益 Decision Trees
喜欢的话，可以微信扫码关注微信公众号【机器学习炼丹术】,成为炫酷的炼丹师吧~
公众号回复【下载】有精选的免费机器学…
概率与分布密度 贝叶斯理论入门 数据挖掘基础入门
站主近期建立了一个自己的网站来发博文，文章已经搬运到了下面的地址：
【科普入门】概率与分布密度 贝叶斯理论入门 数据挖掘基础入门
公众号回复【下载】有精选的免费机器学习学习资料。 公众号每天会更新一个机器学习、深度学习的小知识，都…
【零基础（面试考点/竞赛用）】boosting算法中的佼佼者 LightGBM = GOSS + histogram + EFB
站主近期建立了一个自己的网站来发博文，文章已经搬运到了下面的地址：
LightGBM GOSS histogram EFB
公众号回复【下载】有精选的免费机器学习学习资料。 公众号每天会更新一个机器学习、深度学习的小知识，都是面试官会问的知识点哦~
【…
深度学习激活函数 深入浅出 通俗易懂 教你如何选择合适的激活函数
梯度消失问题Sigmoid梯度爆炸问题ReLU整流解决梯度消失死亡ReLU问题,有利有弊ELU指数计算成本高无死亡ReLU问题Leaky ReLU渗透微分两部分都是线性相比ELU无死亡ReLU问题SELU扩展指数没有梯度消失/爆炸问题图看不懂不要紧，把文章看完就肯定理解了。这是一个方便总结的…
python scipy 实现信号滤波功能
通过python的scipy接口，对一维数组实现：低通滤波、高通滤波、带通滤波、带阻滤波功能
# coding:utf-8
import pandas as pd
import numpy as np
import os
from scipy import signal
import matplotlib.pyplot as plt"""
参数说明&#…
kaggle支付反欺诈：IEEE-CIS Fraud Detection第一名方案 特征处理代码
import pandas as pd
import numpy as np"""
kaggle支付反欺诈：IEEE-CIS Fraud Detection第一名方案 特征处理
"""
###### 1.加载数据
df_train pd.read_csv(r"C:\Users\ld\Desktop\yc18\train1.csv",encoding"cp936…
全连接神经网络-------多元回归预测的简单实现
用全连接神经网络做多元回归预测的简单实现
#coding:utf-8
from keras.models import Sequential
from keras.layers import Dense, Dropout
from sklearn.preprocessing import MinMaxScaler
from keras.models import load_model
import pandas as pd
import matplotlib.pyp…
生成模型和判别模型的区别
生成模型和判别模型的区别，可以结合下图进行理解 机器学习的任务是从属性X预测标记Y，即求概率P(Y|X)；
对于判别式模型来说求得P(Y|X)，对未见示例X，根据P(Y|X)可以求得标记Y，即可以直接判别出来，…
机器学习数据预处理之离群点、高杠杆点、强影响点
对于一组数据拟合模型时，我们希望保持拟合结果不要过度依赖于一个或几个观测，于是我们想知道这种点是否存在。离群点、高杠杆点、强影响点，都是数据观测中常见的异常数据形式，下面分别从概念，检测方法和处理方法三方面…
特征筛选实践-------过滤法
前言
在机器学习项目的数据集中，特征间的高相关、特征与标签的低相关或不相关、特征本身的信息量以及特征数量等因素都会对模型的效果产生影响，特征筛选的目的是保留对预测有贡献的特征，删除冗余或无用特征。特征选择方法分为三大类…
机器学习特征工程之特征选择
前言
本文总结了特征选择的常用方法，并附上Python实现代码，其中输入数据集均为Dataframe格式，以便于更接近真实项目场景，在定义的N列数据中，最后一列为标签列，其他列为特征列。 一、为什么要进行特征选择&…
应用实例：照片OCR（Application example：Photo OCR）
目录问题描述与.OCR.pipeline滑动窗口获取大量数据和人工数据天花板分析：下一步工作的.pipeline问题描述与.OCR.pipeline
照片光学字符识别： OCR步骤：
①扫描图像一遍，找出文字信息区域。
②文字分离。
③字符识别࿰…
![[BUG] 模型输出有空值](https://img-blog.csdnimg.cn/527f7a1a5bc54f7ab5121ee46088bded.png)
[BUG] 模型输出有空值
日常复现模型，打开日志文件，测试误差部分满屏幕的报错，没截图，大意是：模型输出有空值，无法计算fmax和aupr 然后因为是服务器上跑，不知道怎么启动调试模式，只能使用print大法打出中间…
灰色关联度与最大互信息系数的python简单实现
#coding:utf-8
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.sparse import issparse
import os
import gc
from minepy import MINE
np.random.seed(0)"""
主要功能：1.两序列间灰色关…
信号EMD模态分解python简单实现
from PyEMD import EMD
import numpy as np
import matplotlib.pyplot as plt"""
使用EMD模态分解方法,将一维数组分解为多列
"""
#对数据进行EMD分解
def do_emd(y):"""将输入序列y进行EMD分解:param y: 一维数组,array/list,将…
消息传递框架MPNN： Neural Message Passing for Quantum Chemistry
来源：ICML 2017 论文链接： https://arxiv.org/abs/1704.01212 代码： https://github.com/ifding/graph-neural-networks 这篇论文本身没有提出什么新东西，基于以往的研究，提出了一个消息传递框架MPNN（Messa…
分层图池化：Hierarchical Graph Representation Learning with Differentiable Pooling
来源： KDD’18, 2018 论文： https://arxiv.org/abs/1806.08804 本文提出了一个层级池化的方法。在每一层，应用两个GNN，一个生成该层级的节点嵌入，一个将不同类别的节点聚类成不同的簇。这一层的输出即为下一层的输入。…
TOP 100值得读的图神经网络----自监督学习与预训练
清华大学的Top 100 GNN papers，其中分了十个方向，每个方向10篇。此篇为自监督学习与预训练方向的阅读笔记。Top100值得一读的图神经网络| 大家好，我是蘑菇先生，今天带来Top100 GNN Papers盘点文。此外，公众号技术交流群…
变分自动编码VAE Auto-Encoding Variational Bayes
原文：Auto-Encoding Variational Bayes 地址：https://arxiv.org/pdf/1312.6114.pdf 1 存在问题 变分贝叶斯(VB)方法涉及到对难处理后验的近似的优化，但公共平均场方法需要期望的解析解w.r.t.（with respect to 的缩写。是 关于&…
（1）语言是什么——NLP的语言基础
本系列是《语言引论》的阅读笔记，旨在学习NLP中常见的语言学相关的知识，对其有一个最基本的，整体的，感性的了解。一下是OneNote笔记的复制粘贴： 第一章 语言是什么 1 语言知识 1.1 语音系统的知识 1.2 词的知识 掌握一…
全连接神经网络（中）
全连接神经网络（中）6. 再看激活函数7. 动量法与自适应梯度8. 权值初始化9. 批归一化6. 再看激活函数
梯度消失 梯度消失是神经网络训练中非常致命的一个问题。其本质是由于链式法则的乘法特性导致的 梯度爆炸 梯度爆炸是由于链式法则的乘法特性导致的 断…
《西瓜书读书笔记》-第1章 概述
目录
1.机器学习概述
1.1.人工智能与机器学习
1.2.机器学习分类
1.按照算法分类
2.按照学习任务分类
1.3.机器学习应用
1.4.机器学习常用术语解释 1.机器学习概述
1.1.人工智能与机器学习
人工智能（Artificial Intelligence，Al）是一…
【强化学习纲要】3 无模型的价值函数估计和控制
【强化学习纲要】3 无模型的价值函数估计和控制3.1 回顾MDP的控制3.2 Model-free prediction3.2.1 Monte Carlo policy evaluation3.2.2 Temporal Difference (TD) learning3.3 Model-free control3.3.1 Sarsa: On-Policy TD Control3.3.2 On-policy Learning vs. Off-policy L…
【强化学习纲要】2 马尔科夫决策过程
【强化学习纲要】2 马尔科夫决策过程2.1 MDP2.1.1 马尔科夫链(Markov Chain)2.1.2 马尔科夫奖励过程(MRP)2.1.3 马尔科夫决策过程（MDP)2.2 MDP中的价值函数2.2.1 Bellman expectation equation2.2.3 Backup Diagram for VπV^\piVπ2.2.4 Policy evaluation2.2.5 举…
【强化学习纲要】1 概括与基础
【强化学习纲要】1 概括与基础1.1 课程简介1.2 强化学习介绍1.2.1 简介1.2.2 与监督学习的对比1.3 序列决策过程1.3.1 介绍1.3.2 RL agent组成成分1.3.3 马尔可夫决策过程（MDPs)1.3.4 示例：走迷宫1.3.5 分类1.3.6 探索与开发1.4 RL代码实现1.4.1 Python …
Pytorch错误Expected input batch_size (324) to match target batch_size (4) Log In
参考链接： https://blog.csdn.net/qq_41429220/article/details/104973805 Pytorch Error: ValueError: Expected input batch_size (324) to match target batch_size (4) Log In
1.ERROR原因
使用pytorch训练一个自定义的模型，参照网上的博客直接照搬…
【AI】数学基础——最优化理论
从本质上讲，人工智能的目标就是最优化，在复杂环境中与多体交互中做出最优决策。 几乎所有的人工智能问题都会归结为一个优化问题 在线性搜索中，确定寻找最小值时的搜索方向需要使用目标函数的一阶导数和二阶导数置信域的思想是先确定搜索步长…
如何建设机器学习平台
00. 平台的业务
从平台这个概念本身来说，它提供的是支撑作用，通过整合、管理不同的基础设施、技术框架，一些通用的流程规范来形成一个通用的、易用的GUI来给用户使用。通用性是它的考量之一、也是所有平台的愿景之一：希望平台能适…
YOLOV8改进：更换为MPDIOU,实现有效涨点
1.该文章属于YOLOV5/YOLOV7/YOLOV8改进专栏，包含大量的改进方式，主要以2023年的最新文章和2022年的文章提出改进方式。 2.提供更加详细的改进方法，如将注意力机制添加到网络的不同位置，便于做实验，也可以当做论文的创新点。 2.涨点效果：更换为MPDIOU,实现有效涨点！ 目录…
强化学习入门——说到底研究的是如何学习
自机器学习重新火起来，深度强化学习就一直是科研的一大热点，也是最有可能实现通用人工智能的一个分支。然而对于没有强化学习基础的同学们，如果直接去学习深度强化学习，想必会碰到很多问题。本文尝试普及一些最基础的强化学习算法…
PyTorch 官方教程：撸一个神经网络
本文为 PyTorch 官方教程中：如何构建神经网络。基于 PyTorch 专门构建神经网络的子模块 torch.nn 构建一个简单的神经网络。
完整教程运行 codelab
torch.nn 文档
神经网络由对数据执行操作的层/模块组成。torch.nn 提供了构建神经网络所需的所有模块。
PyTorch…
相关性分析-Pearson, Spearman, Kendall 三大相关系数+绘制热力图
相关性分析 1、Pearson 相关系数（连续变量）Pearson代码2、Spearman 秩相关系数（连续变量）Spearman代码3、Kendall 相关系数 （有序分类变量）Kendall代码Pearson, Spearman, Kendall 三类相关系数是统计学上的三大重要相关系数，表示两个变量之间变化的趋势方向和趋势程度。…
C#，数值计算——分类与推理，基座向量机（SVM，Support Vector Machines）的计算方法与源程序
把 Support Vector Machines 翻译成 支持向量机 是书呆子翻译。基座向量机 不好吗。 1 文本格式
using System;
namespace Legalsoft.Truffer { /// <summary> /// Support Vector Machines /// </summary> public class Svm { priv…
2023华为杯E题：出血性脑卒中临床智能诊疗建模（不断更新）
文章目录 一、 背景介绍二、 数据集介绍及建模目标第一题：血肿扩张风险相关因素探索建模。第一问要求第一问解题思路第二问第二问解体思路 第二题：血肿周围水肿的发生及进展建模，并探索治疗干预和水肿进展的关联关系第一问第一问思路第二问第…
【Python机器学习】零基础掌握AgglomerativeClustering聚类
如何解决城市规划问题？
城市规划者们面临一个复杂问题：如何合理地规划土地，使商业、居民、公园和其他设施互相便利，同时又不互相干扰？解决这个问题不仅需要对土地进行精准的分类，还要考虑到土地之间的相互关系。
借助层次聚类算法（Agglomerative Clustering），规划者…
【黑马程序员】机器学习
（一）机器学习概述
一、机器学习算法分类
1、监督学习： （1）目标值是类别：分类问题 k-近邻算法、贝叶斯分类、决策树与随机森林、逻辑回归 （2）目标值是连续型的数据：回归…
【Python机器学习】零基础掌握TransformedTargetRegressor预处理组件
如何对不同类型的数据进行预处理？
在日常生活中，我们经常会遇到需要分析和解释多种类型的数据。比如在电商平台上，可能需要对商品的销售数据进行分析，以便更好地了解市场需求和消费者行为。然而这样的数据通常包括多种类型，比如数值型（如价格、销量等）和分类型（如商品…
在线主动学习算法评估策略：prequential evaluation procedure
在线主动学习算法评估策略：prequential evaluation procedure
在在线主动学习领域(Online Active Learning)，对在线主动学习算法的评估策略有多种方法，而现如今常用的方法是prequential evaluation procedure(出自论文《High density-focuse…
吴恩达 deeplearning.ai - 改善深层神经网络 - 第1周测验
参考链接：https://blog.csdn.net/u013733326/article/details/79869511
第一周测验 - 深度学习的实践
博主注：以下全部都是只显示正确答案。
1.如果你有10,000,000个例子，你会如何划分训练/开发/测试集？
解：训练集…
Python程序设计第八章测验总结
第八章 拓展与应用
8.1 Python与KNN分类
1.无监督学习需要标注大量的数据才能用以训练得到模型。
解：错误
2.欠拟合通常是因为模型太复杂，参数过多导致。
解：错误
3.KNN方法只支持二分类问题，不能解决多分类问题。
解&…
一起用Python做个自动化弹钢琴脚本，我竟然弹出了《天空之城》！
前言 小时候一直有一个想成为钢琴家的梦想，最近在网上看到了一个开源的钢琴演奏网页autopiano，可以支持键盘按键弹奏、鼠标点击弹奏。
突然灵机一动，能不能用Python自动化脚本弹奏一曲美妙的钢琴曲呢？今天就一起带大家如何用Pyth…
引入概念的多文本标签分类：Concept-Based Label Embedding via Dynamic Routing for Hierarchical Text Classification
Zhang, Jiong, Wei-Cheng Chang, Hsiang-Fu Yu, and Inderjit Dhillon. “Fast Multi-Resolution Transformer Fine-Tuning for Extreme Multi-Label Text Classification.” In Advances in Neural Information Processing Systems, 34:7267–80. Curran Associates, Inc., 20…
【推荐系统-＞论文阅读】WideDeep模型
Wide & Deep Learning for Recommender Systems
Abstract
（非线性特征转换transformation1的广义线性模型 被广泛用于回归和分类）
广泛的特征交叉转换来记忆特征交互。深度神经网络利用较少的特征工程，通过对稀疏特征学习的低维度密集…
【机器学习理论】True Positive, True Negative, False Positive, False Negative概念
True Positive, True Negative, False Positive, False Negative概念1 True positive-——-预测正确，且为正面；True negative——-预测正确，且为负面；False positive——-预测错误，预测为正面；（…
【强化学习与机器人控制论文 1】基于深度强化学习的机械臂避障
基于深度强化学习的机械臂避障1. 引言2. 论文解读2.1 背景2.2 将NAF算法用在机器人避障中3. 总结1. 引言
本文介绍一篇2018年发表在 European Control Conference 的文章，虽然不是顶会（看完文章后发现，确实没啥创新的地方）&#…
【推荐系统论文】推荐系统的监督优势 Actor-Critic
文章标题：Supervised Advantage Actor-Critic for Recommender Systems发表时间：2022
摘要
通过奖励信号将基于会话或顺序的推荐作为强化学习 (RL) 是朝着最大化累积利润的推荐系统 (RS) 的一个有前途的研究方向。 然而，由于策略外训练、巨…
【深入浅出强化学习-编程实战】6 基于函数逼近的方法-鸳鸯系统
【深入浅出强化学习-编程实战】6 基于函数逼近的方法-鸳鸯系统6.1 鸳鸯系统——基于函数逼近的方法基于表格表征表示基于固定稀疏表示代码困惑6.1 鸳鸯系统——基于函数逼近的方法
左上为雄鸟，右上为雌鸟，中间有两道障碍物。目标：雄鸟找到雌…
【深入浅出强化学习-编程实战】3 基于蒙特卡洛的方法的鸳鸯系统
【深入浅出强化学习-编程实战】3 基于蒙特卡洛的方法3.1 鸳鸯系统——基于蒙特卡洛的方法3.2 部分代码思考3.1 鸳鸯系统——基于蒙特卡洛的方法
左上为雄鸟，右上为雌鸟，中间有两道障碍物。目标：雄鸟找到雌鸟。
在模型已知的时候，…
【深入浅出强化学习-编程实战】3 基于动态规划的方法-鸳鸯系统
【深入浅出强化学习-编程实战】3 基于动态规划的方法2.1 鸳鸯系统——基于动态规划的方法2.1.1 基于策略迭代代码展示2.1.2 基于值函数迭代代码展示2.1.3 部分代码解析2.1 鸳鸯系统——基于动态规划的方法
左上为雄鸟，右上为雌鸟，中间有两道障碍物。目标…
【深入浅出强化学习-编程实战】2 马尔可夫决策过程-鸳鸯系统
【深入浅出强化学习-编程实战】2 马尔可夫决策过程2.1 鸳鸯系统马尔可夫决策过程2.1.1 代码展示2.1.2 部分代码解析2.1 鸳鸯系统马尔可夫决策过程
左上为雄鸟，右上为雌鸟，中间有两道障碍物。目标：雄鸟找到雌鸟。
2.1.1 代码展示
main.py
…
【深入浅出强化学习-编程实战】1 多臂赌博机
多臂赌博机： 假设玩家共有N次摇动摇臂的机会，每次怎么选择可以使得最后得到的金币最多？ ϵ\epsilonϵ-greedy玻尔兹曼策略UCB策略
# 多臂赌博机
import numpy as np
import matplotlib.pyplot as pltclass KB_Game:def __init__(self,*args,…
【深入浅出强化学习-原理入门】2 基于模型的动态规划方法
【深入浅出强化学习-原理入门】2 基于模型的动态规划方法2.1 基于gym的机器人找金币游戏2.1.1 基于策略迭代算法找金币游戏2.1.2 基于值迭代算法找金币游戏2.2 基于gym的迷宫游戏2.2.1 基于策略迭代算法的迷宫游戏2.2.2 基于值迭代算法的迷宫游戏2.1 基于gym的机器人找金币游戏…
Tenserflow 情感分类
1. 背景说明 在Pytorch 实现情感分类版本基础上进行tensorflow实现。
2. 加载数据
2.1 加载停用词
import nltk
from nltk.corpus import stopwordsnltk.download(stopwords) # 下载停用词
stop_words = stopwords.words(english)
print(stop_words)2.2 文本预处理 1. 词干…
【机器学习新书推荐】ML.NET Revealed
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2020年12月由apress出版社最新出版的一本关于机器学习的书，涉及的框架为ML.NET
ML.NET Revealed 图书简介
入门ML.NET，这是…
文献阅读：Raise a Child in Large Language Model: Towards Effective and Generalizable Fine-tuning
文献阅读：Raise a Child in Large Language Model: Towards Effective and Generalizable Fine-tuning 1. 内容简介2. 相关工作 1. Weight Decay2. Top-K Tuning3. Mixout4. RecAdam5. R3F 3. 优化方案 1. ChildTuning-F2. ChildTuning-D 4. 实验设计 & 结果 1.…
手写体数据识别——支持向量机案例
手写体数据识别——支持向量机案例
在本案例中，我们将使用支持向量机分类器对 Scikit-learn 的手写体数字图片数据集进行处理。
数据描述
邮政系统每天都会处理大量的信件，最重要的一环是根据信件上的收件人邮编进行识别和分类，以便确定信…
Python实现经典机器学习案例 良/恶性性乳腺癌肿瘤预测
Python实现经典机器学习案例 良/恶性性乳腺癌肿瘤预测
首先给出数据下载地址 http://note.youdao.com/groupshare/?tokenC6B145FA919F41F8ACAAC39EE775441C&gid93772390
数据可视化
画出一张以肿块厚度为横坐标，以细胞尺寸为纵坐标的，肿瘤阴阳性…
python机器学习——支持向量机回归与波士顿房价案例
支持向量机回归与波士顿房价案例一、从传统回归模型到支持向量回归模型二、核函数三、常用的几种核函数四、SVM 算法的优缺点五、建模实例（1）导入数据（2）划分训练集测试集（3）数据标准化参考文献：…
深度学习之文本分类 ----FastText
❤️ 作者简介：大家好我是小鱼干儿♛是一个热爱编程、热爱算法的大三学生，蓝桥杯国赛二等奖获得者🐟 个人主页 ：https://blog.csdn.net/qq_52007481⭐ 个人社区：【小鱼干爱编程】🔥 算法专栏：算…
如何理解计算机视觉的仿射变换？
仿射变换先理解一下齐次坐标的表示方法。通常上，一向量A（x,y,z)是表示三维的图片，但是往往存在一个视觉误差理解。—两条平行的直线在无穷远处就会表现出相交的情况。那么为了避免这种情况。将3维的坐标使用4维的坐标表示。此刻A(x,y,z,w)。 …
机器学习之极大似然估计详解
文章目录前言极大似然原理极大似然估计极大似然估计的应用及推导推导联合概率是什么求极大似然估计值$\hat\theta$的一般步骤前言
极大似然估计在机器学习中很多模型都会用到，理解了极大似然估计对后面学习机器学习有很大帮助。
极大似然估计听着很高冷࿰…
医学 性别、年龄、受教育年限的校正 方法与代码
创建于：2022.07.17 修改于：2022.07.17 文章目录1、参数介绍2、官网代码3、参考资料1、参数介绍
statsmodels.regression.linear_model.OLS(endog, exogNone, missingnone, hasconstNone, **kwargs)Parametersendog: array_likeA 1-d endogenous respons…
机器学习14：稀疏性-Sparsity
现实世界中，问题的特征的数量往往是很大的，而其中起决定性作用的往往是很小的一部分，稀疏规则化算子的引入会学习去掉这些没有信息的特征，也就是把这些特征对应的权重置为 0。
1.稀疏性正则化：L₁ 正则化 稀疏向量通常…
一文简述如何使用嵌套交叉验证方法处理时序数据 @ 机器之心
本文讨论了对时序数据使用传统交叉验证的一些缺陷。具体来说，我们解决了以下问题：
1）在不造成数据泄露的情况下，对时序数据进行分割；2）在独立测试集上使用嵌套交叉验证得到误差的无偏估计；3&am…
回归分析（线性回归、逻辑回归）详解与 Python 实现
文章目录1. 回归分析概述2. 线性回归2.1 简单线性回归分析2.2 多元线性回归分析2.3 非线性回归数据分析3. 用 python 实现一元线性回归4. 用 python 实现多元线性回归5. 逻辑回归5.1 构造预测函数（假设函数）5.2 构造损失函数5.3 梯度下降法求解最小值6. …
【深度学习-学习笔记01】
深度强化学习-笔记 01论文笔记四个要素Q-learning资料强化学习及其与其他机器学习算法的区别强化学习和监督式学习的区别强化学习和非监督式学习的区别RL 与有监督学习、无监督学习的比较强化学习的特点及其包含的主要元素强化学习的主要算法和分类深度增强学习参考链接论文笔记…
流形学习（三） LE 在 MATLAB 中的实现及实例
目录
LE(Laplacian Eigenmapping )
基本思想
step1 最近邻确定与最佳权重
step2 构造目标函数
step3 求解优化问题
MATLAB 程序及实例
总的MATLAB程序 LE(Laplacian Eigenmapping )
前两节我们介绍了 LLE 和 Isomap 算法以及其在瑞士卷上的降维，详见
Isoma…
流形学习（一）LLE 在 MATLAB 中的实现及实例
目录
LLE(Locally linear Embedding)
基本思想
Step1 最近邻确定与最佳权重
step2 全局嵌入学习模型
step3 求解优化问题
算法步骤
MATLAB程序实现
总的MATLAB代码 流形学习，全称流形学习方法(Manifold Learning)，自2000年在著名的科学杂志《Sci…
kaggle竞赛之Hungry Geese比赛
kaggle竞赛之Hungry Geese比赛1. 比赛内容和规则1.1 比赛内容1.2 比赛规则2. 强化学习算法思路2.1 HandyRL2.2 蒙特卡罗树搜索3. 经验总结本文主要记录参加kaggle竞赛的强化学习赛道的算法思路。此次竞赛我们排名为57/875，获得一枚铜牌。
1. 比赛内容和规则
本章简…
点云数据分类及滤波方法
如何获取点云数据
传统的点云获取技术包括非接触式测量和接触式测量两种，它们的主要区别在于，在测量过程中测头是否与工件的表面相接触。
非接触式测量是利用光学原理的方法采集数据，例如结构光法、测距法以及干涉法等。该方法的优点在于测…
《统计学习方法》聚类代码实现
层次聚类假设类别之间存在层次结构，将样本聚到层次化的类中层次聚类又有聚合或自下而上、分裂或自上而下两种方法。
聚合聚类开始将每个样本各自分到一个类；之后将相距最近的两类合并，建立一个新的类，重复此操作直到满足停止条件…
firebase教程_firebase功能教程认证
firebase教程In one of my previous articles, I discussed how you can create a REST API using Firebase Functions. Since then, I have been asked how to authenticate requests and validate data on my YouTube channel. So, in this tutorial, we’re going to be loo…
数据挖掘中所需的概率论与数理统计知识、上
转载:http://blog.csdn.net/v_july_v/article/details/8308762 数据挖掘中所需的概率论与数理统计知识、上 （
关键词：微积分、概率分布、期望、方差、协方差、数理统计简史、大数定律、中心极限定理、正态分布
） 导言：本文从微积分…
机器学习实战（一）：KNN
转载自Python3《机器学习实战》学习笔记（一）：k-近邻算法(史诗级干货长文)
一.电影分类 # -*- coding: UTF-8 -*-
import operatorimport numpy as np"""
函数说明:创建数据集Parameters:无
Returns:group - 数据集labels - 分…
python实现简单线性回归
用python实现R的线性模型(lm)中一元线性回归的简单方法，使用R的women示例数据，R的运行结果：
> summary(fit)Call:
lm(formula weight ~ height, data women)Residuals:Min 1Q Median 3Q Max
-1.7333 -1.1333 -0.3833 …
机器学习---期望+方差+标准差+协方差
1. 期望
在概率论和统计学中，数学期望(mathematic expectation)（或均值，亦简称期望）是试验中每次可能结果的概率乘以其结果的总和，是最基本的数学特征之一。它反映随机变量平均取值的大小。
大数定律表明，…
机器学习---矩阵求导基础公式+常用公式
在深度学习神经网络的反向传播时，需要根据最后输出的loss反向更新网络的参数，神经网络的训练过程实际上就是参数的更新过程，参数是根据梯度下降法更新的，而梯度的计算需要用到偏导数。 标量的转置等于标量本身： c是常数…
机器学习-西瓜书--第一章（1）
视频资料请下载：
链接：https://pan.baidu.com/s/1LxG78U7CLjc-xF7fsrMbkQ 提取码：kk2b --来自百度网盘超级会员V5的分享
《遗传算法原理及应用》笔记—绪论
一、绪论
笔者最近在学习遗传算法，希望可以通过笔记对遗传算法做一个简要的介绍与记录。也欢迎小伙伴们一起学习交流。 文章目录一、绪论1.1 遗传算法的生物学基础1.2 遗传算法简介1.2.1 遗传算法概要1.2.2 遗传算法的运算过程1.3 遗传算法的特点1.4 遗传算法的发展…
Pandas数据分析—数据统计函数
5.Pandas的数据统计函数 文章目录5.Pandas的数据统计函数前言一、三类统计函数1.汇总类统计2.唯一去重和按值计数3.相关系数和协方差总结前言
笔者最近正在学习Pandas数据分析，将自己的学习笔记做成一套系列文章。本节主要记录Pandas的数据统计函数相关常用方法。 …
【菠萝狗四足机器人】二次开发教程--第三章 【腿部校准和步态效果调试】
腿部校准和步态效果调试1 前言2 腿部调中（0位校准）3 步态效果调试3.1 重心标定3.2 自动重心补偿量调节4 结束1 前言
承接上次的教程，本次文章，将教你怎么对 Py-apple Dynamics 6.5 及 6.5 以后版本的软件进行腿部校准（…
实验记录resnet20/cifar100
Cifar100 / resnet20：
1、Baseline
Namespace:(batch_size128, decay0.0003, epoch200, gammas[0.1, 0.1, 0.5], learning_rate0.1, momentum0.9, optimizerSGD, schedule[80, 120, 160])
Best acc: 68.85%
80 和 120 是拐点
2、batch_size, gammas
Namespa…
GBDT、xgboost、LightGBM之间的比较
一：为什么会有XGBOOST和LightGBM
首先，我们需要知道，这两种算法都是gbdt的具体实现算法，gbdt作者在前面的文章中已经解释的很清楚了，读者可以先去做一个了解。那有了gbdt为什么不直接用，而是要衍生出这两种…
python --遗传算法之多目标规划问题
** 带约束的多目标优化问题** 继承 Problem 问题类完成对问题模型的描述 对于多目标的问题，依旧是先编写目标规划问题。
import numpy as np
import geatpy as ea
class MyProblem(ea.Problem): # 继承Problem父类def __init__(self):name BNH # 初始化name&…
pca原理--主成分分析
一：数学基础
1.1 内积 两个向量的 A 和 B 内积我们知道形式是这样的： 内积运算将两个向量映射为实数，其计算方式非常容易理解，但我们无法看出其物理含义。接下来我们从几何角度来分析，为了简单起见，我们假…
【Python机器学习】零基础掌握ColumnTransformer预处理组件
在处理数据时遇到各种各样的特征需要不同的预处理方式？
在数据分析和机器学习的世界里，我们经常遇到需要对数据的不同列（也就是特征）进行不同处理的情况。例如可能有一些是数值型的列，需要进行标准化；另一些是分类数据，需要进行编码。手动进行这些操作不仅繁琐，还容易…
深入探究深度学习、神经网络与卷积神经网络以及它们在多个领域中的应用
目录
1、什么是深度学习？
2、深度学习的思想
3、深度学习与神经网络
4、深度学习训练过程
4.1、先使用自下上升非监督学习（就是从底层开始，一层一层的往顶层训练）
4.2、后自顶向下的监督学习（就是通过带标签的数…
关于线性模型的底层逻辑解读 (机器学习 细读01)
一 多元线性回归 线性回归是机器学习中 有监督机器学习 下的一种算法。 回归问题主要关注的是因变量(需要预测的值，可以是一个也可以是多个)和一个或多个数值型的自变量(预测变量)之间的关系。
需要预测的值:即目标变量，target，y，…
LLM系列-大模型技术汇总
LLM系列-大模型技术汇总 1. 大模型技术汇总-参数高效迁移学习方法2. 千亿模型并行训练技术2.1. 数据并行（Data Parallelism，DP）2.2. 模型并行（Model Parallelism，MP）2.2.1. 流水线并行（Pipeline…
什么是卷积神经网络？解决了什么问题？
什么是卷积神经网络？ 卷积神经网络（Convolutional Neural Network，CNN）是一种深度神经网络模型，主要用于图像识别、语音识别和自然语言处理等任务。它通过卷积层、池化层和全连接层来实现特征提取和分类。 解决了什么问…
损失函数总结（三）：BCELoss、CrossEntropyLoss
损失函数总结（三）：BCELoss、CrossEntropyLoss 1 引言2 损失函数2.1 BCELoss2.2 CrossEntropyLoss 3 总结 1 引言
在前面的文章中已经介绍了介绍了一系列损失函数 (L1Loss、MSELoss)。在这篇文章中，会接着上文提到的众多损失函数继…
【机器学习】迁移学习（Transfer）详解！
1. 什么是迁移学习 迁移学习(Transfer Learning)是一种机器学习方法，就是把为任务 A 开发的模型作为初始点，重新使用在为任务 B 开发模型的过程中。迁移学习是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，虽然大多数机器学习算法都是…
“华为杯”研究生数学建模竞赛2015年-【华为杯】C题：移动通信中的无线信道“指纹”特征建模（附MATLAB代码实现）
目录 摘 要： 一、问题的重述 二、合理假设及符号系统 2.1 合理假设 2.2 符号系统
PyTorch深度学习（七）【循环神经网络-提高】
数据集文末分享。
模型： 做完padding之后，就可以转换为张量了。 bidirectional是是否使用双向RNN: 输出隐层两个： 代码：
import csvimport timeimport matplotlib.pyplot as pltimport numpy as npimport mathimport gzip # 用…
【Python机器学习】零基础掌握check_increasing等渗回归
有没有想过为什么在线购物推荐系统总能准确地推荐出喜欢的商品？
在当今的大数据时代，推荐系统无处不在，从电商网站到社交媒体，都在用复杂的算法来预测喜好和趋势。但这其中有一个不为人知的问题：如何确保推荐结果是单调递增或递减的，即保证推荐结果与用户的实际需求更加…
Azure云工作站上做Machine Learning模型开发 - 全流程演示
目录 本文内容先决条件从“笔记本”开始设置用于原型制作的新环境（可选）创建笔记本开发训练脚本迭代检查结果 关注TechLead，分享AI全维度知识。作者拥有10年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕࿰…
【机器学习】XGB/LGBM
XGBoost的decision tree用的是pre-sorted based的算法，也就是在tree building之前对各维特征先排序，代表性的算法是SLIQ和SPRINT。SLIQ和SPRINT算法的特点决定了树生长的方式是level-wise(breadth-first)的。
而LightGBM的decision tree是histogram bas…
大数据毕业设计选题推荐-热门旅游景点数据分析-Hadoop-Spark-Hive
✨作者主页：IT研究室✨ 个人简介：曾从事计算机专业培训教学，擅长Java、Python、微信小程序、Golang、安卓Android等项目实战。接项目定制开发、代码讲解、答辩教学、文档编写、降重等。 ☑文末获取源码☑ 精彩专栏推荐⬇⬇⬇ Java项目 Python…
[Machine Learning] 领域适应和迁移学习
文章目录 领域适应迁移学习 在机器学习中，我们的目标是找到一个假设或模型，它可以很好地描述或预测数据。当我们基于训练集训练模型时，我们的目的是让模型能够捕获到数据中的主要模式。然而，为了确保模型不仅仅是对训练数据进行记…
机器学习 | 决策树算法
一、决策树算法概述
1、树模型 决策树：从根节点开始一步步走到叶子节点(决策)。所有的数据最终都会落到叶子节点，既可以做分类也可以做回归。 在分类问题中，表示基于特征对实例进行分类的过程，可以认为是if-then的集合࿰…
![[概述] 点云滤波器](https://img-blog.csdnimg.cn/68d8c556e3754a709bf28b13be560c45.png)
[概述] 点云滤波器
拓扑结构
点云是一种三维数据，有几种方法可以描述其空间结构，以利于展开搜索 https://blog.csdn.net/weixin_45824067/article/details/131317939 KD树 头文件：pcl/kdtree/kdtree_flann.h 函数：pcl::KdTreeFLANN 作用：…
“多目标优化”和“超多目标优化”的区别？
超多目标优化的主要困难
当目标数量增加时，算法设计者不得不处理下面几个困难： 支配阻抗现象 (Dominance resistance (DR)phenomenon): 由于解集合中非支配解的占比急剧增加导致的解之间不可比较的情况【找到一个解在所有目标上都比另一个解好的可能性减…
故障诊断模型 | Maltab实现SVM支持向量机的故障诊断
效果一览 文章概述 故障诊断模型 | Maltab实现SVM支持向量机的故障诊断 模型描述
Chinese: Options：可用的选项即表示的涵义如下 -s svm类型：SVM设置类型(默认0) 0 – C-SVC 1 --v-SVC 2 – 一类SVM 3 – e -SVR 4 – v-SVR -t 核函数类型：核函…
山西电力市场日前价格预测【2023-11-07】
日前价格预测 预测说明：
如上图所示，预测明日（2023-11-07）山西电力市场全天平均日前电价为318.54元/MWh。其中，最高日前电价为514.01元/MWh，预计出现在18: 00。最低日前电价为192.95元/MWh，预计…
【Python机器学习】零基础掌握DummyRegressor伪估计量
有没有想过，为什么在做数据分析或者机器学习模型评估的时候，总是需要一个基准来比较？一个简单但有效的方法就是使用哑变量回归模型（Dummy Regressor）。
假设一个房地产公司想要评估其新推出的预测模型，该模型用于预测不同地段房价的变化。公司收集了以下一些数据： 地段…
合成数据对于机器学习模型至关重要
机器学习算法彻底改变了我们处理和分析数据的方式，在从医疗诊断到自动驾驶汽车等领域取得了突破。然而，为了有效地训练这些模型，需要大量高质量的数据。这可能是一个挑战，尤其是在具有敏感或私人信息或难以获取数据的行业中。
合…
UseGalaxy.cn生信云|新增热图绘制工具：heatmap2
2023-11-05，Galaxy生信云平台 UseGalaxy.cn 新增绘制热图工具。 Graph/Display Data heatmap2 (Galaxy Version 3.1.3galaxy0) 使用方法 进入网址： https://usegalaxy.cn/root?tool_idtoolshed.g2.bx.psu.edu/repos/iuc/ggplot2_heatmap2/ggplot2_heatm…
LangChain之关于RetrievalQA input_variables 的定义与使用
最近在使用LangChain来做一个LLMs和KBs结合的小Demo玩玩，也就是RAG（Retrieval Augmented Generation）。 这部分的内容其实在LangChain的官网已经给出了流程图。 我这里就直接偷懒了，准备对Webui的项目进行复刻练习，那么…
Azure 机器学习 - 设置 AutoML 训练时序预测模型
目录 一、环境准备二、训练和验证数据三、配置试验支持的模型配置设置特征化步骤自定义特征化 四、可选配置频率和目标数据聚合启用深度学习目标滚动窗口聚合短时序处理非稳定时序检测和处理 五、运行试验六、用最佳模型进行预测用滚动预测评估模型精度预测未来 七、大规模预测…
基于Jaccard相似度的推荐算法---示例
目录 数据展示推荐算法的分类基于相似度基于流行度/上下文/社交网络 Jaccard相似度分析数据的特点可以考虑的方法计算方法优缺点计算用户之间的Jaccard相似度获取与给定最相似的10个用户对1713353的用户推荐10本书 数据展示
import pandas as pd
import numpy as np# 读取CSV文…
关于卷积神经网络的多通道
多通道输入 当输入的数据包含多个通道时，我们需要构造一个与输入通道数相同通道数的卷积核，从而能够和输入数据做卷积运算。 假设输入的形状为n∗n，通道数为ci，卷积核的形状为f∗f，此时，每一个输入通道都…
MATLAB算法实战应用案例精讲-【路径规划】A*算法（补充篇）（附Java、MATLAB和Python代码实现）
目录
前言
算法原理
A-Star算法
Astar算法基本概念
启发函数单调性的推导
如何进行单病种质控上报管理
过程质量管理发展历程
单病种质量管理兴起之初，医疗机构多强调致残率、致死率、平均住院日、治愈好转率等结果性指标。这些指标主观性强，且为事后管理，无法及时发现问题，具有滞后性。
《卫生部办公厅关于开展单病种质量管理控制…
吴恩达《机器学习》5-6:向量化
在深度学习和数值计算中，效率和性能是至关重要的。一个有效的方法是使用向量化技术，它可以显著提高计算速度，减少代码的复杂性。接下来将介绍向量化的概念以及如何在不同编程语言和工具中应用它，包括 Octave、MATLAB、Python、Num…
第三章:人工智能深度学习教程-基础神经网络(第六节-ML深度学习层列表)
要指定所有层按顺序连接的神经网络的架构，请直接创建层数组。要指定层可以有多个输入或输出的网络架构，请使用 LayerGraph 对象。使用以下函数创建不同的图层类型。
输入层：
功能描述图像输入层 将图像输入网络应用数据标准化序列输入层 将…
‘spmatrix‘ has no attribute ‘__div__‘. Did you mean: ‘__dir__‘?
问题： ‘spmatrix’ has no attribute ‘div’. Did you mean: ‘dir’?
解决方法： 使用1.2.1版本的scikit-learn conda install -c conda-forge scikit-learn1.2.1 scipy1.10.1
1.2.2会有这个问题
探索随机森林: 机器学习中的集成学习神器
机器学习 第七课 随机森林 概述机器学习机器学习的主要分类监督学习无监督学习强化学习 集成学习提高准确性增强稳定性提升泛化能力 集成学习的主要方法BaggingBoostingStacking 随机森林的理论基础决策树的基本原理随机森林的生成过程随机森林的优势与局限性 随机森林的实际应…
DeepPurpose深度学习工具包
DeepPurpose是一个基于深度学习的工具包，可用于药物靶点识别、药物属性预测、蛋白质-蛋白质相互作用预测等。它支持多种分子编码任务，包括药物-靶标相互作用预测、化合物属性预测、蛋白质-蛋白质相互作用预测和蛋白质功能预测。DeepPurpose通过实现15个化…
SHAP（一）：使用 XGBoost 预测英雄联盟获胜
SHAP（一）：使用 XGBoost 预测英雄联盟获胜
本笔记本使用 Kaggle 数据集 英雄联盟排名比赛，其中包含从 2014 年开始的 180,000 场英雄联盟排名比赛。 根据这些数据，我们构建了一个 XGBoost 模型，根据有关该球…
人工智能基础_机器学习016_BGD批量梯度下降求解多元一次方程_使用SGD随机梯度下降计算一元一次方程---人工智能工作笔记0056
然后上面我们用BGD计算了一元一次方程,那么现在我们使用BGD来进行计算多元一次方程
对多元一次方程进行批量梯度下降.
import numpy as np
X = np.random.rand(100,8) 首先因为是8元一次方程,我们要生成100行8列的X的数据对应x1到x8
w = np.random.randint(1,10,size = (8…
【错误解决方案】ModuleNotFoundError: No module named ‘torchvision.models.utils‘
1. 错误提示
在python程序，尝试导入一个名为torchvision.models.utils的模块，但Python提示找不到这个模块。
错误提示：ModuleNotFoundError: No module named torchvision.models.utils 2. 解决方案
1）这可能是因为你还没有安装…
推荐系统中的GBDT+LR
一：GBDT模型（Gradient Boosting Decision Tree）
前言：在研究GBDT模型之前，我们需要知道什么是提升树算法，回归问题的提升树为什么要拟合当前模型的残差，模型的大致训练过程，为什么可…
机器学习速成课程-学习笔记
机器学习速成课程: https://developers.google.cn/machine-learning/crash-course
目录
训练参数:
线性回归
泛化 (Generalization)：过拟合的风险
DIY自动驾驶无人机
带有多个传感器和一个由两个微控制器控制的无线摄像头的 Arduino Uno 自动驾驶无人机。
通常我们会看到使用射频遥控器控制的无人机，或者使用 GPS 模块通过给出正确方向来自动控制无人机的自动驾驶仪。但在我的项目中，我使用 Arduino Uno 以另一种方式处理事情。
该项目的主…
《Do Transformers Really Perform Bad for Graph Representation?》论文笔记
引言
论文提出 Graphormer 对“图数据结构”进行表征学习，Graphormer 是基于标准 Transformer 模型结构， 通过加入 Centrality Encoding、Spatial Encoding 、Edge Encoding 技术编码图结构信息， Centrality Encoding 主要用于编码节点的重要…
随机森林--Bagging算法的典型代表
一：Bootstrap方法简介
简称自助法，是一种有放回的抽样方法，他是非参数统计中一种重要的方法，通过估计样本方差，进而对总体的分布特性进行统计推断。首先，Bootstrap通过重抽样（通过boostrap 采样…
超参数优化--贝叶斯方法
直接讲方法，原理另外讲
贝叶斯优化是当今黑盒函数估计领域最为先进和经典的方法，在同一套序贯模型下使用不同的代理模型以及采集函数、还可以发展出更多更先进的贝叶斯优化改进版算法，因此，贝叶斯优化的其算法本身就多如繁星&…
1、【特征抽取（NLP）】机器学习之特征工程和文本特征的提取
常用数据集构成 = 特征值 + 目标值（0/1）每一行为一条记录，每一列即为一个特征对特征值进行处理： pandas进行简单处理（主要是对缺失值数据，重复值不用处理）；特征工程之特征抽取：
对文本数据进行特征值化（即转换为数值数据）：sklearn.feature_extraction 对字典数据进…
利用鸢尾花数据集复现DBSCAN密度聚类算法
生成数据集
from sklearn import datasets
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import random
data datasets.load_iris()[:,:2].tolist()
data为了后续可视化方便，故此处选择生成二维数据集，毕竟画二维散点图不…
利用鸢尾花数据集对比贝叶斯分类器跟决策树的分类情况 (非二元分类 三分类问题)
导入会用到的库
from sklearn.datasets import load_iris
import pandas as pd
import numpy as np
from matplotlib import pyplot as plt查看数据集构成、标签名称、特征名称
详细情况如下：
特征数一共有四个：‘sepal length (cm)’、 ‘sepal widt…
超超超超写实的数字人！让你24小时不停播
重磅预告！支持随意切换妆发、服装、场景可实现超写实数字人24小时纯 AI 直播的百度智能云数字人直播平台即将在7月21日百度世界2022大会亮相相比真人主播，数字人直播可降低人、时间、空间的限制、无需真人主播、中控人员、复杂硬件支持，为商家…
基于地域和热度的推荐算法(以酒店为例进行实现)
基于地域和热度的推荐算法的基本原理是：按照地域对事物进行划分，然后根据热度对事物进行排序， 进而推荐给用户。 在基于地域和热度的酒店推荐中，并不对用户的偏好进行区分，而是根据用户的位置信息， 结合不同…
bandit算法与推荐系统
导语
首先声明，本文基本转载于陈开江先生的《Bandit 算法与推荐系统》一文，加上笔者自己的结合目前推荐项目的理解。不准确之处，愿诸君指正。拜谢。 推荐系统中经常会遇到EE问题和冷启动问题，在笔者项目过程中，无可厚…
视频知识图谱如何更懂你？
如果你喜欢周星驰电影，在手机中“刷”得越多，就会发现周星驰相关影视出现的频率也越多。为什么视频越来越懂你？这背后有很多技术支撑，其中之一就是应用了知识图谱。百度智能云基于百度中文领域最大的通用知识图谱，专门…
用 AI 分析蒙娜丽莎的微笑，情绪分析认为她没那么高兴
By 超神经内容提要：人类的情绪是十分微妙的，即使是面对面，我们也常常难以完全察觉对方的所有小情绪。不过近年来，AI 技术已经逐渐能够做到，比人类更会察言观色。关键词：AI 情感计算 情绪识别作者 | 孙晓编辑…
【ROS】功能包创建
本文记录创建ROS功能包的过程，但是在创建功能包之前需要先创建ROS工作空间，如果不知道如何创建工作空间可以参看链接
创建过程
1 打开终端，进入自己的工作空间的src目录，输入以下命令，创建功能包
catkin_create_pkg…
AI人才培育新思路，这场直播有你关心的
数字化、智能化时代，职业技能的需求也在不断发生变化。尤其是对于企业、高校来说，帮助人才学习新的技能，为未来可能出现的岗位迭代，做好充足的准备成了重中之重。由百度智能云云智教育打造的人工智能产业学院建设方案，…
Relief特征选择算法
Relief特征选择算法
Relief算法最早由Kira提出，最初局限于两类数据的分类问题。Relief算法是一种特征权重算法(Feature weighting algorithms)，根据各个特征和类别的相关性赋予特征不同的权重，权重小于某个阈值的特征将被移除。Relief算法中…
数字人行业爆发在即，市场格局几何？
近日，IDC 发布《中国 AI 数字人市场现状与机会分析，2022》报告。报告显示：中国 AI 数字人市场规模呈现高速增长趋势，预计到2026年将达102.4亿元人民币。当前 AI 数字人市场可分为2-3个梯队，百度智能云凭借领先的 AI 能…
“神算子”上线！EasyDL时序预测模型零门槛轻松上手
写在篇首：百度飞桨 EasyDL 零门槛 AI 开发平台在机器学习方向推出了自动时序预测的功能，极大程度降低了构建模型的难度与门槛。可广泛应用于零售、金融、交通及天气预测等场景。时序预测是根据历史统计数据的时间序列，对未来的变化趋势进行预…
行业白皮书发布！百度智慧城市助力城市“双碳”目标达成
城市如何助力“双碳”目标达成？近日，在苏州举行的“第二届两化融合暨数字化转型大会”人工智能论坛上，国家工业信息安全发展研究中心联合百度智能云共同发布的《人工智能助力城市“双碳”目标达成白皮书》（以下简称“白皮书”&…
你和明星有多像？ AI告诉你答案
听说矮大紧高晓松在《奇葩说》上放言自己年轻时候非常像吴亦凡，引来网友一片唏嘘。不少网友表示，这是吴亦凡被黑的最惨的一次。还有网友说：“矮大紧，真可爱，你赢了。”那么到底年轻时候的高晓松和吴亦凡像不像呢&#…
10秒内完成火灾预警，百度智能云助力昆明官渡打造智慧城市新标杆
10秒内预警、30秒内甄别、24小时实时监控，昆明市官渡区依托百度智能云人工智能、数字孪生等技术建立的智慧消防系统，大大简化了从发现火灾、传达信息、做出决策、调配人员再到出警扑救的繁琐流程，火灾监管效率得到大幅提升。智慧消防只是官渡…
AI+工业互联网：百度AI专利讲述“中国智造”
工业是国民经济的主导产业。随着人工智能（AI）与工业互联网的加速融合，工业迈向数字化、网络化、智能化，中国制造转向“中国智造”，为国民经济高质量发展注入了新动能。从工业互联网的提出，到与 AI 融合赋予…
解决maven mvn archetype:generate 速度缓慢问题
解决maven mvn archetype:generate 速度缓慢问题 参考：https://my.oschina.net/u/225373/blog/468035 maven获取archetype-catalog.xml导致速度缓慢 加上-DarchetypeCataloginternal 运行参数，archetype-catalog.xml本地获取。
直播也能跨次元？数字人新品发布会来啦！
它来了！它来了！百度智能云曦灵新产品发布会将在杭州拉开序幕9月26日 13:30-16:00新产品、新模式、新升级AI 全新体验，只等你来！点击阅读原文即可报名数字人杭州区域沙龙活动。
鸢尾花种类预测—流程实现
1. 再识K-近邻算法API
sklearn.neighbors.KNeighborsClassifier(n_neighbors5,algorithm‘auto’)
n_neighbors： int,可选（默认 5），k_neighbors查询默认使⽤的邻居数 algorithm：{‘auto’，‘ball_tree’&…
(robomaster)大小符识别之基于pytorch卷积神经网络的九宫格手写数字识别
一、问题
女朋友的大作业第一题选自于robomaster的题目，机器人需要通过摄像头先识别数码管区域的 5 个密码数字，然后控制射击机构依照顺序用塑料子弹击打九宫格区域内对应的数字。因此需要对数码管进行识别。下面是题目要求。 二、分析
对于手写数字的…
【P图神器】 人工智能魔术橡皮擦 jpgRM
现在假期出去玩，是不是你的游客照里面全是人从众 要想拍出空无一人的照片那只能调整相机使用刁钻的角度 或者 起很早趁大家都还没来的时候，这对普通小白可要求太高了
现在国外有这么一款神器 jpgRM.com，使用今年最新的人工智能技术ÿ…
【bigmp4.com】AI 视频补帧无损放大工具介绍
经常在 B站、抖音看到视频补帧到 60帧 120帧，画面非常丝滑流畅，这个是怎么做的呢？ 目前一般视频动画是 24帧，也就是说每秒钟有24张图片连续切换。 由于人眼的视觉暂留作用，是的我们观看24张图片的时候“感觉”是连续…
jpghd 人工智能老照片上色效果这么棒！
“拿起上色刷，对着一张人像，上色工熟练地把红橙黄绿几种颜色涂在上面。3个多小时后，人像仿佛“活”了一样，照片中的姑娘肤若凝脂、唇似丹朱、眼珠乌黑……这就是流行于上世纪70年代的“照片手工上色”技术。” 上面描述的就是以前…
现在人工智能自动修复老照片的效果有好？
网上有很多老照片修复的服务，都是人工手动修复，动辄价格几十上百。好处是人工修复，可以处理一些破损特别严重的照片。
现在你还有另外的选择：可以通过人工智能来帮你自动修复老照片，修复的效果非常好，某些…
利用人工智能自动修复破损老照片 jpgHD.com
随着人工智能技术的发展，现在越来越多的人工智能技术已经开始服务大众了。jpgHD 就是其中之一。
jpgHD.com 使用了2020年最先进人工智能 AI 超分模型和深度学习技术来将低清破损有噪点图片处理成高画质高分辨率图片同时支持破损老照片修复
下面这些是效果对比
处…
屡陷丑闻的 Facebook，试图靠 AI Bot 管住员工的嘴，可能吗？
原创：HyperAI超神经 关键词：公关危机 Facebook 问答机器人 谈到公关危机，很多读者第一反应是在网上大量发帖、删帖，其实舆情监测只是企业公关部门的日常任务之一。
随着企业规模扩大、影响力提高，其公关部门的作用就很…
世界上第一个便便数据库需要您的帮助！【智能快讯】
By 超神经AI 无处不在的时代，每天都有新的技术与研究成果出现。无论学术界还是商界，技术还是产品，AI 的新发现都源源不断，在带给我们全新视角的同时，也引起我们更深的思考。想知道最近的 AI 动态吗？HyperAI…
决策树避免过拟合的方法以及优缺点
1.约束决策树
约束决策树可以根据情况来选择或组合
（1）设置每个叶子节点的最小样本数，可以避免某个特征类别只适用于极少数的样本。（2）设置每个节点的最小样本数，从根节点开始避免过度拟合。（…
机器学习中的假设检验
正态性检验相关分析回归分析
所谓假设检验，其实就是根据原假设来构造一种已知分布的统计量来计算概率，根据概率值大小来判断能否拒绝原假设，从而得到一种结论。假设检验的过程就是，构造一个原假设成立条件下的事件A，计…
BERT：来自 Transformers 的双向编码器表示 – 释放深度上下文化词嵌入的力量
BERT是Transformers 双向编码器表示的缩写，是 2018 年推出的改变游戏规则的 NLP 模型之一。BERT 的情感分类、文本摘要和问答功能使其看起来像是一站式 NLP 模型。尽管更新和更大的语言模型已经出现，但 BERT 仍然具有相关性，并且值得学习它的架构、方法和功能。 这篇综合文…
更快更准 | YOLOv3算法超详细解析（包括诞生背景+论文解析+技术原理等）
前言：Hello大家好，我是小哥谈。YOLOv3是一种基于深度学习的目标检测算法，它可以快速而准确地在图像中检测出多个目标。它是由Joseph Redmon和Ali Farhadi在2018年提出的，是YOLO（You Only Look Once）系列算法…
机器学习写代码时遇到的问题（23.11.9）
AttributeError: module ‘backend_interagg‘ has no attribute ‘FigureCanvas‘
导包的时候改一下
import matplotlib
matplotlib.use(TkAgg)
import matplotlib.pyplot as plt
UserWarning: Glyph 27425 (\N{CJK UNIFIED IDEOGRAPH-6B21}) missing from current font. …
如何用Excel软件制作最小二乘法①
一、用自带的选项（不推荐），因为感觉只是近似，虽然结果一样
1.在Excel中输入或打开要进行在excel中输入或打开要进行最小二乘法拟合的数据，如图所示。 2.按住“shift”键的同时，用鼠标左键单击以选择数据&a…
矩阵理论--矩阵分解
矩阵理论–矩阵分解
矩阵的三角分解、谱分解、最大秩分解、奇异值分解的操作步骤，以及相关说明。
1、QR分解
（1）非奇异方阵
方阵（非奇异）：将方阵分解成酉矩阵左乘正线上三角，或者酉矩阵右乘…
配置运行video retalking遇到的问题和注意事项
ReadTimeoutError: HTTPSConnectionPool(host‘download.pytorch.org’, port443): Read timed out.
pip3 install torch1.10.0cu113 torchvision0.11.1cu113 torchaudio0.10.0cu113 -f https://download.pytorch.org/whl/cu113/torch_stable.html -i https://pypi.tuna.tsing…
量化交易：使用 python 进行股票交易回测
执行环境: Google Colab
1. 下载数据
import yfinance as yfticker ZM
df yf.download(ticker)
df2. 数据预处理
df df.loc[2020-01-01:].copy()使用了 .loc 方法来选择索引为 ‘2020-01-01’ 以后的所有行数据。通过 .copy() 方法创建了一个这些数据的副本，确…
python科研绘图：P-P图与Q-Q图
目录 什么是P-P图与Q-Q图
分位数
百分位数
Q-Q图步骤与原理
Shapiro-Wilk检验
绘制Q-Q图
绘制P-P图 什么是P-P图与Q-Q图
P-P图和Q-Q图都是用于检验样本的概率分布是否服从某种理论分布。
P-P图的原理是检验实际累积概率分布与理论累积概率分布是否吻合。若吻合…
科研学习|研究方法——Python计量Logit模型
一、离散选择模型 莎士比亚曾经说过：To be, or not to be, that is the question，这就是典型的离散选择模型。如果被解释变量时离散的，而非连续的，称为“离散选择模型”。例如，消费者在购买汽车的时候通常会比较几个不…
K-means聚类方法
K-means聚类的思想和原理
模型介绍
对于有监督的数据挖掘算法而言，数据集中需要包含标签变量（即因变量y的值）。但在有些场景下，并没有给定的y值，对于这类数据的建模，一般称为无监督的数据挖掘算法&#x…
Python | 机器学习之PCA降维
🌈个人主页：Sarapines Programmer🔥 系列专栏：《人工智能奇遇记》🔖少年有梦不应止于心动，更要付诸行动。 目录结构 1. 机器学习之PCA降维概念
1.1 机器学习
1.2 PCA降维
2. PCA降维
2.1 实验目的
2…
posec3D训练自己的模型
官方例子:
./tools/dist_train.sh configs/recognition/tsn/tsn_r50_1x1x3_100e_kinetics400_rgb.py 8 --resume-from work_dirs/tsn_r50_1x1x3_100e_kinetics400_rgb/latest.pth我们这里修改为load-from Difference between resume-from and load-from: resume-from loads bo…
第一性原理吸附能计算的基本原理及应用领域分析
第一性原理吸附能计算是一种基于量子力学原理的计算方法，用于预测材料表面或界面上分子吸附的能力。它可以在没有实验数据的情况下预测材料的吸附性能，是材料科学和化学领域中的重要工具。在本文中，测试狗将解释第一性原理吸附能计算的基本原…
【计量经济学】第一次作业（1、2、5）
计量经济学作业
第一次个人作业题目如下： 伍德里奇《计量经济学导论：现代观点》第五版， 第53-55页，题目序号：1，2，5，7，8，10.
上交时间：23年3月24日 1.为什么计量经济学模型的理论方程中必须包含随机干扰项？ 2.下列计量经济学方程中哪些是正确的，哪些是错误的？为…
AutoGluon安装及示例
AutoGluon安装及示例 文章目录AutoGluon安装及示例AutoGluon_BackgroundAutoGluon安装运行示例打印相关配置信息数据预处理过程特征工程模型训练NLP模型训练使用模型AutoGluon模块功能GPU加速包安装过程信息参考文档包安装过程信息autogluon过程autogluon.text过程AutoGluon_Ba…
机器学习：十大算法快速回顾
一、说明 对于机器学习的是个经典算法，本篇将展示一个回顾，注意，本篇不是具体原理信息介绍，没有代码，但是对于初学者是一个有益的导读。 二. 线性回归
2.1 算法描述 有没有想过数据奇才如何预测未来？输入线…
K-Means算法进行分类
已知数据集D中有9个数据点，分别是（1,2），(2,3), (2,1), (3,1),(2,4),(3,5),(4,3),(1,5),(4,2)。采用K-Means算法进行聚类，k2，设初始中心点为（1.1,2.2），（2.3,3.…
火星探测器背后的人工智能：从原理到实战的强化学习
目录 一、引言二、强化学习基础强化学习的基本概念主要算法概述Q-Learning 示例代码 环境建模与奖励设计 三、火星探测器任务分析任务需求与挑战探测器环境建模目标设定与奖励机制层层递进的关系 四、强化学习模型设计模型架构概述DQN架构核心组件： 状态、动作与奖励…
【机器学习】特征工程：特征预处理，归一化、标准化、处理缺失值
特征预处理采用的是特定的统计方法（数学方法）将数据转化为算法要求的数字
1. 数值型数据
归一化，将原始数据变换到[0,1]之间
标准化，数据转化到均值为0，方差为1的范围内
缺失值，缺失值处理成均值、中…
ML@python@稀疏矩阵的存储和表示@CSR格式
文章目录MLpython稀疏矩阵的存储和表示CSR格式CSR格式🎈NNZCoordinate list (COO)Compressed sparse row (CSR, CRS or Yale format)🎈三个数组根据ROW_INDEX划分数组V或COL_INDEX数组名称demos in scipyegeg冗余分析Yale sparse matrixCSR编码效益分析&…
Python - Huffman Tree 霍夫曼树实现与应用
目录
一.引言
二.Huffman Tree 理论
1.定义
2.结构
3.构造
三.Huffman Tree 实现
1.生成霍夫曼树
2.编码霍夫曼编码
3.解码霍夫曼编码
4.霍夫曼树编码解码实践
四.总结 一.引言
上篇 Word2vec 的文章中指出每次计算词库 N 个单词的 Softmax 计算量很大，…
数学_计算协方差矩阵/信息矩阵_理论+例子
目录
1. 多元高斯分布
1.1 标准高斯分布
1.2 一元高斯函数（一元高斯分布概率密度） 1.3 多元高斯分布
2. 协方差矩阵的计算
2.1 问题定义
2.2 室内外温度的例子
参考： 1. 多元高斯分布
1.1 标准高斯分布
标准高斯函数（正态…
3GPP协议中关于AI/ML的规范
3GPP中AI/ML的规范
在3GPP标准中，AI和机器学习（ML）的规范是分开的，尽管它们之间可能存在一些重叠。以下是3GPP对AI和ML的规范的一些详细区别：
AI的规范：
AI和智能网络：AI被视为网络和服务的重…
清华大学开源的chatGLM-6B部署实战
Windows部署
win10
通过wsl部署
常见问题：
torch.cuda.OutOfMemoryError: CUDA out of memory. 在Windows的系统环境变量中增加 变量名：PYTORCH_CUDA_ALLOC_CONF 变量值：max_split_size_mb:32 文档书写时使用3090 24G显存配置，其他规格酌情调整 32 至其他值，如未设置变…
手撕深度学习中的优化器
深度学习中的优化算法采用的原理是梯度下降法，选取适当的初值params，不断迭代，进行目标函数的极小化，直到收敛。由于负梯度方向时使函数值下降最快的方向，在迭代的每一步，以负梯度方向更新params的值&#…
VAE 理论推导及代码实现
VAE 理论推导及代码实现
熵、交叉熵、KL 散度的概念
熵（Entropy)
假设 p (x）是一个分布函数，满足在 x 上的积分为 1，那么 p(x)p(x)p(x)的熵定义为 H(p(x))H (p (x))H(p(x))，这里我们简写为 H(p)H(p)H(p) H(p)∫p(x)…
【2023春李宏毅机器学习】快速了解机器学习基本原理
文章目录 机器学习约等于机器自动找一个函数
机器学习分类
regression：输出为连续值classification：输出为一个类别structured learning：又叫生成式学习generative learning 生成有结构的物件（如：影像、句子…
机器学习第8天：SVM分类
文章目录
机器学习专栏
介绍
特征缩放
示例代码
硬间隔与软间隔分类
主要代码
代码解释
非线性SVM分类
结语 机器学习专栏 机器学习_Nowl的博客-CSDN博客 介绍 作用：判别种类 原理：找出一个决策边界，判断数据所处区域来识别种类 简单…
【机器学习10】循环神经网络
1循环神经网络
RNN通过将神经元串行起来处理序列化的数据。 由于每个神经元能用它的内部变量保存之前输入的序列信息，因此整个序列被浓缩成抽象的表示， 并可以据此进行分类或生成新的序列。
2 循环神经网络的梯度消失或梯度爆炸问题
传统的循环神经网…
图聚类算法（Graph clustering）
综述： A Survey of Deep Graph Clustering: Taxonomy, Challenge, Application, and Open Resource A Comprehensive Survey on Community Detection with Deep Learning An Overview of Advanced Deep Graph Node Clustering
无需指定簇大小：Reinforce…
开发者生态：共享知识，携手共进，共创技术辉煌
开发者生态：共享知识，携手共进，共创技术辉煌 在数字化时代，开发者是推动技术进步和创新的重要力量。他们创造着改变世界的软件和应用，推动着技术的边界不断向前。而在这个快速发展的时代，建立一个健康、活跃…
k 折交叉验证和测试集泄露
K折交叉验证是一种用于评估模型性能的技术，它有助于减少因数据划分不同而引入的差异。然而，在进行K折交叉验证时，需要注意一些问题，包括测试集泄露。
测试集泄露（Test Set Leakage）： 这指的是在…
人工智能基础_机器学习045_逻辑回归的梯度下降公式推导_更新公式---人工智能工作笔记0085
然后我们上面有了逻辑回归的损失函数,以后,我们再来看
逻辑回归的梯度下降公式 可以看到上面是逻辑回归的梯度下降公式,这里的阿尔法是学习率,这里的
后面的部分是梯度也就是步长,这个阿尔法是,通过调节这个来控制梯度下降的快和慢对吧 然后我们再来看逻辑回归
可以看到这里…
机器学习的概念和类型
1、人工智能、机器学习、深度学习之间的关系
人工智能（AI）是广泛的概念，指赋予计算机智能特性。机器学习（ML）是AI的一个分支，是指通过计算机学习和改进性能。深度学习（DL）是ML的一类…
【机器学习】039_合理初始化
一、稳定训练
目标：使梯度值在更合理的范围内
常见方法如下：
将乘法变为加法 ResNet：当层数较多时，会加入一些加法进去 LSTM：如果时序序列较长时，把一些对时序的乘法做加法
归一化 梯度归一化&…
【博学谷学习记录】超强总结，用心分享丨人工智能 特征工程 特征变换 分箱学习总结
目录概念分箱的作用等频分箱等距分箱*卡方分箱公式例子概念
特征构造的过程中，对特征做分箱处理时必不可少的过程分箱就是将连续变量离散化，合并成较少的状态
分箱的作用
离散特征的增加和减少都很容易，易于模型的快速迭代；稀疏…
EANet：用于医学图像分割的迭代边缘注意力网络
EANet: Iterative edge attention network for medical image segmentation EANet：用于医学图像分割的迭代边缘注意力网络背景贡献实验方法Dynamic scale-aware context module（动态规模感知上下文模块）Edge attention preservation module&a…
重磅！2023两院外籍院士增选名单公布
根据《中国科学院院士章程》《中国科学院外籍院士选举办法》等规定，2023年中国科学院选举产生了30名中国科学院外籍院士。
现予公布。
中国科学院 2023年11月23日 中国工程院2023年外籍院士增选共选举产生16位中国工程院外籍院士。
现予公布。 中国工程院 2023年…
机器学习时候必须要分为训练集、验证集和测试集嘛
在机器学习中，为了准确评估模型的性能和找到最佳的超参数配置，通常将数据集划分为训练集、验证集和测试集。在这种情况下，验证集用于调参和模型选择，而测试集则用于最终的模型评估。
具体流程如下： 划分数据集&#x…
【机器学习 | ARIMA】经典时间序列模型ARIMA定阶最佳实践，确定不来看看？
🤵♂️ 个人主页: AI_magician 📡主页地址： 作者简介：CSDN内容合伙人，全栈领域优质创作者。 👨💻景愿：旨在于能和更多的热爱计算机的伙伴一起成长！！&…
python中一个文件（A.py）怎么调用另一个文件（B.py）中定义的类AA详解和示例
本文主要讲解python文件中怎么调用另外一个py文件中定义的类，将通过代码和示例解读，帮助大家理解和使用。 目录 代码B.pyA.py 调用过程 代码
B.py
如在文件B.py,定义了类别Bottleneck，其包含卷积层、正则化和激活函数层，主要对…
【机器学习 | 白噪声检验】检验模型学习成果 检验平稳性最佳实践，确定不来看看？
🤵♂️ 个人主页: AI_magician 📡主页地址： 作者简介：CSDN内容合伙人，全栈领域优质创作者。 👨💻景愿：旨在于能和更多的热爱计算机的伙伴一起成长！！&…
机器学习/sklearn 笔记：K-means,kmeans++,MiniBatchKMeans，二分Kmeans
1 K-means介绍
1.0 方法介绍
KMeans算法通过尝试将样本分成n个方差相等的组来聚类，该算法要求指定群集的数量。它适用于大量样本，并已在许多不同领域的广泛应用领域中使用。KMeans算法将一组样本分成不相交的簇，每个簇由簇中样本的平均值描…
GEE土地分类——使用随机森林方法和多源遥感数据进行面向对象的土地分类NAIP数据为例
简介： 数据：
国家农业图像计划 (NAIP) 在美国大陆的农业生长季节获取航空图像。
NAIP 项目每年根据可用资金和图像获取周期签订合同。从 2003 年开始，NAIP 以 5 年为一个周期。2008 年是过渡年，2009 年开始采用 3 年周期。
NAIP 图像以一米的地面采样距离 (GSD) 采集，水…
聚类笔记：HDBSCAN
1 算法介绍
DBSCAN/OPTICS层次聚类主要由以下几步组成 空间变换构建最小生成树构建聚类层次结构(聚类树)压缩聚类树提取簇
2 空间变换
用互达距离来表示两个样本点之间的距离 ——>密集区域的样本距离不受影响——>稀疏区域的样本点与其他样本点的距离被放大——>…
（Matalb回归预测）GA-BP遗传算法优化BP神经网络的多维回归预测
目录
一、程序及算法内容介绍：
基本内容：
亮点与优势： 二、实际运行效果：
三、部分代码：
四、分享本文全部代码数据说明手册： 一、程序及算法内容介绍：
基本内容： 本代码基于M…
机器学习与因果推断的高级实践 | 数学建模
文章目录 因果推断因果推断的前世今生（1）潜在结果框架（Potential Outcome Framework）（2）结构因果模型（Structual Causal Model，SCM） 身处人工智能爆发式增长时代的机器学…
安捷伦E4404B频谱分析仪，100 Hz 至 6.7 GHz
E4404B是安捷伦ESA-E系列频谱分析仪，它是一款能够适应未来发展需求的中高端频谱分析仪解决方案。该系列在频谱分析仪的测量速度、动态范围、精度和功率分辨能力等方面，都为类似价位的产品树立了性能标杆。其灵活的平台设计使得研发、制造和现场服务工程师…
算法实战应用案例精讲-『机器学习』scikit-learn 工具库应用详解
目录
机器学习库Scikit-learn库使用
SKLearn入门与简单应用案例
引言
1.SKLearn是什么
2.安装SKLearn
3.SKLea
【已解决】ModuleNotFoundError: No module named ‘PIL‘
问题描述 Traceback (most recent call last): File "train.py", line 75, in <module> import PILModuleNotFoundError: No module named PIL 解决办法 pip install pillow
联邦蒸馏中的分布式知识一致性 | TIST 2024
联邦蒸馏中的分布式知识一致性 | TIST 2024
联邦学习是一种隐私保护的分布式机器学习范式，服务器可以在不汇集客户端私有数据的前提下联合训练机器学习模型。通信约束和系统异构是联邦学习面临的两大严峻挑战。为同时解决上述两个问题，联邦蒸馏技术被提…
huggingface
HuggingFace - 简明教程_huggingface使用教程_伊织code的博客-CSDN博客
BERT中的Tokenizer说明_xuanningmeng的博客-CSDN博客_berttokenizer
HuggingFace简明教程_weixin_44748589的博客-CSDN博客_huggingface
from transformers import BertTokenizer# 加载预训练字典和分词…
计算一个点在某平面中某条直线的投影
假设点 PPP 在平面 π\piπ 上，而直线 LLL 在平面 π\piπ 上与另一条直线 DDD 相交。要计算点 PPP 在直线 LLL 上的投影 QQQ，可以按照以下步骤进行：
计算直线 DDD 的方向向量 d⃗\vec{d}d，例如取直线 DDD 上的两个点 AAA 和 BBB…
PPO（proximal policy optimization）算法
博客写到一半发现有篇讲的很清楚，直接化缘了 https://www.jianshu.com/p/9f113adc0c50
Policy gradient
强化学习的目标：学习到一个策略πθ(a∣s)\pi\theta(a|s)πθ(a∣s)来最大化期望回报。 一种直接的方法就是在策略空间中直接搜索来得到最优策略&…
Lecture6 逻辑斯蒂回归(Logistic Regression)
目录
1 常用数据集
1.1 MNIST数据集
1.2 CIFAR-10数据集
2 课堂内容
2.1 回归任务和分类任务的区别
2.2 为什么使用逻辑斯蒂回归
2.3 什么是逻辑斯蒂回归
2.4 Sigmoid函数和饱和函数的概念
2.5 逻辑斯蒂回归模型
2.6 逻辑斯蒂回归损失函数
2.6.1 二分类损失函数
2.…
大语言模型领域的重要术语解释
前言
本人对人工智能非常感兴趣，目前是一名初学者，在研究大语言模型的一些内容。很多模型都是用英文提出的，其中也包括很多概念，有些概念的中文翻译和其想表达的意思不完全一样，所以在这里，想更加精准地帮…
CV——day82 读论文：遥感目标检测的改进注意力特征融合SSD (AF-SSD)方法
遥感目标检测的改进注意力特征融合SSD 方法I. INTRODUCTIONII. RELATED WORKB. 特征融合C.注意力机制III. PROPOSED METHODA. 特性融合模块——**FFM**B.双路径注意模块——DAMC. 多尺度接受域——MRFIV. EXPERIMENTSA. Data Sets and TrainingV. CONCLUSIONAttention and Feat…
新手入门python实现神经网络，超级简单!
前言： 这篇文章完全是为新手准备的。我们会通过用Python从头实现一个神经网络来理解神经网络的原理。 文章目录神经元1、一个简单的例子2、编码一个神经元把神经元组装成网络1、例子：前馈2、编码神经网络：前馈训练神经网络 第一部分1、损失2、…
机器学习（课堂笔记）Day08：逻辑回归 Logistic Regression
0x00 什么是逻辑回归 Logistic Regression
逻辑回归：逻辑回归既是一个回归算法，也是一个分类算法，通常用来解决二分类问题
回归算法如何解决分类问题呢？
逻辑回归的预测值是一个概率值，我们根据概率值的大小进行分类…
阿哈罗诺夫——玻姆效应（AB效应）
规范变换 规范场是与物理规律的定域规范变换不变性相联系的物质场纵场的旋度为零,横场的散度为零 由于
因此
为了消除此影响，我们需要对标势场做规范 库伦规范(Coulomb gauge):使麦克斯韦方程组自然满足静电场的条件 洛伦兹规范 （Lorentz gauge&#x…
AI时代来临，如何把握住文档处理及数据分析的机遇
AI时代来临，如何把握住文档处理及数据分析的机遇前言一、生成式人工智能与元宇宙二、面向图像文档的复杂结构建模研究三、大型语言模型的关键技术和实现ChatGPT 介绍ChatGPT的三个关键技术四、ChatGPT与文档处理未来总结前言
在3月18日，由中国图象图形协…
Prophet模型中plot_components四种主要成分含义
Prophet模型中plot_components四种主要成分含义
在Prophet模型中，plot_components函数可以对时间序列数据的不同成分进行可视化分析，从而为使用者提供一定的参考依据，其中有四个主要成分，含义如下：
trend:即趋势&…
推荐系统中的协同过滤算法
前言
如果你对这篇文章可感兴趣，可以点击「【访客必读 - 指引页】一文囊括主页内所有高质量博客」，查看完整博客分类与对应链接。 概述
协同过滤是一种推荐算法，其通常建模为 mmm 个用户，nnn 个物品，只有部分用户和部…
模型融合和预测结果融合
模型融合和预测结果融合 文章目录模型融合和预测结果融合1. 模型融合提升技术1. Bagging 方法和随机森林2. Boosting 方法2. 预测结果融合策略1. Voting2. 软投票代码示例：3. Averaging 和 Ranking4. Blending5. Stacking3. 其他提升方法1. 模型融合提升技术
模型融…
面向计算机视觉的深度学习：1~5
原文：Deep Learning for Computer Vision 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实…
PID控制算法基础知识
PID控制算法基础知识 本文为PID控制算法的基础介绍 文章目录PID控制算法基础知识一、算法概述二、控制器的P、I、D项总结一、算法概述
PID是一个闭环控制算法。要实现PID算法，必须在硬件上具有闭环控制，就是需要有反馈。例如控制一个电机的转速…
结合PCA降维的DBSCAN聚类方法（附Python代码）
目录
前言介绍：
1、PCA降维：
（1）概念解释：
（2）实现步骤：
（3）优劣相关：
2、DBSCAN聚类：
（1）概念解释&a…
椭圆型偏微分方程和格林函数
一、本文先简单地介绍一下Green 函数，
第一部分内容来自于文献 [0]BI-GreenNet: Learning Green’s Functions by Boundary Integral Network [1] Evans, L.C.: Partial Differential Equations. American Mathematical Society, Providence, R.I. (2010) [2]Learn…
机器学习---集成学习报告
1.原理以及举例
1.1原理
集成学习（Ensemble Learning）是一种机器学习策略，它通过结合多个基学习器（base learners）的预测来提高模型的性能。集成学习的目标是创建一个比单个基学习器更准确、更稳定的最终预测模型。这…
UniverSeg：通用医学图像分割模型来了！
自从今年以来ChatGPT爆火和GPT-4的发布，一时间在大模型的潮流下，通用人工智能（AGI）也呼之欲出。随着本月初SAM和SegGPT等通用的CV大模型的提出，大模型和通用模型这把火也逐渐烧到的CV领域，特别是图像分割领…
给深度学习研究生的入门建议（未完待续ing）
诸神缄默不语-个人CSDN博文目录
本文将系统性介绍深度学习方向（准）研究生可供参考的入门建议。 我的背景是浙江大学人工智能专业在读硕士，研究方向是GNN、NLP、司法智能。 （我的CSDN博文基本涵盖了我所有的深度学习知识ÿ…
概率论小课堂：概率简史（从不确定到确定，再到不确定。）
文章目录 引言I 概率论起源1.2 掷骰子游戏1.1 算牌II 拉普拉斯定义了古典的概率公式2.1 单位事件2.2 古典的概率公式2.3 必然事件2.4 不可能事件2.5 古典的概率公式的漏洞引言
从不确定到确定的过程： 几何学通过几个公理和逻辑推演，认识到很多定理。在代数学中，求出方程的解…
左手Python 右手R —— 最大公约数和最小公倍数
左手Python 右手R —— 最大公约数和最小公倍数前言1、 最大公约数1.1 约数1.2 最大公约数1.3 求解方法2、 最小公倍数2.1 倍数2.2 最小公倍数2.3 求解方法3、程序实现3.1 python 代码实现3.2 R语言代码实现小结创作不易，都浏览到这儿了，看官可否将下面的…
Python趋势外推预测模型实验完整版
趋势外推预测模型实验完整版
实验目的
通过趋势外推预测模型（佩尔预测模型），掌握预测模型的建立和应用方法，了解趋势外推预测模型（佩尔预测模型）的基本原理
实验内容
趋势外推预测模型
实验步骤和过程…
数值分析-埃特金算法
目录
一、前言
二、什么是埃特金算法
三、埃特金算法的原理
四、埃特金算法的步骤
1.确定插值点和半方差函数模型
2.计算插值点与已知点之间的距离和半方差函数值
3.确定权重
4.进行插值计算
5.评估插值结果
五、埃特金算法的优缺点 一、前言
数值分析是数学中的一个…
Lecture 11：How versatile are self-supervised models
目录
Story 1: Cross-lingual
Story 2: Cross-discipline
Story 3: Pre-training with artificial data （story1和story2的内容在前面课程中有讲过，这里笔记部分不再详述）
Story 1: Cross-lingual
多语言BERT具有跨语言的能力࿰…
近几年NLP比较promising的方法
Contrastive Learning
对比学习的想法是，把不同类别的样本在特征空间推开，而让相似的样本距离更近，从而获得更好的样本表示
NLP中一个非常经典的是danqi女神的SimCSE：Raki的读paper小记：SimCSE: Simple Contrastive …
谷歌研究科学家：ChatGPT秘密武器的演进与局限
来源｜TalkRL OneFlow编译 翻译｜徐佳渝、贾川 同样是基于GPT预训练模型，为什么ChatGPT的效果要远远超出GPT-3等前几代模型？答案已经揭晓，成就ChatGPT的秘密武器在于RLHF，也就是人类反馈的强化学习。 在预训…
新闻文本分类任务：使用Transformer实现
❤️觉得内容不错的话，欢迎点赞收藏加关注😊😊😊，后续会继续输入更多优质内容❤️👉有问题欢迎大家加关注私戳或者评论（包括但不限于NLP算法相关，linux学习相关，读研读博…
狗都能看懂的VAE笔记
文章目录自编码器普通Auto-Encoder的问题解决的方法如何运作数学细节生成模型Auto-Encoder一直是一个非常有创造性的方向。期中的VAE变分编码器一直是我没搞懂的部分，在AI绘画突然火起来的时候，不得不搞清楚VAE了。看了很多VAE的讲解，没有良好…
python：可以求解Ax=b的库
可以求解Axb的库
在Python中，有几个库提供了求解线性方程组Axb的功能。以下是一些常用的库： NumPy: NumPy是Python中用于科学计算的基础库，其中的numpy.linalg.solve()函数可以用于求解线性方程组。 SciPy: SciPy是建立在NumPy之上的一个更…
Densely Connected Convolutional Networks（引言翻译（有选择性））
翻译得有可能会不太专业，望见谅的同时，如果有些地方翻译错了，欢迎批评指正！ as information about the input or gradient passes through many layers, it can vanish and "wash out" by the time it reaches the end …
最新，有8本SCIE期刊被剔除，4月SCIESSCI期刊目录更新（附最新目录下载）
2023年4月18日，科睿唯安更新了WOS期刊目录，继上次3月WOS期刊目录更新大变动之后，此次4月更新又有8本SCIE期刊发生变动，其中有4本期刊被剔出SCIE数据库，4本期刊更改了名称和ISSN号。更新后的最新SCIE期刊目录共有9505本…
射频功率放大器在铝板损伤量化表征中的应用
实验名称：基于异常指数的铝板损伤量化表征 研究方向：损伤量化 测试目的： 结构损伤检测与量化评估对于保障航空、航天、船舶、石油化工及兵器工业等领域的基础设施结构安全性具有重要意义，受到了广泛的关注。在现有的结构监测技术中…
零基础入门python深度学习，应该掌握哪些内容？
Python作为一门开源的高级编程语言，已经成为机器学习和深度学习领域的重要语言之一，因为它具有易于学习、灵活、开源等优点。在这篇文章中，我们将探讨Python机器学习和深度学习应该学习哪些内容，以帮助初学者快速掌握这个领域的核心概念和技术。
一、Python基础知识
Pyth…
ChatGPT的未来：人工智能技术的新发展趋势
第一章：人工智能技术的新发展趋势
近年来，随着人工智能技术的不断发展和应用，ChatGPT这样的大型自然语言处理模型已经成为人工智能技术的重要组成部分。未来，人工智能技术的发展将更加快速，我们可以看到以下几个方面的…
OpenSearch图搜图、文搜图向量检索最佳实践
一、向量检索介绍
1.1 多模态信息的典型特点-非结构化
信息可以被划分为两大类：当信息能够用数据或统一的结构加以表示，称之为结构化数据；当信息无法用数字或统一的结构表示，称之为非结构化数据。非结构数据与结构化数据相比较而…
最新研究：可审计的具有拜占庭鲁棒的联邦学习方案
本人新论文，可免费下载：https://download.csdn.net/download/liangyihuai/87727720
Y. Liang, Y. Li and B. -S. Shin, “Auditable Federated Learning With Byzantine Robustness,” in IEEE Transactions on Computational Social Systems, doi: 10.…
机器学习实战：Python基于PCA主成分分析进行降维分类（七）
文章目录 1 前言1.1 主成分分析的介绍1.2 主成分分析的应用[](https://chat.openai.com/ "openai") 2 Mushroom分类数据演示2.1 导入函数2.2 导入数据2.3 PCA可视化2.4 PCA散点图2.5 PCA散点图 3 讨论 1 前言
1.1 主成分分析的介绍
主成分分析（Principa…
通用智能的瓶颈及可能的解决途径
通用智能是指能够在各种不同的任务和环境中灵活地适应和执行任务的智能。通用智能与特定任务的智能相反，后者只能在特定领域或任务中表现出色。通用智能的理论基础是人工智能领域的通用人工智能（AGI）研究，旨在设计出能够像人类一样…
【机器学习理论】L1 热身和中心极限定理
缩写 IID：独立同分布（Independent Identically Distribution）PDF：概率密度函数（probability density function）CLT：中心极限定理（central limit Theorem）CDF：…
小白学Pytorch系列- -torch.distributions API Transforms (2)
小白学Pytorch系列- -torch.distributions API Transforms (2) AbsTransform
AffineTransform
通过逐点仿射映射进行转换ylocscale xy\operatorname{loc}\text { scale } \times xyloc scale x
loc (Tensor or float) : 位置参数scale (Tensor or float) : 尺度参数event…
为什么AI必须与人对齐？从科幻恐怖电影《M3GAN》说起
“她不只是个玩具，而是这个家的一份子。” 这是于今年在国内上映的恐怖喜剧科幻片《梅根》（M3GAN）中的一句台词。该影片辛辣地揭露了 AI 的伦理危机和巨大风险。 在该影片中，一个具备高度人工智能、栩栩如生的玩具人偶梅根&#x…
【一周资讯】5.1-5.7
目前的医学GPT
微软：BioGPT
前不久，微软开源了BioGPT，这是一个大规模生物医学文献上进行预训练的特定领域生成式 Transformer 语言模型。
微软研究团队从 PubMed 收集文章，PubMed 是一个生物医学研究领域的大型数据库ÿ…
基于Mediapipe手势识别
Mediapipe是谷歌开源的跨平台机器学习解决方案，其能够通过摄像头传输的视频数据，实时地检测出人体姿态、面部表情、手势等信息，并以可视化的形式进行展示，为各类应用提供了更加精准和智能的基础支持。
基于Mediapipe进行手势识别…
GLM：ChatGLM的基座模型
介绍
ChatGLM-6B：https://github.com/THUDM/ChatGLM-6B ，主要是能够让我们基于单卡自己部署。ChatGLM的基座是GLM: General Language Model Pretraining with Autoregressive Blank Infilling论文中提出的模型。
动机
预训练语言吗模型大体可以分为三…
数学分析：隐函数定理和反函数定理
这是多元微积分的高潮部分。
对于一个函数F(x,y)0，我们想知道是否可以用yf(x)来表示它。
或者说，在不求出yf(x)表达式的情况下，我们能拿到一些额外信息：
比如f(x)等。
这就是隐函数定理。 这个很有意思，根据隐函数…
数据挖掘：心脏病预测(测评指标；EDA)
目录
一、前期准备
二、实战演练
2.1分类指标评价计算示例 2.2数据探索性分析（EDA）
2.2.1 导入函数工具箱
2.2.2 查看数据信息等相关数据
判断数据缺失和异常
数字特征相互之间的关系可视化 类别特征分析（箱图，小提琴图&am…
基于机器学习的疾病预测系统的设计与实现
在本文中，我们将使用一个基于决策树算法的机器学习模型，对糖尿病患病风险进行预测。我们将使用 Python 编写一个基于 Flask 框架的 RESTful API，用于接收特征数据，并进行预测。同时，我们将使用 Java 编写一个简单的前端…
GPT：你知道这五年我怎么过的么？
时间轴 GPT 首先最初版的GPT，来源于论文Improving Language Understanding by Generative Pre-Training（翻译过来就是：使用通用的预训练来提升语言的理解能力）。GPT这个名字其实并没有在论文中提到过，后人将论文名最后…
R语言混合效应（多水平/层次/嵌套）模型及贝叶斯实现技术应用
回归分析是科学研究中十分重要的数据分析工具。随着现代统计技术发展，回归分析方法得到了极大改进。混合效应模型（Mixed effect model），即多水平模（Multilevel model）/分层模型(Hierarchical Model)/嵌套模…
PPOCR -训练模型转推理模型遇到的问题
前言
使用PPOCR命令行训练验证码单字位置检测识别模型的情况下，这两个checkpoint训练模型测试图片均没出现问题，但转为inference推理模型的时候，问题来了。
问题1：文字检测的训练模型转为推理模型结果全为空
官方文档中确实有提…
使用python实现葡萄酒威士忌风味特征分类
聚类威士忌
目的和描述：苏格兰威士忌因其复杂性和多样化的风味而备受推崇。据信，生产它的苏格兰地区具有独特的风味特征。在本案例研究中，我们将根据苏格兰威士忌的风味特征对其进行分类。我们将使用的数据集包含来自几个酿酒厂的精选苏格兰威士忌，我们将尝试将威士忌聚类…
【可解释AI】图神经网络的可解释性方法及GNNexplainer代码示例
图神经网络的可解释性方法及GNNexplainer代码示例 GNNExplainerIntroductionModelSingle-instance explanations（Explanation via Structural Information）Joint learning of graph structural and node feature information（Explanation via…
防止过拟合：Dropout和正则化
Dropout
按一定概率随机丢点东西，根据丢什么分为不同方法，目前比较合理的是DropBlock 就是每层feature map随机采样一个区域置0，当然也可能没有区域被dropout
BERT原理Fine TuningBert变种
文章目录 BERT原理训练时的任务任务一任务二任务二的改进 模型的输入 BERT - Fine Tuning单个句子的预测类序列标注类Q&A类seq2seq？ BERT 变种Transformer-XLXLNetAutoregressive Language ModelDenoising Auto-Encoder乱序Two-Stream Attention与Transformer-X…
【Python练习】数值计算库Numpy
文章目录 一、实验目标二、实验内容1. 数组创建与属性查看2. 自定义一个一维数组3. 数据索引和数组的增删改查操作4. 数据的通用函数用法5. 数组的读写操作6. 矩阵创建与基本操作7. 综合操作一、实验目标
1、了解numpy库的基本功能 2、熟悉numpy几种常用的数组创建方法 3、熟悉…
2023年第八届数维杯大学生数学建模挑战赛 A题 河流-地下水系统水体污染研究
A题 河流-地下水系统水体污染研究 河流对地下水有着直接地影响，当河流补给地下水时，河流一旦被污染，容易导 致地下水以及紧依河流分布的傍河水源地将受到不同程度的污染，这将严重影响 工农业的正常运作、社会经济的发展和饮水安全…
《联邦学习实战》杨强 读书笔记二——联邦学习概述
目录 联邦学习的定义
联邦学习的分类
按照数据样本空间以及特征空间的关系
根据协调方式 联邦学习的定义
联邦学习是利用分散在各参与方的数据集，通过隐私保护技术融合多方数据信息，协同构建全局模型的一种分布式训练方式。
在Federated Learning中…
安徽棒球的未来规划·棒球3号位
安徽省棒球运动发展报告:
一、安徽棒球运动发展历史
安徽棒球运动发展历史较短,起步于20世纪80年代。1991年,安徽省棒球运动协会成立,标志着安徽棒球运动进入快速发展阶段。2000年,安徽青少年棒球队成立,2003年安徽男子棒球队成立,为棒球运动的发展奠定了基础。 二、现状与特…
Science评论：量子计算目前最大的挑战，在0和1之间
2019年10月，谷歌的一项关于量子计算的研究登上了Nature封面。谷歌声称用53个量子比特的量子计算机Sycamore实现了quantum supremacy，引起了学界的广泛关注。论文中指出，他们的量子计算机用3分20秒完成了一项任务，而超级计算机Summ…
ML之LoR：基于泰坦尼克号数据集分别利用Platt校准和等距回归校准算法实现概率校准进而提高二元分类模型的预测准确性(模型提效)应用案例
ML之LoR：基于泰坦尼克号数据集分别利用Platt校准和等距回归校准算法实现概率校准进而提高二元分类模型的预测准确性(模型提效)应用案例 目录
基于泰坦尼克号数据集分别利用Platt校准和等距回归校准算法实现概率校准进而提高二元分类模型的预测准确性(模型提效)应用…
机器学习中的相关概念【监督，半监督，无监督，弱监督，自监督】
文章目录 监督和无监督自监督学习弱监督学习强化学习 机器学习中大体可以把任务分为监督学习，无监督学习。在我们的学习和资料查阅中会出现，半监督，自监督，弱监督这样的词汇，让人心生疑惑，在此进行一个梳理…
基于基尼指数的决策树特征选择算法（CART）及其python实现
基于基尼指数的决策树特征选择算法（CART）及其python实现
基尼指数
与信息增益和增益率类似，基尼指数是另外一种度量指标，由CART决策树使用，其定义如下： 对于二类分类问题,若样本属于正类的概率为 p&…
LinearPartition
LinearPartition: linear-time approximation of RNA folding partition function and base-pairing probabilities
Year: 2020 Authors: He Zhang, Liang Zhang, David H. Mathews and Liang Huang Journal Name: Bioinformatics
Motivation
传统分割方法的复杂度与序列长度…
基于信息增益率的决策树特征选择算法（C4.5）及其python实现
基于信息增益率的决策树算法（C4.5）及其python实现
信息增益率
信息增益可以很好的度量特征信息量，但却在某些情况下有一些弊端，举一个例子说明。 比如对于编号这个特征，我们知道一般编号值都是各不相同的，…
【YOLOv4原文+翻译】YOLOv4：Optimal Speed and Accuracy of Object Detection
最近新出了YOLOV4，我系统的从V1开始整理出稿，传送门： 【YOLOv1原文翻译】You Only Look Once Unified, Real-Time Object Detection 【YOLOv2原文翻译】YOLO9000: Better, Faster, Stronger 【YOLOv3原文翻译】YOLOv3：An Incremen…
机器学习练习之k均值
k-means属于聚类分析的其中一种算法，聚类分析在机器学习、数据挖掘、模式识别、决策支持和图像分割中有广泛的应用。聚类是无监督的分类方法，所谓无监督就是没有给定训练数据的标签信息，所以聚类出来的结果的类别是未定义的，而分类…
基于信息增益的决策树特征选择算法（ID3算法）及python实现
基于信息增益的决策树算法（ID3算法）及python实现
决策树概述
不同于逻辑回归，决策树属于非线性模型，可以用于分类，也可用于回归。它是一种树形结构，可以认为是if-then规则的集合，是以实例为基…
电梯运行控制模式：如何做到人脸识别、刷卡、二维码？
深圳市巨风科技有限公司专注人脸识别与人证核验研发生产，提供人脸识别场景应用解决方案，致力智慧城市建设智能化管理。公司围绕全场景智慧生活战略，打造精品和提升用户体验。公司完全自主研发的小门卫系列产品：人脸识别门禁机&…
随机森林特征选择、融合和集成策略
随机森林特征选择、融合和集成策略:结合多种形态学MRI手段，对健康老年人、MCI、cMCI和阿尔茨海默病患者进行鉴别:来自阿尔茨海默病神经成像倡议(ADNI)数据库
摘要： 背景：在计算机辅助诊断各种脑疾病的时代，阿尔茨海默病(AD)在神经…
人脸识别安装双目活体检测的目的
活体检测：人脸识别利用双目摄像头采集信息设备，可以根据人脸各部位的纵深（鼻子高低、眼睛轮廓等）来判断是平面照片视频还是立体人脸，加上活体检测技术辨别被识别对象是否是真人。在后台系统，开启防伪识别&a…
TensorRT/parsers/caffe/caffeParser/caffeParser.cpp - parseBinaryProto源碼研讀
TensorRT/parsers/caffe/caffeParser/caffeParser.cpp - parseBinaryProto源碼研讀parseBinaryProtogoogle::protobufCHECK\_NULL\_RET\_NULL，RETURN\_AND\_LOG_ERRORreturn new參考連結parseBinaryProto
/*
解析filename的內容，新建一個BinaryProtoBlo…
我用ChatGPT搞懂GPT技术原理，只问了30个问题，这是极致的学习体验！
自己前段时间写了一篇文章《问了ChatGPT 上百个问题后，我断定ChatGPT可以重塑学习范式！》，讲了使用ChatGPT的感受，最近我开始学习GPT的技术原理，原因有三个： 1、工作中有可能要用到GPT，理解GPT的…
决策树和 K 近邻分类
决策树和 K 近邻分类 决策树和 K 近邻分类 决策树和 K 近邻分类介绍知识点机器学习介绍示例决策树如何构建决策树熵玩具示例决策树构建算法分类问题中其他的分割质量标准示例树的关键参数scikit-learn 的 DecisionTreeClassifier 类回归问题中的决策树最近邻方法最近邻方法的实…
机器学习-线性代数-向量、基底及向量空间
概述 文章目录 概述向量理解向量运算 基底与向量的坐标表示基底与向量的深入基底与向量选取与表示基底的特殊性张成空间 向量
理解 直观理解 行向量：把数字排成一行A [ 4 5 ] [4~ 5] [4 5]列向量：把数字排成一列A [ 4 5 ] \ \left [ \begin{matrix}…
基础学习——关于卷积层的记录
文章目录 前言一、功能层1、池化层2、nn.BatchNorm2d()3、全连接层4、softmax层 二、卷积层1、普通卷积2、空洞卷积3、多尺度卷积4、分组卷积5、深度可分离卷积6、形变卷积 前言
老是忘有些模块的具体作用，记录一下。
一、功能层
1、池化层
池化层夹在连续的卷积…
学习棒球的好处与坏处·棒球2号位
棒球是一项流行的运动，既可以作为业余爱好，也可以作为专业运动员的职业选择。然而，学习棒球不仅有好处，也存在一些坏处。本文将从身体健康、团队合作精神、自信心和竞争力、耐心和毅力以及社交机会等多个角度分析学习棒球的好处和…
机器学习实战教程（七）：朴素贝叶斯
一 简介
朴素贝叶斯算法是有监督的学习算法，解决的是分类问题，如客户是否流失、是否值得投资、信用等级评定等多分类问题。该算法的优点在于简单易懂、学习效率高、在某些领域的分类问题中能够与决策树、神经网络相媲美。但由于该算法以自变量之间的独立…
路径规划算法：基于平衡优化器优化的路径规划算法- 附代码
路径规划算法：基于平衡优化器优化的路径规划算法- 附代码 文章目录 路径规划算法：基于平衡优化器优化的路径规划算法- 附代码1.算法原理1.1 环境设定1.2 约束条件1.3 适应度函数 2.算法结果3.MATLAB代码4.参考文献 摘要：本文主要介绍利用智能…
机器学习常识 22: 循环神经网络
摘要: 循环神经网络 (Recurrent Neural Network, RNN) 用于处理序列数据.
本贴以前的算法, 我都用 Java 代码实现过. 很遗憾, 从本贴开始, 就只知道一点概念了.
1. 动机
序列数据中, 前后数据之间不是独立的, 而是会产生上下文影响. 如:
文本, 机器翻译一个句子的时候, 不是…
Python：SVOREX
公式看懂了就写导数。写完导数撸码
Car数据集上对比： 在Car数据集上，SVOREX稍微胜出。 """
SVOREX
author: Daniel He
at CQUPT
2023-06-08
"""
import xlwt
import xlrd
import numpy as np
import pandas as pd
import matplotlib.pylab a…
彻底搞懂Python元组
Python元组
Python 的元组与列表类似，不同之处在于元组的元素一旦创建就不能修改；
从形式上，元组的所有元素放在一对圆括号中，元素之间使用逗号分隔；
如果元组中只有一个元素则必须在最后增加一个逗号。
一、元组创建与…
2.3基于回归模型的协同过滤推荐
如果我们将评分看作是一个连续的值而不是离散的值，那么就可以借助线性回归思想来预测目标用户对某物品的评分。其中一种实现策略被称为Baseline（基准预测）。
Baseline：基准预测
Baseline设计思想基于以下的假设： 有些用户的评分普遍高于其他用户，有些用户的评分普遍低于…
机器学习之逻辑回归模型
1 逻辑回归模型介绍 逻辑回归(Logistic Regression, LR)又称为逻辑回归分析，是一种机器学习算法，属于分类和预测算法中的一种，主要用于解决二分类问题。逻辑回归通过历史数据的表现对未来结果发生的概率进行预测。例如，我们可以将…
最新基于MATLAB 2023a的机器学习、深度学习应用
目录
第一章 MATLAB 2023a深度学习工具箱新特性简介
第二章 卷积神经网络（Convolutional Neural Network, CNN）
第三章 模型可解释性与特征可视化Model Explanation and Feature Visualization
第四章 迁移学习算法（Transfer Learning&am…
1区（TOP）极速送审，5月SCI/SSCI/EI刊源表已更新，
2023年5月SCI/SSCI/EI期刊目录更新
5月我处新增多本1-2区高分区新刊，包括计算机、医学、环境、化学、材料、生物、工程、社科领域，新刊版面极速送审~
以下是本月重点期刊推荐，可作参考：
计算机类新刊：
1区计算机科…
基于Python和Opencv的目标检测与特征
1.目标检测 (1)什么是目标检测？ 判断一副图像或者视频的一帧存不存在目标物体，例如检测一幅图片中有没有花，有 没有人脸，或者检测一段视频中行驶过的车辆、行人等 检测完成后，也可以继续往深做目标识别，例如…
智能驾驶商业化落地也在快速渗透，开始走向量产时代
⽆监督预训练技术
（1）超⼤数据规模和模型 size 的语⾳⽆监督预训练技术值得关注，语⾳⽆监督预训练的 BERT 已经出现 (Wav2vec2.0/Hubert)， 语⾳⽆监督预训练的 GPT-3 很可能在 2022 年到来。
（2）多模态语…
在数学直觉的指导下，机器学习提供了一个强大的框架
虽然使用计算机这种方法在生成数据方面取得了成功，但识别和发现这些数据的模式，仍需要依靠数学家。 在纯数学中，发现新的研究模式变得更重要，因为它生成的数据可能比任何数学家一生预期的还要多，比如那些具有数千维…
wandb快速上手、使用心得（超好用的Tensorboard高替品）
这里写目录标题 1 wandb介绍2 快速上手3 使用心得3.1 一张图展示两条线3.2 想要科学上网和wandb一起使用（离线使用）3.3 未完待续 1 wandb介绍
wandb地址：wandb Wandb（Weights & Biases）是一个用于机器学习实验跟踪…
手推记录-logistic regression （逻辑斯蒂回归）
先看线性回归hθ(x)θ0x0θ1x1⋯θnxnθTxhθ(x)θ0x0θ1x1⋯θnxnθTx这里的n表示该样本有n维特征。 目标函数 J(θ)12∑i1m(hθ(x(i))−y(i))2J(θ)12∑i1m(hθ(x(i))−y(i))2这里的i表示第i个样本。 为了求目标函数最小，采用梯度下降迭代,为了方便，…
《统计学习方法》学习笔记（1）—— 统计学习三要素
本文主要参考书籍为《统计学习方法》（李辉），第一章 统计学习方法概论。
目录
1.1 统计学习
1.3 统计学习三要素——模型、策略、算法
1.3.1 模型——所要学习的条件概率分布或决策函数
1.3.2 策略
1.3.2.1 损失函数（loss fu…
这种一种新的理念的学习_富爸爸_新浪博客
分享网上的一个 富爸爸的研讨会的PTT http://wenku.baidu.com/view/9da7283552ea551810a687f1.html
未来杯区域赛奖项争夺进入倒计时，专家评审团阵容揭晓
由中软国际教育科技集团旗下睡前Futurelab携手中国青少年发展基金会和华为手机，面向海内外高校在读学生举办的“2020未来杯高校AI挑战赛”区域赛已接近尾声。经过历时1个多月的模拟提交训练与正式提交PK，最终来自38所院校，由161名选手组成的5…
2020-09-01
本文总结了使用第三方库函数时将其路径告诉编译器（gcc和g同理）的2种常用方式，并举例说明了每种方式的具体用法。方法一：在编译自己的项目时添加-L和-I编译选项 1）添加头文件路径： -I #指明头文件的路径…
Python机器学习：Scikit-learn和TensorFlow的应用和模型设计
一、引言
Python在机器学习领域中已经成为非常受欢迎的编程语言。Scikit-learn和TensorFlow是Python中应用最广泛的两个机器学习库，它们提供了丰富的机器学习算法和工具，帮助开发人员轻松地构建和训练机器学习模型。本文将详细介绍Scikit-learn和Tensor…
Python自然语言处理：NLTK入门指南
Python自然语言处理：NLTK入门指南 一、Python自然语言处理简介1. 什么是自然语言处理（NLP）2. Python在NLP中的应用3. 为什么选择使用Python进行NLP 二、NLTK介绍1. NLTK是什么2. NLTK的历史和现状3. NLTK的安装和配置4. NLTK的基本功能分词&a…
Python机器学习专栏：应用于遥感和非遥感领域的实践指南
作者：CSDN _养乐多_ 文章目录 简介专栏内容包括但不限于以下方面 简介
Python机器学习专栏是一个面向遥感和非遥感领域的实践指南，旨在帮助读者深入了解机器学习在遥感数据分析和非遥感数据分析中的应用。通过本专栏，你将学习如何使用Pytho…
自监督对比学习系列论文（一）：无引导对比学习--MOCO,SimCLR
自监督对比学习 对比学习（self-supervised learning）的应用场景是用无标记或者少标记的数据进行模型的预训练以得到一个较好的预训练模型，然后便可将该模型轻松的迁移到到下游任务上。显而易见的，对比学习的难点在于我们如何在没有…
学校食堂明厨亮灶 yolov8
学校食堂明厨亮灶可以yolov8网络模型技术，学校食堂明厨亮灶通过对厨师的穿戴情况行为举止等进行监测。YOLOv8 算法的核心特性和改动可以归结为如下：提供了一个全新的 SOTA 模型，包括 P5 640 和 P6 1280 分辨率的目标检测网络和基于 YOLACT 的…
路径规划算法：基于布谷鸟优化的路径规划算法- 附代码
路径规划算法：基于布谷鸟优化的路径规划算法- 附代码 文章目录 路径规划算法：基于布谷鸟优化的路径规划算法- 附代码1.算法原理1.1 环境设定1.2 约束条件1.3 适应度函数 2.算法结果3.MATLAB代码4.参考文献 摘要：本文主要介绍利用智能优化算法…
【 Logistic模型】
Logistic模型：分类问题的利器 导言
在机器学习领域，分类问题是一种常见且重要的任务。分类模型的选择对于解决问题的准确性和效率具有关键作用。本文将介绍一种常用的分类模型——Logistic模型，探讨其原理、优点以及在实际项目中的应用。同时…
第四周.直播.03.论文带读+GAT
文章目录论文1泛读摘要套路分析IntroductionPreliminaries and RelatedWorksAnalysisSolutions论文2泛读Abstract3.2. Residual Learning for GCNs3.3. Dense Connections in GCNsGAT by DGL导入定义GATLayer定义多头注意力定义模型加载数据集训练分析本文内容整理自深度之眼《…
【大模型】人工智能大模型在自动驾驶领域的应用
随着ChatGPT的火爆，大模型受到的关注度越来越高，大模型展现出的能力令人惊叹。 第一个问题：怎样的模型可以称之为大模型呢？ 一般来说，我们认为参数量过亿的模型都可以称之为“大模型”。而在自动驾驶领域，大…
Overcoming catastrophic forgetting in neural networks
目录
预备知识：
论文笔记
1. Introduction
2. Elastic weight consolidation
2.1 EWC allows continual learning in a supervised learning context
2.2 EWC allows continual learning in a reinforcement learning context
3. Conclusion 文章链接&#x…
现阶段智慧社区与人脸识别技术 AI智能科研领域发展方向
人脸识别简单的解释就是给出两张脸，系统搜索确定是否是同一个人，这就是它最初的定义。它有银行柜台、海关、酒店入住、网吧认证等多种应用场景，检查你的身份证是否和你是同一个人。 目前，人脸识别技术已经得到了广泛的应用&…
kafka streams_使用Java 8 Streams进行编程对算法性能的影响
kafka streams多年来，使用Java进行多范式编程已经成为可能，它支持混合的面向服务，面向对象和面向方面的编程。 带有lambda和java.util.stream.Stream类的Java 8是个好消息，因为它使我们可以将功能性编程范例添加到混合中。 确实&a…
[网络安全提高篇] 一二二.恶意样本分类之基于API序列和机器学习的恶意家族分类详解
终于忙完初稿，开心地写一篇博客。 “网络安全提高班”新的100篇文章即将开启，包括Web渗透、内网渗透、靶场搭建、CVE复现、攻击溯源、实战及CTF总结，它将更加聚焦，更加深入，也是作者的慢慢成长史。换专业确实挺难的，Web渗透也是块硬骨头，但我也试试，看看自己未来四年究…
pandas计算年化收益波动率
前置：
文章中用到的数据
链接：https://pan.baidu.com/s/1rKLM45dq_xIKxcI54Nq0qg 提取码：c298
公式：
样本标准差公式 年化收益波动率公式 年化收益波动率公式可以转换为【标准差的平方*250，再取平方根】
计算过程…
时间序列模型--ARIMA模型
1. 数据平稳性与差分法 平稳性： 平稳性就是要求经由样本时间序列所得到的拟合曲线，在未来的一段时间内仍然能顺着现有的形态“惯性”的延续下去平稳性要求，序列的方差和均值不发生明显的变化 严平稳和弱平稳 严平稳：严平稳表示的…
H36M VS 3DPW datasets
1采集设备方面
H36M使用了高精度的多视角摄像机动态捕捉系统获得了非常准确和连贯的3D关节坐标标注。
3DPW使用了单目摄像机与IMU的复合传感系统进行采集,存在一定程度的标注噪声。
2场景环境方面
H36M主要针对室内定向动作,背景单一简洁。
3DPW重点是室外复杂环境中人的自…
【机器学习7】特征缩放
特征缩放 🍀特征缩放的重要性🌱归一化🌱标准化🌱更高级的缩放方法🌸导入数据集&将数据集划分为训练集和测试集🌸Sklearn-Learn算法实现归一化🌸Sklearn-Learn算法实现标准化 🍀特…
【人工智能实验】SVM分类器的设计与应用
目录
实验五SVM分类器的设计与应用
一、实验目的
二、实验原理
1、人脸识别系统的基本框架
2、利用主成分分析PCA实现特征提取
3、SVM分类器设计
三、实验结果
1、选用Sigmoid函数作为核函数，降维数选为20.
2、选用表3.2提供的核函数以及参数，进…
SolidWorks机械制图
SolidWoks主要包括: 草图，零件图，装配图，工程图 草图绘制(直线)
点由草图 - ->点击直线 一> 在任意点点由鼠标左键一>直我的一个瑞点就定了一 只要侈到另一个端点，再次点击鼠标龙键直我就画好了，再次点击直线…
禁忌搜索算法TS求解TSP问题
目录
一、局部邻域搜索
二、禁忌搜索
三、禁忌搜索算法流程
四、算法求解例题 一、局部邻域搜索
局部邻域搜索是基于贪婪准则持续地在当前的邻域中进行搜索，虽然算法通用，易于实现，且容易理解，但其搜索性能完全依赖于邻域结…
CV — 性能评价指标
文章目录CV — 性能评价指标一、通用的性能评价指标1. 混淆矩阵2. precision / recall3. F1-measure4. ROC曲线5. AP6. mAP二、目标检测领域1. IoU参考资料CV — 性能评价指标
对于算法模型的性能指标，看你具体的任务是什么，最基本的分类还是回归。 二分…
【Transformer】Transformer如何在深度学习和NLP中学习的：How Transformers work in deep learning and NLP
【学习资源】How Transformers work in deep learning and NLP: an intuitive introduction 目录
1 Representing the input sentence 输入句子的表示
1.1 Sets and Tokenization 集和标记
1.2 Word Embeddings 单词嵌入
1.3 Positional encodeings
2 Fundamental conce…
SVM中的对偶问题原理
0.摘要
本文仅从SVM的“对偶问题”出发去阐述优化求解问题中的数学原理。1.“对偶原理”
1.1 原问题： minimize:f0(x)minimize: f_0(x)minimize:f0(x) s.t.gi(x),i1,2...,ms.t. \quad g_i(x),i1,2...,ms.t.gi(x),i1,2...,m hj(x),j1,2,...n\qquad h_j(x),j1,2…
智见|黄铁军：未来的大模型生态中将会只有少数赢家
2023智源大会可谓群星璀璨。中外200余位人工智能顶级专家参会，人工智能领域最关键的人物、机构悉数亮相。 全面、专业、前沿，会场上大咖们观点激荡、多元碰撞，会场下观众们兴奋异常、座无虚席。 会上，北京智源人工智能研究院院长黄…
《统计学习方法》学习笔记（3）—— 泛化误差
本文主要参考书籍为《统计学习方法》（李辉），第一章 统计学习方法概论。1.6 泛化能力1.6.1 泛化误差评价模型对未知数据的预测能力。现实中采用最多的办法是依赖于测试集。泛化误差就是模型的期望风险。1.6.2 泛化误差上界
深入理解生成式AI技术原理：初识生成式AI
📣📣📣📣📣📣📣 🎍大家好，我是慕枫 🎍前阿里巴巴高级工程师，InfoQ签约作者、阿里云专家博主，一直致力于用大白话讲解技术知识 &#x…
一文说清楚pytorch和tensorFlow的区别究竟在哪里
最近用了一点pytorch，想着稍稍理一下，这样一个和TensorFlow抗衡的一个框架，究竟是何方神圣？
首先我们要搞清楚pytorch和TensorFlow的一点区别，那就是pytorch是一个动态的框架，而TensorFlow是一个静态的框架…
在线学习的“后浪”：现代学习系统中的人工智能
由于全球疫情的到来，几乎每所大学都将课程搬上了在线学习平台。随着世界各地引入学习管理系统，学校、学院和大学联系学生变得更全面更方便了。
在线学习已经取得了一定的成功。统计数据显示，与传统课堂学习相比，在线学习的学生上…
七分之一在线评论都有假，人工智能救一把？
据目测，评论区是中国文学大师密度比较高，骂人水平比较高和逗逼水准比较高的地方，A站B站还把评论玩成弹幕。 平台型APP因“评论”文化的迥异，体现出别样的审美与趣味，知乎体、爷青回，成为“时髦”的暗号。 在…
PyTorch入门：05.PyTorch 数据并行处理
可选择：数据并行处理（文末有完整代码下载） 作者：Sung Kim 和 Jenny Kang
在这个教程中，我们将学习如何用 DataParallel 来使用多 GPU。 通过 PyTorch 使用多个 GPU 非常简单。你可以将模型放在一个 GPU：
…
微生物常见统计检验方法比较及选择
谷禾健康 微生物组经由二代测序分析得到庞大数据结果，其中包括OTU/ASV表，物种丰度表，alpha多样性、beta多样性指数，代谢功能预测丰度表等，这些数据构成了微生物组的变量，大量数据构成了高纬度数据信息。 针…
利用机器学习方法确定各个特征的权重
在有的时候，我们需要学习出特征在分类器中所占的比重，例如判断某个人是否具有贷款资格，特征收入应该比年龄要更重要一些，那么具体重要多少，我们可以通过训练数据学习出来。 第一个办法可以借鉴决策树中特征选择的思想&…
无人机巡逻喊话、疫情排查、送药消毒，抗疫战中机器人化身钢铁战士！
这场抗疫战争似乎格外漫长，但回头细数一下才发现，自疫情爆发以来，也不过半月之久。在接下来的几个半月中，抗疫战仍将继续，各方力量也要绷紧神经继续战斗。
值得一提的是，在这场全民抗战中，我们…
Python输入音频wav同步嘴型源码方案
这是由ACM MM2020发表了的一篇论文，提出一个AI模型，只需要一段人物视频和一段目标语音，就能够让音频和视频合二为一，人物嘴型与音频完全匹配。 【订阅栏目 获取全部的源码方案】
选一张蒙娜丽莎的照片和一段简短的音频，就可以让嘴唇同步，这是静态的照片，所以照片中的人…
【TensorFlow】TensorFlow2.0学习笔记（一）
一、TensorFlow是什么？
TensorFlow是一个端到端开源机器学习平台。它拥有一个全面而灵活的生态系统，其中包含各种工具、库和社区资源，可助力研究人员推动先进机器学习技术的发展，并使开发者能够轻松地构建和部署由机器学习提供支…
预处理unswnb15数据集
数据集链接:dataset_UNSWNB15 LabelEncoder的编码是按照字典顺序进行的,所以写的examples变量没有意义.
import numpy as np
import pandas as pd
from sklearn.preprocessing import LabelEncoder, OneHotEncoder
readme:
这版本写的很好用.train_normal指的是训练集中所有la…
DQN（Deep Q Network ）强化学习
DQN（Deep Q Network ）强化学习
强化学习与神经网络
之前我们所谈论到的强化学习方法都是比较传统的方式, 而如今, 随着机器学习在日常生活中的各种应用, 各种机器学习方法也在融汇, 合并, 升级. 而我们今天所要探讨的强化学习则是这么一种融合了神经网…
目标跟踪之ECO：Efficient Convolution Operators for Tracking
一. 相关滤波算法总结 作者首先分析了 影响相关滤波算法效率 和 导致过拟合 的几个原因： 1）Model Size (模型大小） 包括两个方面： － 模型层数，对应多分辨率 Sample，比如多层 CNN － 特…
for循环之性能优化
for循环之性能优化 1、写在第一个(消除循环终止判断时的方法调用) stratTime System.nanoTime();for (int i 0; i < list.size(); i) {}endTime System.nanoTime();System.out.println("未优化list耗时："(endTime - stratTime)); 应改为 stratTime …
遗传算法(genetic algorithm)的GUI设计
遗传算法(genetic algorithm)是一类借鉴生物界的进化规律(适者生存、优胜劣汰遗传机制)演化而来的随机搜索方法。它是由美国的J.Holland教授1975年首先提出，其主要特定是直接结构对象进行操作，不存在求导和函数连续性的限定；具有内在的隐并行…
机器学习算法优缺点比较
本文主要回顾下几个常用算法的适应场景及其优缺点！（提示：部分内容摘自网络）。 机器学习算法太多了，分类、回归、聚类、推荐、图像识别领域等等，要想找到一个合适算法真的不容易，所以在实际应用中…
基于深度学习的Person Re-ID（特征提取）
一. CNN特征提取 通过上一篇文章的学习，我们已经知道，我们训练的目的在于寻找一种特征映射方法，使得映射后的特征 “类内距离最小，类间距离最大”，这种特征映射 可以看作是 空间投影，选择一组基，…
浅入浅出TensorFlow 6 - 实现经典网络
一. 经典网络介绍 首先介绍目前比较主流的几种经典网络，AlexNet［2012］、VGG16［2014］、GoogLeNet［2014］、ResNet［2015］。 这几种网络都是在 ILSVRC 比赛中脱颖而出的&…
浅入浅出TensorFlow 4 - 训练CIFAR数据
一. CIFAR数据集CIFAR数据集是一个经典的数据集，提供两个版本的分类样本，CIFAR-10和CIFAR-100。CIFAR-10 提供10类标注数据，每类6000张（32*32），其中5000张用于训练，1000张用于测试。获取数据集…
Machine Learning - Coursera 吴恩达机器学习教程 Week11 学习笔记（Problem Description and Pipeline）
Photo OCR pipeline
将机器学习问题分解成多个模块、流程。
以下是例子：文字识别（Optical Character Recognition，OCR） Photo OCR问题流程：
文本区域识别字符分段字符分类
可以将该问题分成多个模块：…
Machine Learning - Coursera 吴恩达机器学习教程 Week10 学习笔记（Learning With Large Datasets）
sanity check（合理性检查）
大数据量带来高计算代价，所以首先得确定，是不是大数据量有帮助？
检查Jcv 和 Jtrain 的学习曲线。
如果如左图，有高方差，则说明过拟合了，增加数据量有帮…
Machine Learning - Coursera 吴恩达机器学习教程 Week7 学习笔记（Support Vector Machines）
支持向量机SVM
在线性可分的情况下，训练数据集的样本点中与分离超平面距离最近的数据点称为支持向量(support vector)。
代价函数和逻辑回归比较相似： 又称为大间隔分类器，能找到最佳的线性分类位置： 向量内积的物理意义&…
机器学习基础15-模型保存
结果部署是机器学习项目中的最后一步，也是最重要的步骤之一。选 定算法之后，对算法训练生成模型，并部署到生产环境上，以便利用机器学习解决实际问题。模型生成之后，也需要定期对模型进行更新，使模型处于最新…
机器学习：逻辑回归模型算法原理（附案例实战）
机器学习：逻辑回归模型算法原理 作者：AOAIYI 作者简介：Python领域新星作者、多项比赛获奖者：AOAIYI首页 😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏&#x…
tf中的Auto Encoder（AE和VAE）
tf中的Auto Encoder（VAE） 文章目录tf中的Auto Encoder（VAE）1. Auto Encoder（AE）2. Variational Auto Encoder（VAE）3. AE实战VAE实战1. Auto Encoder（AE）
基本…
python中TensorFlow的下载，解决因为长路径问题导致机器学习库下载失败问题。
如果您使用的是Windows Home版，您可以尝试以下方法来启用长路径支持来解决问题 如果您不知道您的TensorFlow为什么下载失败，可以使用该方法尝试 一，简介
TensorFlow是一个开源的机器学习框架，由Google开发和维护。它是一个强大的…
机器学习笔记：层次聚类
1 原理
1.1 主体思路
通过计算不同类别数据点间的相似度来创建一棵有层次的嵌套聚类树。在聚类树中，不同类别的原始数据点是树的最低层，树的顶层是一个聚类的根节点。创建聚类树有自下而上合并（凝聚层次分类，agglomerative&…
机器学习的数学基础（下）
矩阵的特征值和特征向量
**1.矩阵的特征值和特征向量的概念及性质 **
(1) 设λ\lambdaλ是AAA的一个特征值，则 kA,aAbE,A2,Am,f(A),AT,A−1,A∗\text{kA},\text{aA} \text{bE},A^{2},A^{m},f(A),A^{T},A^{- 1},A^{\ast}kA,aAbE,A2,Am,f(A),AT,A−1,A∗有一个特征…
预测facebook签到位置
1 项⽬描述 本次⽐赛的⽬的是预测⼀个⼈将要签到的地⽅。 为了本次⽐赛，Facebook创建了⼀个虚拟世界，其中包括10公⾥*10 公⾥共100平⽅公⾥的约10万个地⽅。 对于给定的坐标集，您的任务将根据⽤户的位置，准确性和时间戳等预测⽤户…
t-SNE进行分类可视化
0、引入
我们在论文中通常可以看到下图这样的可视化效果，这就是使用t-SNE降维方法进行的可视化，当然除了t-SNE还有其他的比如PCA等降维等方法，关于这些算法的原理有很多文章可以借阅，这里不展开阐释，重点讲讲如何进行…
《Python入门到精通》webbrowser模块详解，Python webbrowser标准库，Python浏览器控制工具
「作者主页」：士别三日wyx 「作者简介」：CSDN top100、阿里云博客专家、华为云享专家、网络安全领域优质创作者 「推荐专栏」：小白零基础《Python入门到精通》 webbrowser模块详解 1、常用操作2、函数大全webbrowser.open() 打开浏览器webbro…
Machine Learning - Coursera 吴恩达机器学习教程 Week5 学习笔记
神经网络的代价函数
定义
L 神经网络总层数
sl 第l层的单元数（不包含bias unit）
K output units/classes的数量
普通逻辑回归代价函数： 神经网络代价函数： 后面的正则化部分，θ矩阵的：
列数当前…
Cross-Validation: the right and the wrong ways
这一个月来都在忙着CCF的数据挖掘比赛， 一直深深困扰于线下10-fold交叉验证后的结果与线上的悬殊，下面链接的内容，完完全全，清清楚楚地解释了我的困惑，这是我比赛以来以及将来很长时间巨有价值的收获！ htt…
台大林轩田·机器学习技法记要
台大林轩田机器学习技法 记要 6/1/2016 7:42:34 PM 第一讲 线性SVM 广义的SVM，其实就是二次规划问题 把SVM问题对应到二次规划的系数 这就是线性SVM，如果想变成非线性，只要把x变成phi(x)就可以了，在基石中讲过。 题目：…
ChebNet论文复现（数据准备部分）
本文目录1. Data Prepation1.1 加载数据集1.2 构造图1.2.1 构造大小为m的网格1.2.2 计算成对距离1.2.3 构造图的邻接稀疏权重矩阵1.2.4 构造网格图1.3 计算粗话图1.3.1 重边匹配HEM1.3.2 构造二叉树1.3.3 构造聚类树1.3.4 构造图拉普拉斯矩阵1.3.5 使用重边匹配构造K个粗化图1.…
Graph Convolutional Networks
1. 摘要
我们介绍了一种在图结构数据上可扩展的半监督学习方法，该方法是基于一种高效的有向图卷积神经网络变体。我们通过谱图卷积局部一阶近似来激励我们的卷积架构的选择。我们的模型在图边的数量上线性缩放，并且学习隐藏层对局部图结构和节点特征进行…
集成学习与模型融合（kaggle--Elo Merchant Category Recommendation）
import numpy as np
import pandas as pd
import lightgbm as lgb
from sklearn.model_selection import KFold
from hyperopt import hp, fmin, tpe
from numpy.random import RandomState
from sklearn.metrics import mean_squared_error数据读取
train pd.read_csv("…
PrefixSpan算法原理总结：求频繁序列
PrefixSpan算法原理总结 前面我们讲到频繁项集挖掘的关联算法Apriori和FP Tree。这两个算法都是挖掘频繁项集的。而今天我们要介绍的PrefixSpan算法也是关联算法，但是它是挖掘频繁序列模式的，因此要解决的问题目标稍有不同。
项集数据和序列数据…
下载深度学习框架以及python模块较慢的结局方法，pip install 安装太慢，已经镜像源也不不管用。最最简单也非常快速的解决方法（傻瓜式操作）
下载深度学习框架以及python模块较慢的结局方法，pip install 安装太慢，已经镜像源也不不管用。最最简单也非常快速的解决方法（傻瓜式操作）
你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使…
集成学习与模型融合（kaggle-Elo Merchant Category Recommendation）
import numpy as np
import pandas as pd
import lightgbm as lgb
from sklearn.model_selection import KFold
from hyperopt import hp, fmin, tpe
from numpy.random import RandomState
from sklearn.metrics import mean_squared_error数据读取
train pd.read_csv("…
算法设计：排序，分治法
排序的分类： 刚刚好就是插入排序，最小、大值排序，冒泡排序，归并排序。 我决定要用分治法了！要怎么办？： 注意：划分可能不止分一遍，可以把子问题继续分： 因此可…
逻辑回归、深度学习简介、反向传播
Logistic Regression逻辑回归
模型介绍
Logistic Regression 虽然被称为回归，但其实际上是分类模型，并常用于二分类。Logistic Regression 因其简单、可并行化、可解释强深受工业界喜爱。
Logistic 回归的本质是：假设数据服从这个分布&…
回归（Regression ）
回归（Regression ）
模型定义
Regression 就是找到一个函数 functionfunction ，通过输入特征 x，输出一个数值 Scalar。
模型应用
股市预测（Stock market forecast） 输入：过去10年股票的变动、…
pandas合并concat
import pandas as pd
import numpy as np# 定义资源集合
df1 pd.DataFrame(np.ones((3, 4)) * 0, columns[a, b, c, d])
df2 pd.DataFrame(np.ones((3, 4)) * 1, columns[a, b, c, d])
df3 pd.DataFrame(np.ones((3, 4)) * 2, columns[a, b, c, d])
# pandas处理多组数据的时…
pandas选择数据
import pandas as pd
import numpy as npdates pd.date_range(20130101, periods6)
df pd.DataFrame(np.random.randn(6, 4), indexdates, columns[A, B, C, D])
print(df)
# 获取列数据
print(df[A])
print(df.A)
# 选择跨越多行或多列:
print(df[0:3]) # 多行（…
numpy数组赋值和数组copy
import numpy as npa np.arange(4)
b a
a[0] 11
print(a)
print(b)
# b 的值会随着a的改变而变化
# [11 1 2 3]
# [11 1 2 3]
# copy() 的赋值方式没有关联性
b a.copy()
a[2] 11
print(a)
print(b)
# [11 1 11 3]
# [11 1 2 3]
anaconda环境\包命令
python10目前的更新不支持
Matplotlib
Scikit-Learn
已经安装了10的，需要使用这些类库的，需要替换到3.9的环境。 首先了解一些前提，anaconda只有在完成环境变量的配置后才能使用conda命令， 有一组命令必须了解，即: …
Python（必学高级知识）——装饰器(一文搞懂）
Python——装饰器
一，定义
python装饰器就是用于拓展原来函数功能的一种函数，这个函数的特殊之处在于它的返回值也是一个函数，使用python装饰器的好处就是在不用更改原函数的代码前提下给函数增加新的功能。一般而言，我们要想拓…
从Python代码公式图——轻松理解AdaBoost算法
从Python代码&公式&图——轻松理解AdaBoost算法一. 原理简述&转化为代码1.1 Boosting二. 图解AdaBoost算法过程2.1 第一次分类1.基学习器--决策树代码实现2.分类结果3.计算AdaBoost误差2.2 第二次分类1.分类结果2.计算AdaBoost误差2.3 第三次分类1.分类结果2.计算A…
Munkres 分配算法
匈牙利方法（或 Kuhn 算法）是由4个基本步骤组成的迭代过程。该方法使用“最小行集”覆盖“操纵”成本矩阵的零点，当所需的“最小行集”等于给定成本矩阵的维数时，过程终止。
Munkres 算法是一种最优分配算法，可以看作是…
Google免费GPU使用平台--Google colab使用手册
Google免费GPU使用平台--Google colab使用手册）1. 如何创建账号1.1 创建账号和简单设置1.2 查看系统配置2. 基本操作2.1 import自己的py文件2.2 SSH 连接 Google colab3 用Colab编写在线爬虫4. 外部数据处理5.如何在Colab中加载kaggle数据集1. 如何创建账号
1.1 创…
机器学习 day35（决策树）
决策树
上图的数据集是一个特征值X采用分类值，即只取几个离散值，同时也是一个二元分类任务，即标签Y只有两个值 上图为之前数据集对应的决策树，最顶层的节点称为根节点，椭圆形节点称为决策节点，矩形节点称…
多个epoch后损失值突然间变为NAN
问题：上图为使用pix2pix（生成器使用resnet）模型进行训练，损失函数下降，psnr图像质量上升过程，前中期训练正常。设置epoch训练200次，训练到170次时候，损失值突然变为了nan。
配置先验…
时间序列的重采样和pandas的resample方法介绍
重采样是时间序列分析中处理时序数据的一项基本技术。它是关于将时间序列数据从一个频率转换到另一个频率，它可以更改数据的时间间隔，通过上采样增加粒度，或通过下采样减少粒度。在本文中，我们将深入研究Pandas中重新采样的关键问…
GEE：为机器学习算法（随机森林、支持矢量机等）加入膨胀/腐蚀特征
作者：CSDN @ _养乐多_
腐蚀和膨胀 是数学形态学图像处理中的两个基本操作，用于修改和分析二值图像（包含只有两个像素值的图像，通常是黑和白）。这些操作可用于博客《GEE：随机森林分类教程（样本制作、特征添加、训练、精度、参数优化、贡献度、统计面积）》中写的机器学习…
【EI会议征稿】2024年智能电网与人工智能国际学术会议（SGAI 2024)
2024年智能电网与人工智能国际学术会议（SGAI 2024)
2024 International Conference on Smart Grid and Artificial Intelligence 随着时代的发展，基础的电网技术已经比较成熟，但与日俱增的用电需求以及不断转变的用电模式促使我们需要不断地…
ONES 事记｜ONES 参与信通院牵头编写的《DevOps 通用效能度量模型》
近日，《研发运营一体化（DevOps）通用效能度量模型》（下称「标准」）首批评估结果发布。该评估基于中国信息通信研究院（CAICT，简称「中国信通院」）牵头编写的《研发运营一体化ÿ…
【深度学习】模型评估
上一章——多分类问题和多标签分类问题 文章目录算法诊断模型评估交叉验证测试算法诊断 如果你为问题拟合了一个假设函数，我们应当如何判断假设函数是否适当拟合了？我们可以通过观察代价函数的图像，当代价函数达到最低点的时候，此…
看见统计——第四章 统计推断：频率学派
看见统计——第四章 统计推断：频率学派
接下来三节的主题是中心极限定理的应用。在不了解随机变量序列 {Xi}\{X_i\}{Xi} 的潜在分布的情况下，对于大样本量，中心极限定理给出了关于样本均值的声明。例如，如果 YYY 是一个 N(0&am…
ChatGPT入门案例｜张量流商务智能客服
本篇介绍了序列-序列机制和张量流的基本概念，基于中文语料库说明基于循环神经网络的语言翻译的实战应用。
01、序列-序列机制 序列-序列机制概述
序列-序列（Sequence To Sequence，Seq2Seq）是一个编码器-解码器 （Encoder-Decoder Mechanism）结构的神经网络，输入是序列（…
average_precision_score()函数----计算过程与原理详解
最近在复现论文时发现作者使用了 sklearn.metrics 库中的 average_precision_score() 函数用来对分类模型进行评价。
看了很多博文都未明白其原理与作用，看了sklean官方文档也未明白，直至在google上找到这篇文章Evaluating Object Detection Models Usi…
GBDT（梯度提升树，Gradient Boosting Decision Tree）
GBDT(Gradient Boosting Decision Tree)在数据分析和预测中的效果很好。它是一种基于决策树的集成算法。其中Gradient Boosting 是集成方法boosting中的一种算法，通过梯度下降来对新的学习器进行迭代。而GBDT中采用的就是CART决策树
一、Boosting
Boosting指把多个…
【Python数据分析】文本情感分析——电影评论分析（二）
接上一篇《【Python数据分析】文本情感分析——电影评论分析（一）》。 目录文本向量化词袋模型TF-IDF建立模型构建训练集与测试集特征选择方差分析逻辑回归朴素贝叶斯总结与改进方向总结改进文本向量化 文本要进行模型训练，进而判断文本是积极…
美团·阿里关于多模态召回的应用实践
1. 美团多模态召回-搜索业务应用
多模态的召回任务，主要在召回和排序列表中存在POI、图片、文本、视频等多种模态结果，如何保证Query和多模态搜索结果的相关性面临着很大的挑战，目前更多的多模态召回主要应用于电商，短视频推荐搜…
【AdaBoost学习笔记】
算法描述
1.上文随机森林中介绍了Bootstraping(构造多个子数据集，每个数据集不一样)，本篇AdaBoost则是使用同一个数据集(每个数据有权重)通过串行训练多个弱分类器。在训练过程中，当前弱分类器中数据的权重会根据上一个弱分类器的错误率进行…
【基于CART的随机森林学习笔记】
目录算法描述知识储备举个栗子实现代码算法分析资料引用算法描述
1.随机森林是指一片森林的每棵树都表决，进而根据少数服从多数的原则决断出最后的结果。此篇以CART作为每一棵树的基本模型来说明。 2.算法过程： ①Bootstrap sample构造数据集。 ②为每个…
【k-means学习笔记】
目录算法描述知识储备举个栗子实现代码算法分析资料引用算法描述
1.问题假设：操场上有k个体育老师和k个班的学生，各班学生围着各自的老师在玩耍，现求各个老师的坐标。 2.数据输入：所有学生的坐标位置，但不知道每个学生…
ImageTag 修改标记数据
1.首先把bin，JPEGImages，JPEGImages_debug这三个文件夹移动到某一个文件夹，此文件夹中不能有其他文件或文件夹。 2.将ImageTag的路径配置文件path_list.txt中的路径设置成上个步骤的路径。 3.确认ImageTag的配置文件ImageTag_config_data.txt…
numpy.ndarray基本语法
numpy库
np.array中负索引的意义
np.array调用时使用方括号，左闭右开区间，a[0]代表只有第一行 anp.arange(24).reshape(3,8) reshape中负索引
np中reshape出现负索引-1表示他会自动匹配成能与待处理矩阵相匹配的数值，这里的a矩阵有24个值…
pycharm创建虚拟环境venv和添加依赖库package
1.创建虚拟环境
因为项目采用不同版本的python，所依赖的库的版本也不一样，为了避免版本冲突，为每一个项目每个python版本创建一个虚拟环境，环境中所使用的依赖库也是独立存在，不会被其他版本或其他项目的库影响。
&a…
sklearn中train_test_split()函数用法
train_test_split()函数用法讲解
train_test_split()函数是用来随机划分样本数据为训练集和测试集的，当然也可以人为的切片划分。
优点：随机客观的划分数据，减少人为因素
完整模板：
train_X,test_X,train_y,test_y train_tes…
七、PyTorch 深度学习 加载数据集
第8讲 加载数据集
来源：B站 刘二大人
import torch
import numpy as np
from torch.utils.data import Dataset
from torch.utils.data import DataLoader# prepare dataset
# Dataset是一个抽象函数，不能直接实例化，所以我们要创建一个自己…
机器学习(4)--估算波士顿房屋价格----带AdaBoost的决策树回归模型
估算波士顿房屋价格—-带AdaBoost决策树回归模型 使用带AdaBoost算法的决策树回归器(descision tree regressor) 决策树模型: 树状模型,每个节点做决策,从而影响决策结果,叶子节点表示输出结果,分支表示根据输入做出中间决策AdaBoost:利用其他系统增强模型准确型的技术 代码如…
python数据规范化_Python中的数据规范化
python数据规范化开幕当天 (Opening Day) Well it’s that time of the year again in the United States. The 162 game marathon MLB season is officially underway. In honor of the opening of another season of America’s Pasttime I was working on a post that uses …
python抓取网站图片_使用python抓取网站
python抓取网站图片Website scraping refers to reading of any website’s structure to extract needed information through an automated system, usually a script. There is a thin line between legal and illegal website scraping. If a content is available without…
机器学习与统计学的区别与联系
其中，
假设条件分布等价于确定模型类型。
点估计等价于最小化损失函数。
特别的地方是，在统计学视角中我们要计算出参数的分布，方便后面的参数估计与假设检验。
Lynkage CMap
Yolov5优化: 多分支卷积模块RFB，扩大感受野提升小目标检测精度
目录
1.RFB-Net介绍
2. RFB引入到yolov5
2.1修改commmon.py
2.2 修改yolo.py
2.3 yolov5s_REF.yaml 1.RFB-Net介绍 论文：https://arxiv.org/pdf/1711.07767.pdf 代码：https://github.com/ruinmessi/RFBNet 受启发于人类视觉的Receptive Fields结构&…
sklearn 简介
sklearn 简介
scikit-learn 是基于 Python 语言的机器学习工具
简单高效的数据挖掘和数据分析工具可供大家在各种环境中重复使用建立在 NumPy ，SciPy 和 matplotlib 上开源，可商业使用 - BSD许可证sklearn 中文文档
基于树莓派聊天机器人设计
基于树莓派聊天机器人设计
人工智能在计算机领域内，得到了愈加广泛的重视。随着科学技术的发展，人工智能已然成为未来不可阻挡的发展趋势之一，本次毕业设计我选择设计一款聊天机器人，一方面是想开拓我新的知识体系——人工智能&a…
推荐算法竞赛 面向社会_社会操纵算法
推荐算法竞赛 面向社会Do you know how your apps work? Are you aware of what tech companies are doing in the back with your data? And what’s more revealing: do you know which of your action are actually influenced by those apps? When you take a trip with…
Python“ for”循环（定迭代）
This tutorial will show you how to perform definite iteration with a Python for loop. 本教程将向您展示如何使用Python for循环执行确定的迭代 。 In the previous tutorial in this introductory series, you learned the following: 在本入门系列的上一教程中…
freemap初学者教程_Jupyter初学者笔记本：教程
freemap初学者教程The Jupyter Notebook is an incredibly powerful tool for interactively developing and presenting data science projects. A notebook integrates code and its output into a single document that combines visualisations, narrative text, mathemati…
pandas绘图显示值标签_使用Pandas向绘图添加轴标签
pandas绘图显示值标签Pandas plotting methods provide an easy way to plot pandas objects. Often though, you’d like to add axis labels, which involves understanding the intricacies of Matplotlib syntax. Thankfully, there’s a way to do this entirely using pa…
信息可视化与可视分析_文字分析和可视化
信息可视化与可视分析For this post, I want to describe a text analytics and visualization technique using a basic keyword extraction mechanism using nothing but a word counter to find the top 3 keywords from a corpus of articles that I’ve created from my b…
UFLDL Tutorial 笔记
关于反向传播误差的推导，可以参考下面这个博客，讲得更清楚。 其实一句话就可以讲清楚：多层复合函数的求导，足矣！ http://blog.sina.com.cn/s/blog_88d97475010164yn.html
另外，看了一下网易上加州理工Ya…
epsg:欧洲石油调查组织_自组织地图：深入
epsg:欧洲石油调查组织About David: David Asboth is a Data Scientist with a software development background. He’s had many different job titles over the years, with a common theme: he solves human problems with computers and data. This post originally appea…
机器学习之特征转换与过拟合（机器学习基石）
什么是特征转换
特征转换就是将原始资料（不容易数据化）转换为有意义的资料（能够数据化），或者说是计算机能够处理的资料。
比如说我们可以将像素点转换为一些有强度特制的，对称性的资料以便我们从中找出规律…
机器学习之梯度下降法（机器学习基石）
从二元分类到罗吉斯回归
在预测一个病人的患病情况的时候如果我们单纯的想预测下一个病人是否患病那么就会用到二元分类。但是如果我们现在预测某个病人患病的概率是多大的话显然二元分类就满足不了我们的要求于是就诞生了Logistic Regression。
Logistic Regression的假设模型…
使用Edge Impulse 和机器学习基于ESP32 实现异常检测系统
我们将检测二氧化碳浓度和挥发性有机化合物何时出现异常。因此，我们将实现一个机器学习模型，能够识别是否存在一些超出正常范围的值。
什么是异常检测？
为了定义异常检测，我们可以使用： 在数据分析中， 异常检测 （也称为 异常值检测）是指识别因与大多数数据显着不同而…
RS-FAIRFRS: COMMUNICATION EFFICIENT FAIR FEDERATED RECOMMENDER SYSTEM
RS-FAIRFRS: COMMUNICATION EFFICIENT FAIR FEDERATED RECOMMENDER SYSTEM
Anonymous authors Paper under double-blind review communication efficient fair federated recommender system ICLR 2023
1. What does literature study?
结合随机抽样和确定每轮通信中要抽样…
方差分析python实现
单因素方差分析
在此之间我们先导入数据，
案例：我们探究施肥与否是否对植物的生长有影响，试验为： - 对照组：清水 - 实验组： 某肥料四个浓度梯度，分别是A,B,C,D，施肥一段时间之后测…
机器学习 --- 决策树 python
简介 决策树说通俗点就是一棵能够替我们做决策的树，或者说是我们人类在要做决策时脑回路的一种表现形式。 本实训项目的主要内容是基于 python 语言搭建出决策树模型对数据分类，并使用 sklearn 的决策时模型对鸢尾花数据进行分类。
信息熵与信息增益
i…
NumPy数组的高级操作第五关
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的Python库。
本实训将介绍NumPy的一些更高级的知识与使…
Matplotlib组队学习-Task01Matplotlib初相识-
参考资料
https://github.com/datawhalechina/fantastic-matplotlib
一、认识matplotlib
我们所熟知的pandas和seaborn的绘图接口其实也是基于matplotlib所作的高级封装。
二、一个最简单的绘图例子
三、Figure的组成
这里狂赞！！！&…
NumPy数组的高级操作第四关
NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的Python库。
本实训将介绍NumPy的一些更高级的知识与使…
NumPy数组的高级操作第三关
简介 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之前应该掌握的一个非常基本且实用的Python库。
本实训将介绍NumPy的一些更高级的知…
Educoder机器学习编程题解析（NumPy基础及取值操作）
机器学习
Educoder机器学习（python）
NumPy基础及取值操作 简介 NumPy(Numerical Python) 是 Python 语言的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。是在学习机器学习、深度学习之…
ALS协同过滤推荐算法在pySpark MLlib机器学习库源码解析
Spark MLlib中实现ALS协同过滤推荐算法的库为recommendation.py，这可库有以下三个类
__all__ [MatrixFactorizationModel, ALS, Rating] -a. Rating 算法的输入，包括用户对物品的评价，为三元组 class Rating(namedtuple("Ra…
统计学习方法——统计学习基础（一）
统计学习方法——统计学习统计学习概论（一）统计学习统计学习的特点统计学习的方法监督学习基本概念问题形式化统计学习的三要素模型策略算法模型评估与模型选择（一）训练误差与测试误差过拟合、欠拟合与模型选择参考文献统计学习概…
《统计学习方法》 第三章 k近邻法
k近邻法（KNN）是一种基本分类和回归方法。k近邻法的基本做法是：对给定的训练实例点和输入实例点，首先确定输入实例点的k个最近邻训练实例点，然后利用这k个训练实例点的类的多数来预测输入实例点的类。
k近邻算法 k近邻…
《统计学习方法》 第二章 感知机
感知机是二类分类的线性分类模型，输入为实例的特征向量，输出为实例的类别，取1和-1二值，感知机对应与输入空间（特征空间）中将实例划分为正负两类的分离超平面，属于判别模型。
感知机模型 感知机…
机器学习(7)---混淆矩阵可视化
混淆矩阵可视化 代码如下: #-*- coding:utf-8 -*-
import matplotlib.pyplot as plt
import numpy as np
from sklearn.metrics import confusion_matrix
y_true[1,0,0,2,1,0,3,3,3]
y_pred[1,1,0,2,1,0,1,3,3]
#混淆矩阵
confusion_matconfusion_matrix(y_true,y_pred)
def pl…
encoders.kryo_category_encoders中的BaseN编码和网格搜索
encoders.kryoIn the past I’ve posted about the various categorical encoding methods one can use for machine learning tasks, like one-hot encoding, ordinal or binary. In my OSS package, category_encodings, I’ve added a single scikit-learn compatible enco…
在python编程上如何实现条件概率的求解P（A|B）【思维方法】
在python编程上如何实现条件概率的求解P（A|B）【思维方法】
##正文 兄弟们在学校上概率统计的时候，是不是学的条件概率公式是这个样子的： 其物理含义是在事件B发生的前提下，事件A发生的概率。其公式的含义是事件&#…
5328笔记 Advanced ML Final Review
Law of Large Number: 大数定理 Best Classifier：最好分类器 什么是最好的分类器： Best classifier就是让loss最小的classifier 0-1损失函数的缺点，它不是一个凸函数或者平滑，很难学习和优化。 所以我们就引入了surrogate loss…
机器学习 day22（ReLU激活函数）
ReLU激活函数
如果想让a取更大的非负数，激活函数g(z)可以选用ReLU激活函数，他在z＜0时取0，在z ≥ 0时取z
常见的激活函数
左侧的为线性激活函数，因为f(x) wxb，使用激活函数后f(x) g(z)，此…
【OpenCV学习笔记01】- 初步使用OpenCV实现人脸识别
想要使用opencv实现人脸识别，我们需要做这样几步：
1.opencv-python的安装
这里我们使用的python的opencv-python库，在安装opencv-python库之前，我们需要安装numpy, matplotlib。
# 安装指令
# 安装 numpy
pip install numpy
# …
第二十篇 ResNet——模型讲解
摘要
ResNet（Residual Neural Network）由微软研究院的Kaiming He等四名华人提出，通过使用ResNet Unit成功训练出了152层的神经网络，并在ILSVRC2015比赛中取得冠军，在top5上的错误率为3.57%，同时参数量比VGGNet低，效果非常明显。
模型的创新点在于提出残差学习的思…
统计学习方法学习笔记——概论（一）
# 文章内容来自学习李航老师的《统计学习方法》后的总结，相当于学习笔记，若有不正确的地方还请大家指正。# 所需先验知识：概率论与数理统计、线性代数一、 统计学习概述可能有些小伙伴没有听过统计学习，但是我相信机器学习大家一定…
【数据聚类|深度聚类】Unsupervised Deep Embedding for Clustering Analysis(DEC)论文研读
DEC算法由两部分组成 第一部分会预训练一个SDAE模型；第二部分选取SDAE模型中的Encoder部分，加入聚类层，然后最小化KL散度进行训练聚类Absratct
提出了一种利用深度神经网络同时进行表征学习和聚类分配的方法，称之为深度嵌入聚类。该方法学习从数据空间到低纬空间的映射，并…
Pytorch 代码复现终极指南【收藏】
修改自：https://zhuanlan.zhihu.com/p/532511514我在刚接触pytorch的时候搜到了这个大佬的文章，当时最后天坑部分没有看的太明白，直到今天我也遇到的相同的问题，特来做一点点补充，方便大家理解。上述大佬文章的简版内容…
金融市场中的机器学习；快手推出自研语言模型“快意”
🦉 AI新闻
🚀 OpenAI可能面临《纽约时报》的起诉，侵犯知识产权引发争议
摘要：OpenAI使用《纽约时报》的文章和图片来训练AI模型，违反了《纽约时报》的服务条款，可能面临巨大损失。此前，也有其…
第七章.集成学习(Ensemble Learning)—袋装(bagging),随机森林(Random Forest)
第七章.集成学习 (Ensemble Learning) 7.1 集成学习—袋装(bagging),随机森林(Random Forest)
集成学习就是组合多个学习器，最后得到一个更好的学习器。 1.常见的4种集成学习算法
个体学习器之间不存在强依赖关系，袋装（bagging）…
机器学习十大算法之七——随机森林
0 引言
集成学习（ensemble learning）是时下非常流行的机器学习算法，它本身不是一个单独的机器学习算法，而是通过在数据上构建多个横型，集成所有模型的建模结果，基本上所有的机器学习领域都可以看到集成学习…
GPT和AI绘图学习【第13期】，chatgpt文案制作引导并写出爆款小红书推文、AI换脸、客服话术回复等
第13期GPT和AI绘图学习班，主要内容包括：ChatGPT文案制作引导并写出爆款小红书推文、分析数据、策划视频脚本、图片扩展、高效修图、产品设计、平面设计、线镐渲染、AI换脸、客服话术回复等。
目录：
1.第1天：运用GPT提高工作效率…
数据挖掘知识规整与心得体会
一.大数据的特点： 数据多，类型多，更新快，更新内容多。
二.分类（classification）与混淆矩阵（confusion matrix） 这里的分类说的是二分类问题，比如说把人分为好人和坏人&a…
数据架构中的数据问题
识别假设对于打破假设至关重要ーー而打破假设是创造力和技术创新。近来，chatGPT再一次激发了人们对通用人工智能的热情，甚至到了人人都在谈AIGC的地步。然而，大模型对数据丰富性的依赖更加严重，面向机器学习以及深度学习的数据架构…
神经网络训练之“train from scratch“ 和 “Finetune“ 和 “Pretrained“
神经网络训练之"train from scratch" 和 “Finetune” 和 “Pretrained”
train from scratch
在解释 train from scratch (有说简称为TFS)，即从头训练前，先说一下剪枝中的one-shot剪枝（一次剪枝）常见流程：…
13、牛顿法和梯度下降法有什么不同？
牛顿法（Newtons method） 牛顿法是一种在实数域和复数域上近似求解方程的方法。方法使用函数f (x)的泰勒级数的前面几项来寻找方程f (x) 0的根。牛顿法最大的特点就在于它的收敛速度很快。
具体步骤： 首先，选择一个接近函数 f (x…
6、请简要说说一个完整机器学习项目的流程
1 抽象成数学问题 明确问题是进行机器学习的第一步。机器学习的训练过程通常都是一件非常耗时的事情，胡乱尝试时间成本是非常高的。 这里的抽象成数学问题，指的我们明确我们可以获得什么样的数据，目标是一个分类还是回归或者是聚类的问题&…
因果图模型与d-分离
一、图模型
一般图都是由链结构(chain)、分叉结构(fork)、对撞结构(collider)这三种结构所组成，通过组合这三种结构，可以形成复杂图模型。
下面分别介绍这三种结构，以及对应的Rule.
1、链结构(Chain)
下图就是一个基本的链结构࿰…
二元回归方程中的斜率b与协方差的关系
最近在《Causal inference in Statistics:A primer》（统计因果推理入门）的第一章1.3.10中看到这样一句话，即若Y关于X的回归方程为yabx,则斜率b可以用协方差计算，即： bRXYσXYσX2b R_{XY}\frac{σ_{XY}}{σ_{X}^2} bR…
基于粒子滤波器的目标跟踪算法及实现
原文地址：http://blog.csdn.net/jinshengtao/article/details/30970733 http://blog.csdn.net/jinshengtao?viewmodecontents 推荐大家看论文《An adaptive color-based particle filter》
这次我直接截图我的硕士毕业论文的第二章的一部分，应该讲得比…
PCA中降维的使用方法
PCA中降维的使用方法： 转载至：https://www.cnblogs.com/roygood/articles/10404472.html 函数原型及参数说明 这里只挑几个比较重要的参数进行说明。 sklearn.decomposition.PCA(n_componentsNone, copyTrue, whitenFalse) n_components: int, float, No…
机器学习 复习五 关联
项集与规则
频繁集frequent itemsets
关联规则 association rules 序列模式 sequential patterns 实例：商品拜访
支持度与向量度 support（X）#X/n 条件概率 最小支持度 最小置信度 步骤： 找到所有频繁项 生成频繁项所有非空子…
为更美好的商业生态，全力以赴
“这是天猫双11的第13个年头，轮回之后，新启之年。Lets go to happiness是今年双11的主题，我们不仅希望为消费者带来购物的快乐，消费体验持续升级的同时，与生态伙伴、客户一起搭建绿色可持续的商业生态。淘系技术推动电…
深度学习中的数据归一化
最近在做低氧舱滞后时间模拟的项目中遇到了输入数据量纲不同的情况，使用归一化和直接学习对比的情况发现训练结果大有不同。因此记录一下。 归一化作用基本原理实现方法什么时候需要归一化作用
归一化是一种简化计算的方式，即将有量纲的表达式ÿ…
tf.argmax（）的用法
tf.argmax（）的主要功能是找出最大值并返回索引，注意是索引。下面是主要的内参数
tf.argmax(input,axisNone,nameNone,dimensionNone,output_typetf.int64
)
# input代表输入的数组
# axis代表张量的最大维数0代表1维，1代表行二维…
Python+Anaconda+PyCharm的安装和基本使用【适合完全零基础】
PythonAnacondaPyCharm的安装和基本使用【适合完全零基础】一.Python安装前必须知道的三个概念1.1 python解释器（翻译）1.2 编辑器（编写代码）1.3 包管理工具二.Python下载及安装软件2.1 下载Python解释器2.2 下载 Python编辑器Pych…
利用神经网络实现手写字识别
神经网络介绍
神经网络即多层感知机
如果不知道感知机的可以看博主之前的文章感知机及Python实现
神经网络实现及手写字识别
关于数据集：
从http://yann.lecun.com/exdb/mnist/下载，下载后将文件解压将main函数中的path改为下载文件的存储路径即可 …
google机器学习笔记（二）
简化正则化 Regularization for Simplicity
为了简化而进行的正则化。 正则化：降低模型的复杂度以减少过拟合的方法。
先理解正则化的意义：依据不要过于信赖样本的原则。 训练集具有独特扰动和特殊性。（类比学习语言的时候如果完全学习一个…
虚拟空间+AI设计是锦上添花吗？｜聊聊虚拟空间设计
Tana我是Tana，我们又见面啦～上篇我们介绍了虚拟空间的设计方向，本期将会关注虚拟空间设计流程与新工具，顺序如下：1.现有设计流程与工具2.AI设计批量制造，多选多用3.模块化设计拼装新手友好，人人…
stl vector 函数_使用C ++ STL中的vector :: begin（）和vector :: end（）函数以向量的相反顺序打印所有元素...
stl vector 函数以相反的顺序打印向量的所有元素 (Printing all elements of a vector in reverse order) To print all elements of a vector in reverse order, we can use two functions 1) vector::begin() and vector::end() functions. 要以相反的顺序打印矢量的所有元素…
人工智能：一种解决问题的方法 | Mixlab 独家专访出书成员
薛志荣-ML01最近发现，“成功” 这个词并不代表着终点，它不是永恒的胜利，只是暂时性的。设计也一样，只要它在一个阶段内给产品和用户创造价值，它就是好的设计；当它创造的价值越来越少甚至是负值时࿰…
stl向量_在C ++ STL中以整数向量推送和打印元素
stl向量In this example, we are declaring an integer vector, pushing the elements using a for loop with the counter starting value from 1 to 5 and then printing the value separated by space. 在此示例中，我们声明一个整数向量 ，使用for循环…
研究机器学习（Machine Learning）的程序员必知的10大算法
毫无疑问，机器学习/人工智能的子领域在过去几年越来越流行。由于大数据是目前科技领域最热门的趋势，基于这些大规模的数据，机器学习在预测和计算建议方面变得不可思议的强大。最常见的机器学习的例子就是 Netflix（一家在线影片租赁…
AI时尚前沿趋势，时尚黑客聚集ing ｜FashionHack专栏
- AI DISCOVERY -算法 怀旧 2020 我们的未来央美讲座《后疫情时代艺术、时尚和品牌对社会的贡献》法国奢侈品牌路易威登现任男装艺术总监 Virgil Abloh 如是表达算法与时尚之间的关系。今天推荐FashionHack的内容。石多恩 是我们FashionHack专栏作者，除了专栏还参…
![DeepLearning[花书] 参考资料](https://img-blog.csdnimg.cn/2bf0f4315c4044abbb2794a2dae6aeb9.png)
DeepLearning[花书] 参考资料
文章目录1. 英文原书官网2. 中文翻译3. 朱明超 - 花书原理推导和代码实现4. 花书各章笔记其他参考1 公开课2 中文课程参考1. 英文原书官网
由MIT出版http://www.deeplearningbook.org
2. 中文翻译
https://github.com/exacity/deeplearningbook-chinese
3. 朱明超 - 花书原…
mat2cell函数解析
在提取人脸的lbp特征时，看到mat2cell这个函数，在查阅了一些资料后在此记录一下。 1、什么是元胞数组 Cell Array也称为元胞数组，是matlab存储数据的一种特有的存储数据的类型。 使用形式就是：比如先定义了一个字符型的变量a&#…
《统计学习方法》第15章习题答案（持续更新）
15.1 A[120202]A\begin{bmatrix} 1 & 2 & 0\\2 & 0 & 2 \end {bmatrix}A[122002] ATA[122002][120202][524240404]A^TA \begin{bmatrix} 1 & 2\\2 & 0\\ 0 & 2 \end {bmatrix}\begin{bmatrix} 1 & 2 & 0\\2 & 0 & 2 \end {b…
归一化互信息(NMI)评价指标
信息熵
对信息进行量化度量。可以理解为某种特定信息的出现概率。
计算公式 相对熵
【百度百科】相对熵（relative entropy），又被称为Kullback-Leibler散度（Kullback-Leibler divergence，KL散度）或信息散…
张量 Tensor 的数据类型
在 torch 中 CUP 和 GPU 张量分别有 8 种数据类型，中默认的数据类型为 32 位浮点型
数据类型dtypeCPU TensorGPU Tensor16 位浮点型torch.float16 或 torch.halftorch.HalfTensortorch.cuda.HalfTensor32 位浮点型torch.float32 或 torch.floattorch.FloatTensorto…
R-CNN论文阅读记录
R-CNN: Regions with CNN features 论文的链接：Rich feature hierarchies for accurate object detection and semantic segmentation目标检测： 先确定需要检测什么？是检测人还是检测猫或者检测狗，还是说都要检测，大多…
打破次元壁，融合自然语言与视觉 | MixLab 人工智能
#DALLE 和 CLIP#、#OpenAI#DALLE 和 CLIPDALLE 可以基于文本直接生成图像；CLIP 则能够完成图像与文本类别的匹配。OpenAI 联合创始人、首席科学家 Ilya Sutskever 表示：人工智能的长期目标是构建「多模态」神经网络，即 AI 系统能够学习多个不…
除了空间设计、体验设计和程序设计之外，我还喜欢课程设计 | shadow的实验室...
今天提前过了生日，作为35岁的中年老男人，内心百感交集。设计师、程序员、老师，国企、民企，甲方、乙方，大厂、创业公司、自由职业基本都经历过，同时还是父亲的身份，有非常多的经验值得分享&#…
灾害事件下社交媒体图文相关性研究
灾害事件下社交媒体图文相关性研究
摘 要
对灾害情境下的微博图片和文本内容进行分析，理解灾害情境下微博图片与文本的相关性。基于图像语义理解框架构建图文相关性分类模型，通过对图像和文本进行特征抽取，利用机器学习和深度学习方法提出图…
机器学习（0）：机器学习概述及基本概念
最近自己会把自己个人博客中的文章陆陆续续的复制到CSDN上来，欢迎大家关注我的 个人博客，以及我的github。
一、序言
机器学习（machine learning）是当前计算机专业的一大热门，也是我研究生几年需要学习的内容之一。虽…
文本相似度分类方案研究
原文链接 文本相似度的三种模型结构(1) cross-encoder类：对一组句对进行编码，编码过程中可以进行句内及句间的信息交互。(2) bi-encoder类：分别对source文本和target文本进行编码，再通过网络结构进行表示间的交互和计算࿰…
机器学习中的基本数学知识
参考： http://www.cnblogs.com/steven-yang/p/6348112.html； https://zhuanlan.zhihu.com/p/25197792；
新书推荐之《Python数据分析实战》（手把手教你学Python系列视频配套教材）
书名：Python数据分析实战
ISBN：978-7-302-57235-0
作者：朱文强 钟元生 主编 高成珍 周璐喆 徐军 副主编
出版社：清华大学出版社
出版日期：2021年3月第1版
清华大学出版社官网链接
当当网、京东商城等均有售
本书…
我看中的AI落地场景。
最近在看《别拿相关当因果！因果关系简易入门》这本书，提到的一项实验有点意思：公司的CEO并不关心他们关于提高利润的最新提案是否对环境有利，他们只关心利润。结果当环境遭到破坏时，参与者往往会责怪这位CEO࿱…
无处不在的算法 | 第35期 Mix+AI
Knowledge/ def mix( ):本期收录新增20NO. 35#机器学习##实验课#本实验通过对糖尿病指标数值和患者性别的预测，带领进行入门练习，以及总结思考。实验表明了：数据决定了机器学习的上限，而算法尽可能逼近这个上限。#AI教练##体育#在…
AI新艺术趋势，不仅包括GANism，还有…… | mixlab交叉学科
GAN KNN CVPR 层次聚类算法AI艺术领域计算美学 聚类 智能设计 预测偏好生成式对抗网络（GAN, Generative Adversarial Networks ）是一种深度学习模型。模型通过两个模块：生成模型（Generative Model）和判别模型ÿ…
经典论文阅读《ImageNet Classification with Deep ConvolutionalNeural Networks》
一、摘要：
1.训练了一个大型深度卷积神经网络来将ImageNet LSVRC-2010竞赛的120万高分辨率的图像分到1000不同的类别中。在测试数据上，得到了top-1 37.5%, top-5 17.0%的错误率，这个结果比目前的最好结果好很多。
2.这个神经网络有6000万参…
用TensorFlow.js在浏览器中进行实时语义分割 | MixLab算法系列
语义分割是监测和描绘图像中每个感兴趣对象的问题当前，有几种方法可以解决此问题并输出结果如下图示：语义分割示例这种分割是对图像中的每个像素进行预测，也称为密集预测。十分重要且要注意的是，同一类的实例并不会分开࿰…
闲鱼搜索召回升级：向量召回个性化召回
在搜索系统中，召回环节位于排序漏斗的最底层，决定了下游排序的空间大小，其重要程度毋庸置疑，在闲鱼搜索场景亦是如此。然而由于机器和人力资源的限制，长期以来闲鱼搜索的召回都是使用最简单的基于文本的召回方式&#…
建筑师还用用人工智能做什么？#AIG 2020年第二期
设计认知Development of an Urban Greenery Evaluation System Based on Deep Learning and Google Street View (Xia, Yabuki, and Fukuda 2020)关键词：CNN，语义分割，街景图视频汇报下载：https://drive.google.com/file/d/16zkM2…
论文笔记 CCL 2020|基于BERT的端到端中文篇章事件抽取
文章目录1 简介1.1 创新2 方法3 实验1 简介
论文题目：基于BERT的端到端中文篇章事件抽取 论文来源：CCL 2020 论文链接：https://aclanthology.org/2020.ccl-1.36/
1.1 创新
提出了一个篇章级别事件抽取语料集，事件定义为event …
论文笔记 ISCC 2019|BGP Dataset Generation and Feature Extraction for Anomaly Detection
文章目录1 简介1.1 动机1.2 创新2 背景知识3 方法3.1 特征提取3.2 数据集生成3.3 流量行为趋势分析3.3.1 Anomaly and regular traffic3.3.2 Direct, indirect and outage anomalie4 总结1 简介
论文题目：BGP Dataset Generation and Feature Extraction for Anoma…
34- PyTorch数据增强和迁移学习 (PyTorch系列) (深度学习)
知识要点 对vgg 模型进行迁移学习定义数据路径: train_dir os.path.join(base_dir, train) # base_dir ./dataset 定义转换格式:
transform transforms.Compose([transforms.Resize((96, 96)), # 统一缩放transforms.ToTensor(), # 转换为tensortransforms.No…
Elucidating the Design Space of Diffusion-Based Generative Models 阅读笔记
文章使用模块化（modular）的思想，分别从采样、训练、score network设计三个方面分析和改进diffusion-based models。
之前的工作1已经把diffusion-based models统一到SDE或者ODE框架下了，这篇文章的作者同样也从SDE和ODE的角度出发…
离散小波变换(概念与应用)
目录 概念光伏功率预测中，如何用离散小波变换提取高频特征概念
为您简单地绘制一些示意图来描述离散小波变换的基本概念。但请注意，这只是一个简化的示意图，可能不能完全捕捉到所有的细节和特性。
首先，我将为您绘制一个简单的小波函数和尺度函数的图像。然后，我会提供一…
【李宏毅】自注意力机制self-attention
课件网址：
【機器學習2021】自注意力機制 (Self-attention) (上) - YouTube
【機器學習2021】自注意力機制 (Self-attention) (下) - YouTube
这两章课程主要在讲self-attention是怎么做的，对应的矩阵操作是什么，以及为什么要这样处理。
…
CCGNet用于发现共晶材料中的coformer
共晶工程（cocrystal engineering）在制药，化学和材料领域有广泛应用。然而，如何有效选择coformer一直是一个挑战性课题。因此，作者开发了一个基于GNN的深度学习框架用于快速预测共晶的形成。为了从现有报告的6819个正样…
目标检测YOLO实战应用案例100讲-基于改进YOLO v7的智能振动分拣系统开发（续）
目录
3.2 引入EIOU损失函数
3.2.1 CIOU损失函数
3.3.2 基于Focal-EIOU损失函数的网络优化 编辑
集成学习方法之随机森林-入门
1、 什么是集成学习方法
集成学习通过建立几个模型组合的来解决单一预测问题。它的工作原理是生成多个分类器/模型，各自独立地学习和作出预测。这些预测最后结合成组合预测，因此优于任何一个单分类的做出预测。
2、 什么是随机森林
在机器学习中&…
机器学习——词向量模型（未开始）
挖坑…要么我来填坑，要么把我填坑 反正…闲着也是闲着，那就薅自己头发，虐自己脑袋 适度自虐，有助于身心健康，阿弥陀佛…
基于LDA的隐式标签协同过滤推荐算法_文勇军
， 王全民等人［１４］提出了一种交替奇异值分解算法 （ＡＳＶＤ），即结合协同过滤和隐语义分析的混合推荐 算法。唐泽坤等人［１５］融合聚类算法和协同过滤推荐 算法，取得了一定效果。高娜等人［１６⁃１９］将标签因子 和协同过滤推荐算法结合研究缓解了数据稀疏问题，但这…
Python_机器学习_常用科学计算库_第3章_Matplotlib
Python_机器学习_常用科学计算库_第3章_Matplotlib 文章目录Python_机器学习_常用科学计算库_第3章_MatplotlibMatplotlib1.1 库的安装学习目标1 安装需要的库1.1通过自己搭建虚拟环境安装机器学习阶段环境1.2 通过anaconda安装机器学习阶段环境2 小结2.2 基础绘图功能 — 以折…
MiniGPT-4，开源了！
上个月GPT-4发布时，我曾写过一篇文章分享过有关GPT-4的几个关键信息。
当时的分享就提到了GPT-4的一个重要特性，那就是多模态能力。
比如发布会上演示的，输入一幅图（手套掉下去会怎么样？）。 GPT-4可以理解…
[机器学习西瓜书]3.线性回归
介于看完之后老是不知道看了些啥，所以开这么一部分blog对看到的内容进行记录整理 当然知识介绍肯定没有书上写的详细，仅限于自己对内容的整理
0. 线性模型概述
试图学习一个通过属性的线性组合来进行预测的函数这里学到的主要内容 线性回归——最小二乘…
读书笔记 | 《机器学习》(周志华)
记录《机器学习》(周志华)的相关阅读笔记。 文章目录第1章 绪论第2章 模型评估与选择第3章 线性模型第4章 决策树第1章 绪论
模型预测的是离散值，称为分类；预测的是连续值，称为回归。机器学习算法在学习过程中对某种类型假设的偏好ÿ…
Kaggle房价预测案例（附数据集）
数据集链接
import pandas as pd
import numpy as nptrain_data pd.read_csv(train.csv,index_col 0)
test_data pd.read_csv(test.csv,index_col 0)
train_data.head()train_y_test train_data[SalePrice] #对比数据前后变化
train_y np.log1p(train_data.pop(SalePr…
机器学习之Logistic回归详解
文章目录前言Odds引出logit函数logit函数推导它的反函数sigmod函数sigmod函数推导Logistic回归求解参数$\theta$值前言
Logistic回归是把线性回归（连续的）转化为二分类的问题（不连续的）的模型 今天从头梳理一下Logistic回归。 文…
【深度强化学习-笔记 02】
参考链接
深度强化学习（Deep Reinforcement Learning）入门 深度强化学习-基础知识（关系）理解 《深度强化学习：基础、研究与应用》书籍（中文开源） github DeepRL gihub DRL resources for learn…
![[github-100天机器学习]day1 data preprocessing](https://img-blog.csdnimg.cn/34af6683dccc48caa24fd20ecaceacbf.png)
[github-100天机器学习]day1 data preprocessing
https://github.com/LiuChuang0059/100days-ML-code/blob/master/Day1_Data_preprocessing/README.md#step-6-feature-scaling—特征缩放 数据预处理
数据帧(Data Frame) 二维的表格形式，类似于电子表格或关系型数据库中的表。数据帧通常被用来存储和操作结构化数据…
MAC系统使用VScode 开发Arduino （安装/设置与使用）
MAC系统使用VScode 开发Arduino （安装/设置与使用）
1.安装Arduino IDE
https://www.arduino.cc/en/software
2.mac系统安装VScode
https://code.visualstudio.com/
3.VScode 安装C/C for Visual Studio Code 开发环境支持
注意：是微软的…
CFM-ID | 质谱碎片预测工具
CFM-ID的简要介绍及使用一、CFM-ID工具简介二、CFM-ID作用2.1 质谱预测2.2 峰注释2.3 化合物鉴定三、CFM-ID库3.1 cfmid 包含内容3.2 cfmid 功能3.2.1 cfm-predict3.2.2 cfm-id3.2.3 cfm-id-precomputed3.2.4 cfm-annotate3.2.5 cfm-train3.2.6 fraggraph-gen四、CFM-ID | cfm-…
机器学习之有监督学习实例_01 —— 鸢尾花数据集的分类
Iris 数据集简介 ：
Iris Data Set（鸢尾属植物数据集）首次出现在著名的英国统计学家和生物学家Ronald Fisher 1936年的论文《The use of multiple measurements in taxonomic problems》中，被用来介绍线性判别式分析。该数据集种包…
《机器学习》慕课版课后习题-第13章
中国工信出版集团、人民邮电出版社出版的赵卫东、董亮编著的《机器学习》慕课版
第13章 推荐系统
1.推荐系统的功能是什么？
解：推荐系统是一种帮助用户快速发现有用信息的工具。通过分析用户的历史行为，研究用户偏好，对用户兴趣…
《机器学习》慕课版课后习题-第10章
中国工信出版集团、人民邮电出版社出版的赵卫东、董亮编著的《机器学习》慕课版
第10章 分布式机器学习
1.分布式学习用在什么场合？
解：机器学习是计算机利用已有的数据生成某种模型，并且利用此模型预测的一种方法。在确定模型结构之后&am…
《机器学习》慕课版课后习题-第8章
中国工信出版集团、人民邮电出版社出版的赵卫东、董亮编著的《机器学习》慕课版
第8章 支持向量机
1.作为一种分类算法，支持向量机的基本原理是什么？
解：支持向量机是一种二分类模型。它的基本模型是定义在特征空间上的间隔最大的线性分类…
Python高光谱遥感数据处理与机器学习实践技术
目录
第一章 高光谱基础
第二章 高光谱开发基础（Python）
第三章 高光谱机器学习技术（python）
第四章 典型案例操作实践 总结了高光谱遥感技术领域的基础原理与核心概念，采用编程语言复现经典数据处理和应用方法&am…
强化学习DQN之俄罗斯方块
强化学习DQN之俄罗斯方块强化学习DQN之俄罗斯方块算法流程文件目录结构模型结构游戏环境训练代码测试代码结果展示强化学习DQN之俄罗斯方块
算法流程
本项目目的是训练一个基于深度强化学习的俄罗斯方块。具体来说，这个代码通过以下步骤实现训练：
首先…
ML@sklearn@ML流程Part2@数据划分@KFold折叠交叉验证
文章目录 MLsklearnML流程Part2数据划分KFold折叠交叉验证Model evaluation数据划分sklearn中的模型评估demo K-fold cross-validation🎈K-foldegegeg:KFoldK-fold cross-validation ShuffleSpliteg 小结 Stratified Shuffle Splitegeg demo MLsklearnML流程Part2数…
二分类结局变量Logistic回归临床模型预测（一）——介绍
本节讲的是二分类结局变量的临床模型预测，与之前讲的Cox回归不同，https://lijingxian19961016.blog.csdn.net/article/details/124088364https://lijingxian19961016.blog.csdn.net/article/details/124088364https://lijingxian19961016.blog.csdn.net/…
机器学习 -Statsmodels
机器学习记录
Statsmodels
用于探索数据, 估计模型, 并运行统计检验.
conda install -y statsmodels线性回归
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm
import statsmodels.datasets.utils as du
import sea…
【读论文】TCL: an ANN-to-SNN Conversion with Trainable Clipping Layers
DAC 2021
背景
通过ANN2SNN的方法得到的SNN中，存在准确性和延迟之间的一种权衡关系，在较大的数据集（如ImageNet）上可能会有较高的延迟。
主要贡献
分析了转换后SNN精度与延迟之间存在权衡关系的原因，并指出了如何缓…
模拟退火法--数学建模（附案例代码）
1.模拟退火算法简介
模拟退火算法（Simulated Annealing，SA）是一种随机搜索算法，可以在非常复杂的问题中找到全局最优解或接近最优解的解。它的名字来源于固体物理中的模拟退火过程，退火过程是将物质加热至高温再缓慢冷…
人群计数经典方法Density Map Estimation,密度图估计
（3）Density Map Estimation（主流）
这是crowd counting的主流方法
传统方法不好在哪里？object detection-based method和regression-based method无法从图像中提取更抽象的有助于完成人群计数任务的语义特征 概况&…
卡尔曼滤波——一种基于滤波的时序状态估计方法
文章目录1. Kalman滤波及其应用2. Kalman原理公式推导：Step 1：模型建立Step 2：开始Kalman滤波Step 3：迭代滤波本文是对
How a Kalman filter works, in pictures一文学习笔记，主要是提炼核心知识，方便作者快…
60_Pandas中是否包含判断缺失值NaN并统计个数
60_Pandas中是否包含判断缺失值NaN并统计个数
下面介绍如何判断pandas.DataFrame、Series是否包含缺失值NaN以及如何统计缺失值NaN的个数。
使用 isnull()、isna() 确定每个元素的缺失值判断每一行/列的所有元素是否缺失值判断每一行/列是否至少包含一个缺失值计算每行/列的缺…
2023年华中杯C题计算结果
经过一晚上代码的编写，论文的写作，C题完整版论文已经发布，
注：蓝色字体为说明备注解释字体，不能出现在大家的论文里。黑色字体为论文部分，大家可以根据红色字体的注记进行摘抄。对应的详细的写作视频教程&…
Advanced Predictive Model 知识要点总结2
Content1 Odds and Odds ratioLink function for binary dataOdds Definition2 Is it good fit?For GLM: Deviance DDDFor logistic regression (binomial models):3 Logistic regression classier (逻辑回归分类)ROC 曲线 receiver operating characteristic (ROC) curveAUC4…
《机器学习》慕课版课后习题-第7章
中国工信出版集团、人民邮电出版社出版的赵卫东、董亮编著的《机器学习》慕课版
第7章 贝叶斯网络
1.贝叶斯定理的适用条件是什么？
解：贝叶斯定理的适用条件是条件变量之间的独立性。
2.举例说明贝叶斯定理的应用。
解：传统的垃圾邮件过…
《机器学习》慕课版课后习题-第6章
中国工信出版集团、人民邮电出版社出版的赵卫东、董亮编著的《机器学习》慕课版
第6章 神经网络
1.简述感知机的基本原理。
解：一个感知机可以接受n个输入x(x1, x2, x3, ……, xn)，对应n个权值w(w1, w2, w3, ……, wn)，此外还有一个偏置项…
Stanford 概率论(cs228)
看过很多国内概率论教程，感觉不是很清晰，分享一个很不错的斯坦福大学的概率论(偏机器学习)教程。适合高年级本科生以及研究生。有什么问题欢迎私信！
【2021年1月新书推荐】Deep Learning with Swift for TensorFlow
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2021年1月由Apress出版社最新出版的一本关于机器学习的书，涉及的语言为Swift。
Deep Learning with Swift for TensorFlow 作者…
【2021年1月新书推荐】TensorFlow 2.x in the Colaboratory Cloud
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2021年1月由Apress出版社最新出版的一本关于机器学习的书，涉及的语言为Python。
TensorFlow 2.x in the Colaboratory Cloud 作者&#…
《机器学习》慕课版课后习题-第3章
中国工信出版集团、人民邮电出版社出版的赵卫东、董亮编著的《机器学习》慕课版
第3章 决策树与分类算法
1.分类解决什么问题？
解：分类算法是利用训练数据集获得分类函数即分类模型(分类器)，从而实现将数据集中的样本划分到各个类中。分类…
preprint版本 | 何凯明新作MAE | CVPR2022bestpaper候选
文章转自：微信公众号【机器学习炼丹术】笔记作者：炼丹兄（已授权转载）联系方式：微信cyx645016617论文题目：“Masked Autoencoders Are Scalable Vision Learners”
0摘要 本文证明了蒙面自动编码器…
self-training | 域迁移 | source-free（三）
文章转自微信公众号：机器学习炼丹术论文名称：Domain Adaptive Semantic Segmentation without Source Data会议名称：ACM MM作者：炼丹兄（欢迎交流共同进步）联系方式：微信cyx645016617
0 综述 上…
《机器学习》慕课版课后习题-第2章
中国工信出版集团、人民邮电出版社出版的赵卫东、董亮编著的《机器学习》慕课版
第2章 机器学习基本方法
1.什么是标准差、方差和协方差？它们反应了数据的什么内容？
解：标准差描述的是样本集合的各个样本点到均值的距离分布，描…
Python机器学习：适合入门的8个项目
再多的理论也不能代替动手实践。 教科书和课程会让你误以为精通，因为材料就在你面前。但当你尝试去应用它时，可能会发现它比看起来更难。而「项目」可帮助你快速提高应用的 ML 技能，同时让你有机会探索有趣的主题。 此外，你可以将…
self-training | 域迁移 | source-free的域迁移一
文章转自微信公众号：机器学习炼丹术论文名称：Give Me Your Trained Model: Domain Adaptive Semantic Segmentation without Source Data作者：炼丹兄（欢迎交流共同进步）联系方式：微信cyx645016617
0 什么是…
《遗传算法原理及应用》笔记—遗传算法的高级实现技术
四、遗传算法的高级实现技术
笔者最近在学习遗传算法，希望可以通过笔记对遗传算法做一个简要的介绍与记录。也欢迎小伙伴们一起学习交流。 文章目录四、遗传算法的高级实现技术4.1 倒位算子4.2 二倍体与显性操作因子4.2.1 二倍体结构的生物基础4.2.2 二倍体结构在遗…
对疫情期间量化策略表现的看法
疫情期间，许多大型量化对冲基金就经历了史无前例的巨额亏损，比2007年8月的那次quant meltdown还要严重。许多久负盛名的基金甚至因为这次疫情引发的金融危机而破产了，比如oxford asset management, qt fund等等。这些大额亏损、甚至倒闭的量化…
图网络 | Graph Attention Networks | ICLR 2018 | 代码讲解
【前言】：之前断断续续看了很多图网络、图卷积网络的讲解和视频。现在对于图网络的理解已经不能单从文字信息中加深了，所以我们要来看代码部分。现在开始看第一篇图网络的论文和代码，来正式进入图网络的科研领域。
论文名称：‘GR…
2022互联网大厂薪资大比拼
点击上方“果汁简历”，选择“置顶公众号”
这两天，中国互联网巨头在经历持续下跌后忽然暴涨！腾讯暴涨23%，阿里暴涨27%，美团暴涨32%，快手暴涨34%……巨头们集体起飞，这无疑让所有互联网人信心大增…
小样本分割 | FSS1000 | CVPR2020
论文名称：“FSS-1000: A 1000-Class Dataset for Few-Shot Segmentation”笔记作者：炼丹兄（已授权）联系方式：微信cyx645016617 （欢迎交流，共同进步）
【预告】：近期会更新…
自然数编码：sklearn.preprocessing.LabelEncoder
文章目录1 介绍LabelEncoder2 作用3 代码举例4 代码举例21 介绍LabelEncoder
在训练模型之前，需要对数据进行处理，比如说分类，进行类别编号。
举例：把“男”、“女”编号为“0”和“1”。2 作用
把 n 个类别编码为 0 ~ n-1 之间…
在git上面看到的代码，浅学了一下
文章目录0 写在前面1 这段代码可以直接运行0 写在前面
安装包的时候，一定要注意版本兼容问题（我连续搞了三天才整明白了） 大家可以移步下面的链接，要个关注不过分吧~ https://blog.csdn.net/weixin_42521185/article/details/124…
Matplotlib绘图：简单、直接上手
文章目录0 写在前面1 plt.plot() 函数1.1 分开写参数1.2 marker的参数设置1.3 设置标题、x和y轴的字体等1.4 设置刻度1.5 设置刻度朝向1.6 刻度的长度、宽度1.7 画多个plt的时候，添加图例1.8 设置多图层的图层顺序1.9 指数坐标轴2 plt.subplots()画多个子图3 保存到…
TypeError: fit_transform() missing 1 required positional argument: ‘X‘——报错
文章目录1 解决过程【成功】2 学习Sklearn之数据预处理——StandardScaler2.1 数据处理——标准化、归一化2.2 为什么要归一化？2.3 归一化的适用范围2.4 归一化公式2.5 标准化公式3 标准化和归一化区别？4 数据处理时的选择1 解决过程【成功】
源代码如下…
论文学习——基于时域卷积神经网络的水文模型
文章目录0 封面1 标题 title2 作者 author3 摘要 abstract4 关键字 keywords5 结论 conclusion6 引言 introduction7 时序卷积神经网络写在前面：计算机应用；主办方：中国科学院成都分院、四川省计算机学会；中文核心期刊；…
PyTorch深度学习入门 || 系列（一）
文章目录0 写在前面1 准备pytorch2 Tensor基础知识2.1 如何创建和操作Tensor2.1.1 基本创建方法：torch.Tensor()2.1.2 快速创建方法：torch.zeros()2.1.3 快速创建方法：torch.eyes()2.1.4 快速创建方法：torch.ones()2.1.5 快速创建…
机器学习基础(林軒田)笔记之四
机器学习基础(林軒田)笔记之四
Feasibility of Learning 本堂课主要讲机器学习的可能性。一.Learning is Impossible? 天下没有免费的午餐(no free lunch)规则：用任何训练数据及得到的g，对于测试数据集都可能是无效的，即假设g和目标函数f可…
机器学习基础(林軒田)笔记之三
机器学习基础(林軒田)笔记之三
Types of Learning 本章主要介绍各种不同的机器学习问题。 一.Learning with Different Output Space
1.首先复习上节课的二元分类问题。 二值分类 (binary classification)：输出为 {1， -1}；图1中为线性可分的…
PyTorch深度学习实践（五）
文章目录1 分类问题1.1 MNIST数据集1.2 The CIFAR-10 数据集2 Sigmoid函数3 在线性模型中加入logis函数4 BCE损失函数5 logist回归和线性模型比较6 BCE的loss函数计算7 代码7.1 np.linspace()函数7.2 网格线设置写在前面：线性模型已经学的差不多啦，现在开…
train_dataset = train_dataset.batch(200)中的batch是什么意思
文章目录batch就是一次输入多少个数据，这里batch（200），就是说一次性输入200个数据。假设训练集总数据量时6000，那么就要输入30组（每组200个），才能把训练集全部训练一遍！这…
域迁移DA | Learning From Synthetic Data: Addressing Domain Shift for Se | CVPR2018
文章转自：微信公众号「机器学习炼丹术」作者：炼丹兄（已授权）联系方式：微信cyx645016617论文名称：“Learning From Synthetic Data: Addressing Domain Shift for Segmentation”
「前言」：最近…
医学图像配准 | SYMnet 对称微分同胚配准CNN（SOTA） | CVPR2020
文章转自：微信公众号「机器学习炼丹术」作者：炼丹兄（已授权）作者联系方式：微信cyx645016617论文名称：‘Fast Symmetric Diffeomorphic Image Registration with Convolutional Neural Networks’论文链接：https://arxiv.org/abs/2003.09514v30 综述
1 微分同胚回顾 ϕ …
决策树算法及Python实现
1 什么是决策树 决策树（Decision Tree）是一种基本的分类与回归方法，本文主要讨论分类决策树。决策树模型呈树形结构，在分类问题中，表示基于特征对数据进行分类的过程。它可以认为是if-then规则的集合。每个内部节点表示…
[二分类模板]python对若干数据集重复10次实验取平均结果
这里以xgboost为例
from time import time
import xgboost as xgb
import utils
def main():t time()projects [xxx1, xxx2, xxx3, xxx4,xxx5, xxx6, xxx7, xxx8, xxx9, xxx10]AA, PP, RR, FF 0, 0, 0, 0res {}repeat_times 10for project in projects:train_y, train_x,…
windows10下激活conda环境报错CommandNotFoundError: Your shell has not been properly configured to use conda
因为安装Anaconda是比较久以前的事情，安装了之后又没有用过，最近想用来机器学习，安装pytorch啥的，于是捡了回来。 首先查看了我电脑上的conda环境以及版本
conda info --env然后查看了一下版本，创建了一个自己的conda…
sigmoid函数推导过程
1.因为我们逻辑回归是用来做二分类，二分类有个特点就是正例概率负例概率1
所以我们可以将二分类的结果分为0或1，如果随机变量X只取0和1两个值并且相应的概率为
Pr(X1) p,Pr(X0) 1-p, 0<p<1（如果我们数据取1的情况下的概率我们定义成…
python机器学习——Kmeans之K值选取实现（肘部观察法）
Kmeans之K值选取实现# 导入必要的工具包。
import numpy as np
from sklearn.cluster import KMeans
from scipy.spatial.distance import cdist
import matplotlib.pyplot as plt
# 使用均匀分布函数随机三个簇，每个簇周围10个数据样本。
cluster1 np.random.unif…
Python 机器学习及实践——朴素贝叶斯理论
朴素贝叶斯理论
朴素贝叶斯（naive Bayes）法是基于贝叶斯定理与特征条件独立假设的分类方法。对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入x，利…
机器学习—K近邻算法（knn）【适合于大样本的自动分类】
Created on 2022年1月16日 1.获取数据集 2.数据基本处理 3.特征工程 4.机器学习(模型训练) 5.模型评估 author: datangzn from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler f…
人工智能的几个小故事
人工智能的三个小故事
西洋棋
1959年，美国前IBM员工塞缪尔（Arthur Samuel）开发了一个西洋棋游戏，这个西洋棋程序能够使得计算机自己跟自己下棋，然后根据下棋的经历来不断提升计算机自身的棋艺。由于计算机运行速度非…
广州大学机器学习与数据挖掘实验三：图像分类
相关资料
广州大学机器学习与数据挖掘实验一：线性回归 广州大学机器学习与数据挖掘实验二：决策树算法 广州大学机器学习与数据挖掘实验三：图像分类 广州大学机器学习与数据挖掘实验四：Apriori算法 四份实验报告下载链接…
neo4j构建算法_使用neo4j构建餐厅推荐引擎
neo4j构建算法Building on top of our previous guide on Neo4j, we are going to make full use of our knowledge and build a restaurant recommender system today. Make sure that you have a working version of Neo4j. If you are new to Neo4j, it is highly recommend…
用Caffe提取深度特征
用Caffe提取深度特征 发表于 2015-05-28 | 1条评论最近做对比实验，要比较非深度的方法加上deep feature之后的效果。于是就用Caffe提了一把特征，过程不困难但是有点繁琐，姑且记录下来，留个参考。 准备工作 用Caffe提取深度特征&…
线性回归与梯度下降法
前言 最近在看斯坦福的《机器学习》的公开课，这个课程是2009年的，有点老了，不过讲的还是很好的，廓清了一些我以前关于机器学习懵懂的地方。我的一位老师曾经说过: 什么叫理解？理解就是你能把同一个事情用自己的语言表达…
CutPaste: Self-Supervised Learning for Anomaly Detection and Localization 全文翻译+详细解读
CutPaste: Self-Supervised Learning for Anomaly Detection and Localization 全文翻译详细解读文章速览全文翻译及详细解释0.摘要Abstract1.介绍Introduction3. Related Work 相关工作4. Experiments 实验5. Ablation Study 消融研究6. Conclusion 总结代码测试-个人实验总结…
科学计算库—numpy随笔
文章目录 8.1、numpy8.1.1、为什么用 numpy？8.1.2、numpy 数据类型推理8.1.3、numpy 指定长度数组快速创建8.1.4、numpy 哪个是行、列？8.1.5、numpy 如何进行数据类型转换？8.1.6、numpy 有几种乘法？8.1.7、numpy 索引和切片操作8.…
espnet training
from:ESPnet2 — ESPnet 202301 documentation
from :Change the configuration for training — ESPnet 202301 documentation
训练完之后微调的命令： ./run.sh --stage 11 --ngpu 1 --asr_args "--max_epoch 205 --optim_conf lr0.1 --resume true" …
《可穿戴监测中的数据质量评估》阅读笔记
目录 一、论文摘要
二、论文十问
三、论文亮点与不足之处
四、与其他研究的比较
五、实际应用与影响
六、个人思考与启示
参考文献 一、论文摘要
从手腕捕获的神经生理信号的可穿戴记录为癫痫监测提供了巨大的潜力。然而，数据质量仍然是影响数据可靠性的最具…
基于樽海鞘算法的极限学习机(ELM)回归预测-附代码
基于樽海鞘算法的极限学习机(ELM)回归预测 文章目录 基于樽海鞘算法的极限学习机(ELM)回归预测1.极限学习机原理概述2.ELM学习算法3.回归问题数据处理4.基于樽海鞘算法优化的ELM5.测试结果6.参考文献7.Matlab代码 摘要：本文利用樽海鞘算法对极限学习机进行优化&…
openstack GPU
参考链接
添加虚拟GPU到实例
Nova的虚拟GPU特性可以实现使用能够提供虚拟GPU的物理GPU部署指定类型的GPU到实例。 比如单独的Intel GVT-g或者NVIDIA GRID vGPU物理图形处理器单元都可以被虚拟化成多个虚拟vGPUs，前提是hypervisor支持硬件的驱动以及有足够的容量来…
Inception结构详解(从V1到V4，再到xcpetion)
目录Inception概述为什么要用inceptionInception结构NiN对Inception的启发Inception v1Inception v2Batch Normalization小卷积核替代大卷积核Inception v3深度网络的通用设计原则卷积分解（Factorizing Convolutions）Inception v4Xceptioninception结构到…
多元线性回归改进RidgeLasso
多元线性回归改进 – 潘登同学的Machine Learning笔记 文章目录多元线性回归改进 -- 潘登同学的Machine Learning笔记(简单回顾)多元线性回归模型归一化normalization归一化的方法来个小例子试一试？正则化regularization正则项Lasso回归 和 Ridge岭回归L1稀疏L2平滑…
DeepChem的作用、安装、代码示例
deepchem是一个Python库，用于在分子和量子数据集上进行机器学习和深度学习。它基于PyTorch和其他流行的机器学习框架构建。它的目的是让用户能够轻松地将机器学习应用到新的领域，并构建和评估新的模型。它还旨在让用户能够轻松地在生产环境中使用机器学习…
一文总结经典卷积神经网络CNN模型
一般的DNN直接将全部信息拉成一维进行全连接，会丢失图像的位置等信息。 CNN（卷积神经网络）更适合计算机视觉领域。下面总结从1998年至今的优秀CNN模型，包括LeNet、AlexNet、ZFNet、VGG、GoogLeNet、ResNet、DenseNet、SENet、Sque…
记录踩过的坑-sklearn
目录
安装
使用逻辑回归报错：STOP: TOTAL NO. of ITERATIONS REACHED LIMIT.
内置的MNIST数据集
sklearn中的svm
sklearn中的svm训练太慢 安装
pip install scikit-learn 使用逻辑回归报错：STOP: TOTAL NO. of ITERATIONS REACHED LIMIT.
增加迭代…
机器学习之SVM分类器介绍——核函数、SVM分类器的使用
系类文章目录
机器学习算法——KD树算法介绍以及案例介绍
机器学习的一些常见算法介绍【线性回归，岭回归，套索回归，弹性网络】
文章目录
一、SVM支持向量机介绍
1.1、SVM介绍
1.2、几种核函数简介
a、sigmoid核函数 b、非线性SVM与核函…
R语言地理空间分析、可视化及模型预测
随着地理信息系统（GIS）和大尺度研究的发展，空间数据的管理、统计与制图变得越来越重要。R语言在数据分析、挖掘和可视化中发挥着重要的作用，其中在空间分析方面扮演着重要角色，与空间相关的包的数量也达到130多个。在本…
【问题解决】训练和验证准确率很高，但测试准确率很低
前情提要：
采用ResNet50预训练模型训练自己的图像分类模型。训练和验证阶段准确率很高，但随机输入一张图片时，大多数情况下依旧预测得不准确。
(于是开始搜索各种“验证准确率高但测试准确率低”的原因……)
问题探索：
1.我原…
tmall.item.sizemapping.template.create( 新增天猫商品尺码表模板 )
￥开放平台免费API必须用户授权 新增天猫商品尺码表模板
男鞋、女鞋、运动鞋、户外鞋类目，尺码表维度为： 脚长（cm） 必选
内衣-文胸类目，尺码表维度为： 上胸围（cm） 必选 …
实验07：子集和问题
1.实验目的：
深刻理解回溯法的基本思想，掌握回溯法解决问题的一般步骤，学会使用回溯法解决实际问题.运用所熟悉的编程工具，借助回溯法的思想求解子集和数的问题。
2.实验内容：
给定 n n n 个正整数 { x 1 , x 2 ,…
6.1 欧拉方法与改进欧拉方法
6.1.1 欧拉方法
欧拉方法是一种数值解常微分方程（ODE）的方法，可以用于近似求解给定的初值问题。它是以欧拉命名的瑞士数学家莱昂哈德欧拉所发明的，因此得名。
欧拉方法的基本思路是将连续的常微分方程转化为离散的形式。具体而言…
从华为DIGIX比赛理解--图像检索的通用流程（利用Face++开源PyRetri代码）
从华为DIGIX比赛理解--图像检索的通用流程（利用Face开源PyRetri代码）一 .PyRetri介绍二.程序讲解2.1 目录（1）configs：增加和修改trick（2）finetune.py:（3）gen_ret.py&…
![[论文笔记]SimMIM:a Simple Framework for Masked Image Modeling](https://img-blog.csdnimg.cn/d8775c50461f401e962e16833c5b9d0a.png)
[论文笔记]SimMIM:a Simple Framework for Masked Image Modeling
文章地址：https://arxiv.org/abs/2111.09886 代码地址：https://github.com/microsoft/SimMIM 文章目录 摘要文章思路创新点文章框架Masking strategyPrediction headPrediction targetEvaluation protocols 性能实验实验设置Mask 策略预测头目标分辨率预…
深度学习数值计算问题LAN
机器学习算法通常需要大量的数值计算。这通常是指通过迭代过程更新解的估计值来解决数学问题的算法， 而不是通过解析过程推导出公式来提供正确解的方法。 常见的操作包括优化（找到最小化或最大化函数值的参数）和线性方程组的求解。 对数字计算…
手撕机器学习算法--一步步推导-------NFL（没有免费午餐定理）
文章目录 前言一、NFL是什么？二、表现形式三、介绍四、手动推导 前言
其实机器学习也好，深度学习也罢，在我看来，代码编程终究是不重要的，因为现成的库，其数学原理，其公式推导才是我们需要理解的…
python算法中的机器学习算法之半监督学习和强化学习（详解）
目录
学习目标：
学习内容：
1. 半监督学习（Semi-Supervised Learning）
Ⅰ. 基于图的半监督学习
PINN potentials
Physically informed artificial neural networks for atomistic modeling of materials
Year: 2019 Authors: G. P. Purja Pun, R. Batra, R. Ramprasad & Y. Mishin Journal Name: Nature Communications
Innovation
扩展物理模型，使其具有广泛适用性&…
【2021年新书推荐】AWS Certified Machine Learning Specialty: MLS-C01 Certification Guide
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2021年3月由Packt出版社最新出版的一本关于AWS认证的机器学习专业考试的书。
AWS Certified Machine Learning Specialty: MLS-C01 Certification G…
【2021年新书推荐】Quantum Machine Learning with Python
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2021年3月由Apress出版社最新出版的一本关于机器学习的书，涉及的语言为Python。
Quantum Machine Learning with Python 作者࿱…
【2021年新书推荐】Computer Vision Using Deep Learning
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2021年3月由Apress出版社最新出版的一本关于计算机视觉和机器学习的书。
Computer Vision Using Deep Learning 作者：Verdhan, Vaibhav …
【2021年新书推荐】Transformers for Natural Language Processing
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2021年1月由Packt出版社最新出版的一本关于机器学习和NLP的书。
Transformers for Natural Language Processing 作者：Denis Rothman 出…
【2021年1月新书推荐】Cloud Analytics with Microsoft Azure
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2021年1月由Packt出版社最新出版的一本关于云分析、大数据和人工智能的书，涉及的平台为Azure。
Cloud Analytics with Microsoft Azure …
2020年小红书校招数据分析笔试题
星标可乐的数据分析之路一起进步学习哈喽，大家好，我是可乐今天给大家带来2020年小红书校招的数据分析笔试题的详解1、如果在小红书商城中某一商户给一产品定价，如果按照全网最低价500元定价，那么客人就一定会选择在此购买…
Excel预测工作表
目录：名词解释时间序列使用场景一、移动平均法二、用Excel进行时间序列分析——移动平均三、指数平滑法四、用Excel进行时间序列分析——指数平滑五、预测工作表名词解释时间序列：按时间顺序排列的一组数据序列。时间序列分析：发现这组数据的…
特征筛选--方差分析-f线性相关
方差分析
卡方检验更多的会考虑在衡量两个离散变量是否独立时使用，如果是连续变量和离散变量之间的独立性，更常见的做法是进行方差分析。
方差分析也是一种假设检验，因此我们仍然会采用介绍假设检验的一般流程来介绍方差分析。
Step 1.提…
吴恩达机器学习4--正则化(Regularization)
过拟合问题
看下面回归的例子 第一个模型是一个线性模型，欠拟合，不能很好地适应我们的训练集；第三个模型是一个四次方的模型，过于强调拟合原始数据，而丢失了算法的本质。而中间的模型似乎最合适 在分类问题中&#x…
吴恩达机器学习3--逻辑回归(Logistic Regression)
分类问题
在分类问题中，你要预测的变量 𝑦 是离散的值，我们将学习一种叫做逻辑回归 (Logistic Regression) 的算法，这是目前最流行使用最广泛的一种学习算法。 在分类问题中，我们尝试预测的是结果是否属于某一个类&am…
报错File pandas/_libs/hashtable_class_helper.pxi, line 1218, in pandas._libs.hashtable.PyObjectHashT
问题：
今天用pandas按列索引名称取某一列的值的时候，报错如下： File “pandas/_libs/hashtable_class_helper.pxi”, line 1218, in pandas._libs.hashtable.PyObjectHashTable.get_item (pandas/_libs/hashtable.c:20477) 原因：…
机器学习24：《数据准备和特征工程-II》收集数据
构建数据集常用的步骤如下所示：
收集原始数据。识别特征和标签来源。选择抽样策略。拆分数据。
这些步骤在很大程度上取决于你如何构建 ML 问题。本文主要介绍——数据收集-Collecting Data。 目录
1. 数据集的大小和质量
1.1 数据集的大小
1.2 数据集的质量 …
分享一些收藏的技术学习网站
免费在线学习代码重构和设计模式 在线学习设计模式，有代码有例子，更加生动
What is Machine Learning? - 斯坦福大学 | Coursera 吴恩达的机器学习入门必看课程，有中文字幕
社区 Spring Security 从入门到进阶系列教程 | Spring For All 学…
Deep Learning论文笔记之（六）Multi-Stage多级架构分析
Deep Learning论文笔记之（六）Multi-Stage多级架构分析 zouxy09qq.com http://blog.csdn.net/zouxy09 自己平时看了一些论文，但老感觉看完过后就会慢慢的淡忘，某一天重新拾起来的时候又好像没有看过一样。所以想习惯地把一些感觉有…
动手学深度学习之机器翻译和数据集
参考伯禹学习平台《动手学深度学习》课程内容内容撰写的学习笔记 原文链接：https://www.boyuai.com/elites/course/cZu18YmweLv10OeV/video/MZn2AdNyGzumTprVPwV3y 感谢伯禹平台，Datawhale，和鲸，AWS给我们提供的免费学习机会&…
如何建Python爬虫的IP代理池？3步学会搭建IP代理池
Python爬虫采集信息都是采用IP进行更改，不然就不能快速的爬取信息，可以加入采用这类方式，就失去了快速抓取的意义。 所以，如果要大批量的抓取信息，就不能避免的使用IP池，针对Python爬虫使用的IP池ÿ…
如何让时序动作检测技术最精准？丨智能视频小讲堂
导言AI 技术正与千行百业深度融合，带动产业智能化升级。从本期开始，百度智能云增设“智能视频小讲堂”系列专栏，通过将百度智能云在智能视频领域深耕多年的技术和用户实践，深入浅出地阐释，展现智能视频领域某个技术点如…
开放共赢，百度创新中心将提供更多价值服务
12月6日，百度（滨海）创新中心正式启动；12月8日，百度（武汉）创新中心正式对外运营。新开业的这两个百度创新中心都将结合本地的产业优势，与本地企业共同搭建ABC（人工智能AI、…
TP FN TN FP到底是啥鹅
这样说吧 比如有一群人去医院看病，医生水平有高低， 真有病的，医生说有病，这一群人算出比例，结果是TP, （真阳） 真有病的，医生说没病，就是FN（假阴）…
DDPM( Denoising Diffusion Probabilistic Model )
Denoising Diffusion Probabilistic Models
Jonathan Ho, Ajay Jain, Pieter Abbeel NeurIPS 2020
1 Background Diffusion 模型为隐变量模型，x1,...,xT\bm{x}_1, ..., \bm{x}_Tx1,...,xT 为与原始数据 x0∼q(x0)\bm{x}_0 \sim q(\bm{x}_0)x0∼q(x0) 维度…
JTVAE( Junction Tree Variational Autoencoder )
Junction Tree Variational Autoencoder for Molecular Graph Generation
Year: 2018 Authors: Wengong Jin, Regina Barzilay, Tommi Jaakkola Journal Name: ICML
Contributions
使用分子图自动设计分子结构将整个任务分为编码（以连续方法表示分子）…
VGAE( Variational Graph Auto-Encoder )
Variational Graph Auto-Encoders
Year: 2016 Authors: Thomas N. Kipf, Max Welling Journal Name: NIPS
Definitions
定义含有 N∣V∣N|V|N∣V∣ 个节点的无向图 G(V,E)\mathcal{G}(\mathcal{V}, \mathcal{E})G(V,E) ，邻接矩阵 AAA 和度矩阵 DDD ，再…
![ML学习分享系列(1)_计算广告小窥[上]](http://7xqgba.com1.z0.glb.clouddn.com/19.jpg)
ML学习分享系列(1)_计算广告小窥[上]
原作：面包包包包包包 修改：寒小阳 && 龙心尘 时间：2016年1月 出处： http://blog.csdn.net/breada/article/details/50572914 http://blog.csdn.net/han_xiaoyang/article/details/50580423 http://blog.csdn.net/lo…
决策树特征选择算法介绍
1.目的：为了让模型的不确定性降低的越快越好
2.三个过程：特征选择、决策树的生成、决策树的剪枝 （1）特征选择： 信息熵：随机变量不确定性的度量 H(X)?∑ni1pilogpiH(X)?∑i1npilogpi 信息增益：…
树莓派踩坑之VNC Timed out waiting for a response from the computer
笔者纯小白入坑树莓派，今天在通过VNC viewer 对树莓派进行远程操作时遇到了超时报错，报错如下：
*** VNC Timed out waiting for a response from the computer.
解决办法：1。如果是之前使用VNC能够正常连接，表明不是…
腾讯ncnn框架部署MobileNetSSD在Android端的使用
ncnn简
ncnn 是一个为手机端极致优化的高性能神经网络前向计算框架。ncnn 从设计之初深刻考虑手机端的部署和使用。无第三方依赖，跨平台，手机端 cpu 的速度快于目前所有已知的开源框架。基于 ncnn，开发者能够将深度学习算法轻松移植到手机端…
instruction-tuning
instruction-tuning是在Prompt-tuning之后提出的，它的思想是：在对A做Prompt-tuning之前，先在其他若干的任务之上做Prompt-tuning。如图： 每个任务有多个Prompt，作者使用了10个。 比较注意的是，instruction…
机器学习之推荐系统的基础知识
本文转载至博客园的小编周旭龙：初探机器学习之推荐系统的基础知识
一、推荐系统是神马 维基百科这样解释道：推荐系统属于资讯过滤的一种应用。推荐系统能够将可能受喜好的资讯或实物（例如：电影、电视节目、音乐、书籍、新闻、图…
第四章朴素贝叶斯法.4.3 期望风险最小化
文章目录后验概率最大化推导本课程来自深度之眼，部分截图来自课程视频以及李航老师的《统计学习方法》第二版。公式输入请参考：
在线Latex公式后验概率最大化
后验概率最大化等价于期望风险最小化 已知条件： 假设朴素贝叶斯使用0-1损失函数&…
python模块numpy之array()
大家一起学机器学习啦！ import numpy as npa np.array([[1., 7., 0.], [-2., 1., 2.]])#创建一个二维数组
print(a)x np.array([[1., 0., 0.], [0., 1., 2.]])
array()的基本属性
print(x.ndim)#输出数组x的维数
print(x.shape)#输出（n，m&a…
1. 机器学习概述与特征工程
文章目录1.机器学习概述1.机器学习工作流程学习目标1 什么是机器学习2 机器学习工作流程2.1 获取到的数据集介绍2.2 数据基本处理2.3 特征工程2.4 机器学习2.5 模型评估3 小结2 机器学习算法分类学习目标1 监督学习2 无监督学习3 半监督学习4 强化学习5 小结2.特征工程1 数据集…
【chatGPT 对JavaScript中的类是如何解释的】
chatGPT 对JavaScript中的类是如何解释的
问1：在js中类定义好后，方法与属性应怎样定，它有格式吗？
答1：
在JavaScript中定义类的方式有多种，其中一种是使用ES6的class关键字。在使用class定义类时&#x…
TD算法超详细解释，一篇文章看透彻！
【已解决】TD算法超详细解释和实现（Sarsa，n-step Sarsa，Q-learning）一篇文章看透彻！ 郑重声明：本系列内容来源 赵世钰(Shiyu Zhao)教授的强化学习数学原理系列，本推文出于非商业目的分享个人学习…
基于支持向量机SVM的风电场NWP数据预测，SVM的详细原理
目录
支持向量机SVM的详细原理 SVM的定义 SVM理论 Libsvm工具箱详解 简介 参数说明 易错及常见问题 SVM应用实例，基于SVM的风电场NWP预测 结果分析 展望
支持向量机SVM的详细原理
SVM的定义
支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定…
全国大学生数据统计与分析竞赛2021年【本科组】-A题：基于特征挖掘及文本分析的硕士学位论文质量评估（附获奖论文及python代码实现）
目录
摘 要
一、问题的重述
1.1 问题的背景
1.2 问题的提出
二、问题的分析
【人工智能】— 监督学习、分类问题、决策树、信息增益
【人工智能】— 监督学习、分类问题、决策树、线性分类器、K近邻、回归问题、交叉验证 监督学习 - 正式设置符号表示假设选择学习目标预测 分类Decision Trees 决策树建立决策树分类模型的流程如何建立决策树? 决策树学习表达能力决策树学习信息论在决策树学习中的应用特征选择…
【机器学习】数据预处理 - 归一化和标准化
「作者主页」：士别三日wyx 「作者简介」：CSDN top100、阿里云博客专家、华为云享专家、网络安全领域优质创作者 「推荐专栏」：对网络安全感兴趣的小伙伴可以关注专栏《网络安全入门到精通》 数据预处理 一、数据预处理API二、准备数据集三、归…
数据结构与算法之逻辑回归详解
逻辑回归（Logistic Regression）是一种广义线性模型，在分类问题中广泛应用，特别是二分类问题。逻辑回归可以通过把输入的特征与权重线性组合，再通过逻辑函数（sigmoid函数）将结果映射到0~1之间&am…
Stable Diffusion 超详细讲解
Stable Diffusion 超详细讲解
这篇文章是 《Stable Diffusion原理详解》的后续，在《Stable Diffusion原理详解》中我更多的是以全局视角讲解了 Stable Diffusion 的原理和工作流程，并未深入步骤细节。本文将在《Stable Diffusion原理详解》和《Diffusio…
Machine Learning - Coursera 吴恩达机器学习教程 Week3 学习笔记
分类问题
例如对肿瘤的分类问题： 0：良性 1：恶性
二元分类问题（binary classification problem）只需要两个结果：0和1。有时候也用-和表示，所以y(i) 也被称为标签。
逻辑回归
一些术语&#x…
利用SVD求得两个对应点集合的旋转矩阵R和转移矩阵t的数学推导
1.问题描述
给定两个在d维空间中对应的点集合P{p1,p2,…,pn}P \{ p_1,p_2 ,\dots , p_n\}P{p1,p2,…,pn}和Q{q1,q2,…,qn}Q \{ q_1 ,q_2, \dots , q_n \}Q{q1,q2,…,qn},为了计算出它们之间的刚体变换，即 RRR 和ttt，可以将其建模为如下的…
【机器学习教程】一、线性回归（Linear Regression）：预测与拟合的利器
算法发展
线性回归是一种用于建立自变量和因变量之间线性关系的经典机器学习算法。它是机器学习和统计学领域中最简单、最基础的回归算法之一。线性回归的发展可以追溯到19世纪早期，但它在机器学习领域的应用始于20世纪50年代。
重要论文及论文内容
1. Ordinary Least Squa…
darknet详解（yolo图像检测）
darknet详解（yolo图像检测） 个人记录整理，如有转载请注明来源， 本文中包含的一张图片来源于网络，如有不妥请与我联系。 文章目录darknet详解（yolo图像检测）简介安装使用使用预先训练模型测试训练…
【论文阅读】SUBG-CON：Sub-graph Contrast for Scalable Self-Supervised Graph Representation Learning
目录摘要1 引言2 方法2.1 基于子图的自监督表示学习2.2 基于子图采样的数据增强2.3 编码子图2.4 通过中心节点和上下文子图进行的对比学习2.5 并行化3 实验摘要
由于计算和内存成本有限，现有的包含完整图数据的图神经网络无法扩展。因此，在大规模图数据…
pandas数据导入导出
import pandas as pd# 示范档案下载 - 教师.xlsx
# 读取excel
data pd.read_excel(教师.xlsx)
# 打印出data
print(data)
# 将资料存取成pickle
data.to_pickle(teacher.pickle)
对抗网络 GAN (Generative Adversarial Nets)
对抗网络 GAN (Generative Adversarial Nets)
常见神经网络形式
神经网络分很多种, 有普通的前向传播神经网络 , 有分析图片的 CNN 卷积神经网络 , 有分析序列化数据, 比如语音的 RNN 循环神经网络 , 这些神经网络都是用来输入数据, 得到想要的结果, 我们看中的是这些神经网络…
SLAM论文速递：SLAM—— （2023）Amos-SLAM:一种基于视觉和几何的抗动态双阶段SLAM方法—5.05（1）
论文信息 题目：
Amos-SLAM:An Anti-Dynamics Two-stage SLAM Approach
Amos-SLAM:一种基于视觉和几何的抗动态双阶段SLAM方法论文地址：
https://arxiv.org/pdf/2302.11747.pdf发表期刊：
Computer Science > Robotics标签 xxxx 摘要 传统…
2021年材料员-通用基础(材料员)考试报名及材料员-通用基础(材料员)试题及解析
题库来源：安全生产模拟考试一点通公众号小程序
安全生产模拟考试一点通：材料员-通用基础(材料员)考试报名是安全生产模拟考试一点通总题库中生成的一套材料员-通用基础(材料员)试题及解析，安全生产模拟考试一点通上材料员-通用基础(材料员)作…
支持向量机SVM原理（下）
本文主要基于youtube上的视频（炼数成金机器学习课程）：https://www.youtube.com/watch?vCz144VkaRUQ
本文是文章支持向量机SVM原理（上）的下篇。
目录
1 线性不可分系统的SVM
2 对偶问题的解法
3 映射到高位空间 1…
还在被人脸识别准确率指标欺骗吗？
导读
随着硬件性能的提升和人脸数据量的增大，人脸识别也越来越成熟，商业应用也越来越多。经常看到很多文章说，人脸识别算法做了什么什么改进在LFW上的识别准确率达到99.6%以上。 实际上，仅仅一个准确率指标是无法衡量一个模型的性…
机器学习“CUDA”、“飞桨AI Studio”、“PyCharm”、 “Python”、“ Anaconda”、“numpy”、“飞桨PaddlePaddle”辨析
机器学习是人工智能的子类，我们知道在学习人工智能的时候，编程语言一般首选python，但很多人所讲的“CUDA”、“飞桨AI Studio”、“PyCharm”、 “Python”、“ Anaconda”、“numpy”、“Matplotlib”等等都是什么，有什么关系&am…
如何摆脱CRUD等打杂状态，从事更高价值工作
每个月都会有十来个来询者向我抱怨工作低端，程序员说自己每天CRUD，重复、枯燥、没技术含量，销售助理说自己天天搜集客户信息、打印资料、帮老大带饭，繁琐、无聊、不重要，他们都说自己整天跟打杂一样，体会不…
音/视频多模态融合分类方式——梯度融合法（Gradient-Blending）
音/视频多模态融合分类方式——梯度融合法（Gradient-Blending）一 多模态融合方法有哪些？二 多模态融合弊端现状三 多模态性能不好的原因四 尝试优化的方法五 梯度融合法（Gradient-Blending）——中间融合1.定义衡量模型…
Python Numpy计算各类距离的方法
转载自：https://www.jb51.net/article/164673.htm
详细:
1.闵可夫斯基距离(Minkowski Distance)
2.欧氏距离(Euclidean Distance)
3.曼哈顿距离(Manhattan Distance)
4.切比雪夫距离(Chebyshev Distance)
5.夹角余弦(Cosine)
6.汉明距离(Hamming distance)
…
K-折交叉验证（原理及实现）
在机器学习中，我们训练数据集去训练一个model(模型)，通常的做法是定义一个Loss function(损失函数)，通过这个最小化loss的过程来提高模型的性能。然而我们学习模型的目的是为了解决实际问题（或者说是训练这个数据集领域中的一般化…
七款非常好用的 ChatGPT 开源插件
推荐7款很好用的 ChatGPT 开源插件
1. ChatGPT ProBot 这是一个基于chatGPT实现的Github机器人，可以让chatGPT帮你审核代码、重构代码，还可以在Github页面上和它进行聊天，咨询问题。
仓库地址: github.com/oceanlvr/Ch…
2.chatgpt-api 这…
神经注释精细化：用于肾上腺分析的新3D数据集的开发
文章目录 Neural Annotation Refinement:Development of a New 3D Dataset for Adrenal Gland Analysis摘要本文方法Neural Annotation Refinement 实验结果 Neural Annotation Refinement:Development of a New 3D Dataset for Adrenal Gland Analysis
摘要 人工注释是不完美…
数据库信息速递 支持机器学习的10个数据库 （译）
开头还是介绍一下群，如果感兴趣polardb ,mongodb ,mysql ,postgresql ,redis 等有问题，有需求都可以加群群内有各大数据库行业大咖，CTO，可以解决你的问题。加群请联系 liuaustin3 ，在新加的朋友会分到2群（共…
【机器学习-K近邻算法】绝对通俗易懂的机器学习算法之一
1.k近邻算法
1.1 k近邻算法简介 1.定义： 就是通过你的“邻居”来判断你属于哪个类别。 2.如何计算你到你的“邻居”的距离？ 一般时候，都是使用欧氏距离。 1.2 k近邻算法的api初步使用 1.sklearn 优势&a…
Mask-RCNN技术解析
一. Mask-RCNN 介绍 上篇文章介绍了 FCN，这篇文章引入个新的概念 Mask-RCNN，看着比较好理解哈，就是在 RCNN 的基础上添加 Mask。 Mask-RCNN 来自于年轻有为的 Kaiming 大神，通过在 Faster-RCNN 的基础上添加一个分支网络ÿ…
有模型强化学习和免模型强化学习有什么区别？
有模型强化学习（Model-Based Reinforcement Learning）和无模型强化学习（Model-Free Reinforcement Learning）是两种不同的强化学习方法。 有模型强化学习是指，智能体在学习过程中能够对环境进行建模，即学习…
2023/5/21周报
目录
摘要
论文阅读
1、标题和现存问题
2、各个结构
3、基于GNN-LSTM-CNN 网络轨迹预测模型
4、实验准备
5、实验结果
深度学习
1、费舍尔判别
2、步骤具体化
3、GCN
总结 摘要
本周在论文阅读上，阅读了一篇基于GNN-LSTM-CNN网络的6G车辆轨迹预测算法的…
ResNeXt网络进化
一. ResNeXt 的 Block 改进 MSRA 的 KaiMing 转战Facebook的又一力作，大牛的神来之笔： 论文下载：Aggregated Residual Transformations for Deep Neural Networks 代码地址：【Github】 ResNet、Inception 已经成为目前网络的前进方…
浅入浅出TensorFlow 2 - 零基础安装
对一个框架的熟悉过程是从安装开始，今天就带大家熟悉这里面的 第一道坎 - 安装。 TensorFlow 安装方式总结为： 一. Pip安装步骤： 1）安装 Pip Pip是目前使用最多的Python包管理工具。通常Linux和Mac是自带Python环境的（…
OpenCV的级联分类器训练
使用增强级联的弱分类器包括两个主要阶段：训练和检测阶段。对象检测教程中有描述使用基于 HAAR 或 LBP 模型的检测阶段。这里主要介绍训练增强分类器级联所需的功能，包括：准备训练数据、执行实际模型训练、可视化训练。
目录
一、训练数据准…
python机器学习——机器学习相关概念 特征工程
目录 机器学习特征工程1.特征抽取2.特征处理2.1 归一化：传统精确小数据2.2 标准化：大多数情况 3.数据降维3.1特征选择3.2主成分分析PCA 案例：超市订单分析 机器学习 监督学习：输入数据有特征有标签，即有标准答案 分类&…
数据挖掘-2.Numpy
文章目录1.Numpy优势学习目标1 Numpy介绍2 ndarray介绍3 ndarray与Python原生list运算效率对比4 ndarray的优势4.1 内存块风格4.2 ndarray支持并行化运算（向量化运算）4.3 效率远高于纯Python代码5 小结2 N维数组-ndarray学习目标1 ndarray的属性2 ndarra…
中科院计算所包云岗：从多场硕博答辩中，我看到了国内人才培养
通知：“2020未来杯大赛”赛事时间安排已在官网更新，请各位选手及时查看！ 国内的计算机科学领域，是否可以称得上引领方向了呢？近年来，我们在很多计算机科学，特别是人工智能顶会看到越来越多的华人…
机器学习项目清单（5）
选择与训练模型 … … 对于模型本身的研究并不在这里面进行讨论。而训练模型的重要的思想是：在合理的时间训练有效的模型（数据集很大的话，需要采样为小数据集）、使用交叉验证进行筛选模型、查看分析每个算法最重要的变量、分析各个…
win10安装mmcv
对着这个来，绝对成功： 这个不需要安装vs，我前面安装vs啥的那一套还是不行…… Windows 10 mmcv-full 1.3.13 安装记录 需要注意：如果其他环境都有了，那就直接下载，mmcv的工程，然后用python编译就…
机器学习读书笔记-3（线性模型）
1 线性模型
1.1 线性模型的基本形式
线性模型（linear model）就是试图学得一个通过属性的线性组合来进行预测的函数，即 一般用向量形式写成： 其中的，x1，x2，…，等表示多个属性值&a…
SPG-Net: Segmentation Prediction and Guidance Network for Image Inpainting解读
这篇文章专注于图像补全任务，目的是补全给定上下文信息的不完整图像的缺失区域。深度生成模型的最新发展为图像合成和图像修复任务提供一个高效的端到端框架，但现有的基于生成模型的方法并没有利用分割信息来约束补全目标的形状，这通常会导致…
机器学习读书笔记-2（模型性能度量）
对学习器的泛化性能进行评估，不仅需要有效可行实验评估方法，还需要有衡量模型泛化能力的评价标准，这就是性能度量（performance measure）。
1、错误率与精度
错误率和精度是分类任务当中最常用的两种性能度量。 错误率…
lucene搜索引擎_Apache Lucene的结构
lucene搜索引擎无可估量的高贵的Apache软件基金会(Apache Software Foundation)产生了许多巨大的产品(Ant，CouchDB，Hadoop，JMeter，Maven，OpenOffice，Subversion等)，这些产品有助于构建我们的数字…
机器学习速成课程_严格的测试速成课程
机器学习速成课程You have nearly finished your project, and only one feature is left. You implement the last one, but bugs appear in different parts of the system. You fix them, but another one pops up. You start playing a whack-a-mole game, and after multi…
机器学习中的数学(1)-回归(regression)、梯度下降(gradient descent)
版权声明： 本文由LeftNotEasy所有，发布于http://leftnoteasy.cnblogs.com。如果转载，请注明出处，在未经作者同意下将本文用于商业用途，将追究其法律责任。 前言: 上次写过一篇关于贝叶斯概率论的数学，最…
文献略读—AFM聚合物吸附水中有机污染物，NC 深度学习探索晶体特性
Superhydrophobic, Surfactant-doped, Conducting Polymers for Electrochemically Reversible Adsorption of Organic Contaminants
Abstract
研究背景： 聚合物吸附相较于活性炭有巨大的有毒有机污染物潜力，因为可以避免巨大的再生消耗和损耗率电化学…
MNN入门教程-编译与安装
本文主要介绍Ubuntu系统中，MNN的编译与安装流程。 1. 依赖环境
cmake（建议使用3.10或以上版本）protobuf（使用3.0或以上版本）gcc（使用4.9或以上版本）
执行代码：
apt-get install c…
CS224W作业colab5笔记
2023年CS22Wassignment中的所有colab答案以及注释已经上传到github：https://github.com/yuyu990116/CS224W-assignment CS224W课程地址：http://web.stanford.edu/class/cs224w/
异构图通过专门合并不同的节点和边类型来扩展我们之前看到的传统同质图。这…
机器学习-白板推导系列(二)-数学基础笔记
1.高斯分布
假设有 NNN 个样本，每个样本都是 ppp 维向量的数据： XNp(x1,x2,⋯,xN)T,xi(xi1,xi2,⋯,xip)TX_{N\times p}(x_{1},x_{2},\cdots,x_{N})^{T},x_{i}(x_{i1},x_{i2},\cdots,x_{ip})^{T}XNp(x1,x2,⋯,xN)T,xi(xi1,xi2,⋯,xip)T …
ML之FE：机器学习算法建模中的特征穿越/数据泄露的简介、常见案例、解决方法之详细攻略
ML之FE：机器学习算法建模中的特征穿越/数据泄露的简介、常见案例、解决方法之详细攻略
目录
相关文章
台湾国立大学机器学习技法.听课笔记（第三讲） :Kernel Support Vector Machine
台湾国立大学机器学习技术.听课笔记（第三讲） :Kernel Support Vector Machine 一，kernel trick(kernel技巧) 1，kernel 的引出 对偶SVM的目标是： 但是正如上一讲中对偶问题讲到的，我们还隐藏计算q_(n,m)时要…
台湾国立大学机器学习基石.听课笔记（第十六讲二）：Three Learning Principle
台湾国立大学机器学习基石.听课笔记（第十六讲二）： Three Learning Principle机器学习基石16讲的总结 1，机器学习的相关领域 2，机器学习的理论基础 3，机器学习的线性模型 4，机器学习的工具 5&…
台湾国立大学机器学习基石.听课笔记（第十六讲一）：Three Learning Principle
台湾国立大学机器学习基石.听课笔记（第十六讲一）： Three Learning Principle一，Occams Razor 相对简单的模型，也许对数据的训练和测试得出来的结果更好。1，从数学理论说 2，从逻辑上来说 二&…
R语言中实现随机森林对非线性相依数据拟合的包RandomForestsGLS
文章目录对空间数据的拟合数据生成过程参数说明实现代码和传统RF模型比较对AR（p）模型的拟合数据生成过程参数说明代码实现参考文献对空间数据的拟合
数据生成过程 参数说明 实现代码 和传统RF模型比较 对AR（p）模型的拟合
数据生…
变量之间相关性度量方法
相关分析在数据量和维度较少时可用于数据初步探索，但对于数据量过于庞大（实际中数据维度通常也较大），可跳过此阶段，采用决策树模型对变量进行探索。
台湾国立大学机器学习基石.听课笔记（第九讲）：Linear Regression
台湾国立大学机器学习基石.听课笔记（第九讲）：Linear Regression（线性回归）1、线性回归问题 例如，信用卡额度预测问题：特征是用户的信息（年龄，性别，年薪&#…
什么是决策树Decision Tree
决策树（Decision Tree）
是一种非参数的有监督学习方法，它能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现这些规则，以解决分类和回归问题。决策树算法容易理解，适用各种数据&…
ML 1.什么是KNN(K近邻算法)
目录K近邻算法：1.什么是KNN？2.近邻的距离度量3.K值该如何去选择？4.KNN最近邻分类算法的过程4.超参数和模型参数5.关于距离的定义：6. 数据归一化1.最值归一化（normalization）：2.均值方差归一化&a…
高深莫测的梯度下降法（GD）和随机梯度下降法（SGD）
梯度下降法：
不是一个机器学习方法 是一种基于搜素的最优化方法 作用：最小化一个损失函数 （最终我们要求解的线性回归模型的本质就是最小化一个损失函数，直接计算出最小化函数的对应的参数的数学解，但是后面会发现很多…
机器学习超参数优化算法进化史
背景: 由于深度学习和传统机器学习的超参数性质差异较大,二者的超参数优化算法原理和偏向也不同, 以下算法整理更适用于传统机器学习.
1.先盲目地搜索 网格搜索(Grid Search, GS) 和 随机搜索(Random Search,RS)
2.要有继承性地搜索 贝叶斯优化算法(Bayesian Optimization,BO…
2021 书单推荐 | 15 本高分 AI 书籍，统统免费读
By 超神经内容提要：目前，市面上的人工智能书籍并不少，作为一名人工智能爱好者，该如何筛选书单？新年伊始，KDnuggets 整理了一份 AI 书单，请大家按需取用。关键词：AI 书单 机器学习 数…
MIT 更新最大自然灾害图像数据集，囊括 19 种灾害事件
By 超神经内容提要：麻省理工学院在最近 ECCV 2020 上提交的一篇论文中，发布了一套自然灾害图像数据集。这是迄今为止规模最大、质量最高的自然灾害卫星图像数据集。关键词：自然灾害 数据集2020 年，多灾多难的一年。年初爆发的疫情…
新垣结衣夫妇的孩子长啥样，用 BabyGAN 预测试试
「老婆嫁人了」、「星野源夺妻之痛」、「爷青结」……星野源和新垣结衣官宣结婚后，不少网友发出了如上感叹。 二人曾共同出演日剧《逃避可耻但有用》，剧中两位主角原本是“契约结婚”，后终成眷属
还有一波网友在坦然接受「失恋」现状后&…
2021 IJCAI-SAIA：一场聚集青年精英的学术会议
By 超神经内容概要：作为 WAIC 的首场外场活动，2021 IJCAI-SAIA YES青年精英学术会议于今天在上海开幕。关键词：WAIC IJCAI 学术会议作为 WAIC 的首场外场活动，2021 IJCAI-SAIA YES青年精英学术会议于今天在上海开幕。活动由 IJC…
解构 StyleCLIP：文本驱动、按需设计，媲美人类 P 图师
By 超神经 内容一览：StyleCLIP 是一种新型「P 图法」，它结合了 StyleGAN 和 CLIP，可以仅依据文本描述，对图像进行修改和处理。 关键词：StyleGAN CLIP 机器视觉 提起 StyleGAN 大家都不陌生。这个由 NVIDIA 发布…
开发人工智能应用，需要做什么准备？
开发者不敲一行代码搭建一个自己的AI应用？这不是天方夜谭 华为云AI开发平台是发者的一站式AI开发平台，为机器学习与深度学习提供海量数据预处理及半自动化标注、大规模分布式Training、自动化模型生成，及端-边-云模型按需部署能力，…
【DeeCamp 优秀项目详解】从零开始到 AI 技术落地，只用三周
By 超神经场景描述：创新工场举办的 DeeCamp 2019 活动中，600 位学员用几周的时间，在企业团队的指导下，完成了多个领域不同项目的探索，最终递交了 50 个 AI Demo，得到了专家评委的认可。这些项目中ÿ…
第六节：第二版environment
本专栏是强化学习运用在买卖股票之上的入门学习内容。 主要解决强化学习代码落地和代码实践，不需要学习相关数学原理，直观简单的带领读者入门强化学习炒股。 查看本专栏完整内容，请访问：https://blog.csdn.net/windanchaos/category_12391143.html 本文发布地址：https://b…
long long_Java中Long到Int的精确转换
long longJDK 8附带所有令人眼前一亮的东西( lambda表达式，流， Optional ，新的Date / Time API等)来分散我的注意力，我并没有过多注意添加方法Math.toIntExact() 。 但是，这种小的添加本身可能会非常有用。 Math.toInt…
cookbook_独家优惠（75％折扣）：Java数据分析，Java for Data Science，Java Data Science Cookbook...
cookbook你好，极客！ 今天，我们为您带来一些激动人心的消息！ Java Code Geeks和Packt联手为您提供广泛的书籍库每周折扣。 本周，我们提供三本书的折扣，以帮助您理解和掌握Java for Data Science。 去看一下&…
机器学习笔记 | Supervised Learning and Unsupervised Learning（监督学习和无监督学习）
趁着开学前，计划入门机器学习，选择了coursera吴恩达老师的机器学习课程。
（如果打开视频看不了解决方法访问：https://www.cnblogs.com/marsggbo/p/7625575.html）
1、初识机器学习
机器学习的应用已经渗透了很多方面…
jdk安装教程_JDK 8 SummaryStatistics类
jdk安装教程JDK 8中引入的三个新类是java.util包的DoubleSummaryStatistics ， IntSummaryStatistics和LongSummaryStatistics 。 这些类使计算元素总数，元素的最小值，元素的最大值，元素的平均值以及双精度，整数或long的…
揭开波动性的神秘面纱：简要介绍预测市场走势
一、说明 本文是数据专家的体会，他之前写了一系列关于时间序列的文章，在这些文章之后，他想给出一个关于我们如何通过投资组合分析在潜在风险情况下将自己保持在安全区域的想法。文章专业性很强，但机器学习方面的工作还是有参考价值…
Instruction Tuning for Large Language Models: A Survey
本文是LLM系列文章，针对《Instruction Tuning for Large Language Models: A Survey》的翻译。 大语言模型指令调整：综述 摘要1 引言2 方法3 数据集4 指令微调LLMs5 多模态指令微调6 特定领域指令微调7 高效调整技术8 评估，分析和批评9 结论…
（数字图像处理MATLAB+Python）第十一章图像描述与分析-第一节、二节：图像描述概述和特征点
文章目录 一：图像描述概述（1）图像描述（2）描述子 二：特征点（1）Moravec角点检测A：原理B：程序 （2）Harris角点检测A：原理B&…
机器学习算法基础学习 # 集成学习之随机森林
随机森林(Random Forests) 是集成学习算法的一种。集成学习是通过组合多个学习器来完成学习任务。随机森林是结合多颗决策树来对样本进行训练和预测。随机森林通过随机扰动而令所有的树去相关。 随机森林可以使用巨量的预测器，甚至预测器的数量比观察样本的数量还多…
数据分析之Pandas从入门到放弃：代码+实战，9分钟带你推开Pandas大门！！！
今天整理了一下Pandas的使用方法； 应该是全网整理最完整，最简洁易读(立整)的一篇文章！！ 嗯…别不信，确实是这样的~ ~
跟着小鱼， 带你9分钟推开Pandas的大门！！ 从此走上数据分析师的…
Python join()函数使用详解
「作者主页」：士别三日wyx 「作者简介」：CSDN top100、阿里云博客专家、华为云享专家、网络安全领域优质创作者 「推荐专栏」：小白零基础《Python入门到精通》 join 1、参数要求2、拼接不同的数据类型2.1、字符串2.2、列表2.3、元组2.4、字典…
python的负数除法的求余结果——区分取模还是取余
参考：python负数求余不正确？——取模 VS 取余 - 偷天神猫的文章 - 知乎
# java的整除与求余7/4 1
-7/4 -1
7/-4 -1
-7/-4 1
7%4 3
-7%4 -3
7%-4 3
-7%-4 -3# python3下的整除与求余7//4 1
-7//4 -2
7//-4 -2
-7//-4 1
7%4 3
-7%4 1
7%-4 …
什么是MAP（mean average percision）——机器学习算法评价指标（带python源码）
什么是MAP
AP:average percision
先从AP说起。假如从5男5女当中找出所有女生，搜索结果如下：
系统1：
1234567女男男男女女女
准确率：4/7 召回率：4/5
系统1：
1234567女女女女男男男
准确率：…
数据训练的时候出错：ValueError: Unknown label type: ‘continuous‘
解决方法： 使用.astype(‘int’) 将label转换为int型 建议：了解一下onehot
学习python最好的书籍_最好的Python书籍
学习python最好的书籍Python is an amazing programming language. It can be applied to almost any programming task, allows for rapid development and debugging, and brings the support of what is arguably the most welcoming user community. Python是一种了不起的编…
【Matlab人脸识别】人脸实时检测与跟踪【含GUI源码 673期】
一、代码运行视频（哔哩哔哩）
【Matlab人脸识别】人脸实时检测与跟踪【含GUI源码 673期】
二、matlab版本及参考文献
1 matlab版本 2014a
2 参考文献 [1]孟逸凡,柳益君.基于PCA-SVM的人脸识别方法研究[J].科技视界. 2021,(07) [2]张娜,刘坤,韩美林,陈…
Machine Learning - Coursera 吴恩达机器学习教程 Week6 学习笔记（Advice for Applying Machine Learning）
评估假设函数
如果发现训练出的模型结果不好，一般会从以下方面找问题：
扩充训练集减少特征集使用额外的特征使用多项式特征增减λ
测试集
为了评估假设函数，一般会将数据集分为两部分：70%的训练集和30%的测试集。
用训练集获…
使用Statsmodels在Python中进行重复测量方差分析
In this brief Python data analysis tutorial we will learn how to carry out a repeated measures ANOVA using Statsmodels. More specifically, we will learn how to use the AnovaRM class from statsmodels anova module. 在这个简短的Python数据分析教程中，…
Machine Learning - Coursera 吴恩达机器学习教程 Week1 学习笔记
机器学习的定义
Arthur Samuel 传统定义
Arthur Samuel: “the field of study that gives computers the ability to learn without being explicitly programmed.” This is an older, informal definition.
让计算机无需明确编程，就有学习能力。
Tom Mitchel…
使用TensorFlow对手写数字进行分类
翻译自: https://www.pybloggers.com/2016/10/classifying-handwritten-digits-using-tensorflow/
机器学习二------前向传播过程 反向传播算法（BP算法）Dropout 梯度消失和梯度爆炸
1.前向传播过程 思想：将上一层的输出作为下一层的输入，并计算下一层的输出，一直到运算到输出层为止。 对于Layer 2的输出 对于Layer 3的输出， 简化后的形式就是： 2.反向传播算法（BP算法）
符号…
决策树算法和实际应用
目录
相关概念
什么是决策树，它的工作原理是什么
构造剪枝
策树的构造过程中，有哪些重要的问题需要解决
如何对决策树进行剪枝，避免过拟合现象的发生
决策树算法分类 ID3 、C4.5和 CART 算法分类对比
简述CART 算法
Titanic 乘客生存…
SimSolid技术原理解析 衡祖仿真
面向超大规模结构的无网格分析软件Altair SimSolid，自从面世以来，受到广大工程师的关注。SimSolid 是面向设计师、工程师和分析师的颠覆性仿真技术，可在几分钟内对结构复杂的 CAD 装配体进行结构分析。它消除了传统结构仿真中非常耗时、非常专…
对话 CTO〡听知乎 CTO 李大海讲技术如何构建全领域知识社区
专栏介绍
「对话 CTO」是极客公园的一档最新专栏，以技术人的视角聊聊研发管理者的发展和成长。
本专栏特别邀请到了企业级研发管理工具 ONES 的创始人 & CEO 王颖奇作为特邀访谈者。王颖奇曾参与金山软件 WPS、金山毒霸等大型软件的核心开发工作；2…
面试官问，1x1 的卷积有什么用？
大家好啊，我是董董灿。
黄金10月，秋招已经开始了。不知最近有没有小伙伴在投简历面试呢?
回想起几年前我面试某大厂的时候，被问到了很多深度学习相关的知识，那时的我懂的不多，可以说是被面试官360度无死角蹂躏。
那…
10.Linear Map transformation rules
线性映射 从一个基底到另一个基底 所遵循的转换规则。
假设：
由一个矩阵给出的线性映射在这，并且是在基底e上表示，
该线性映射将e1变成0.5个e1，将e2变成2个e2；
假设有个向量V，其分量是【1，1…
Q-learning如何与ABC等一些元启发式算法能够结合在一起？
1、出现的问题
Q-learning能和元启发式算法（如ABC、PSO、GA、SSA等）结合在一起，实现工作流调度问题？ Q-learning和ABC (Artificial Bee Colony) 等元启发式算法可以结合在一起以解决特定类型的问题。Q-learning是一种强化学习算法…
李航：关于大模型的思考及研究热点
本文阐述李航老师对 LLM 的一些看法，主要观点如下： ChatGPT 的突破主要在于规模带来的质变和模型调教方式的发明。 LLM 融合了实现人工智能的三条路径。 LLM 的开发需要结合第三者体验和第一者体验。 LLM 能近似生成心智语言。 LLM 需要与多模态大模…
推荐一本AI+医疗书：《机器学习和深度学习基础以及医学应用》，附21篇精选综述
当代医学仍然存在许多亟待解决的问题，比如日益增加的成本、医疗服务水平的下降...但近几年AI技术的发展却给医疗领域带来了革命性的变化，因此AI医疗迅速兴起。
从目前已知的成果来看，人工智能在医学领域的应用已经相当广泛，智能诊…
机器学习之决策树算法
1.决策树概念： 判定树是一个类似于流程图的树结构：其中，每个内部结点表示在一个属性上的测试，每个分支代表一个属性输出，而每个树叶结点代表类或类分布。树的最顶层是根结点。以下表的14个样本数据为例来说明决策树算法…
机器学习第十三课--主成分分析PCA
一.高维数据
除了图片、文本数据，我们在实际工作中也会面临更多高维的数据。比如在评分卡模型构建过程中，我们通常会试着衍生出很多的特征，最后就得到上千维、甚至上完维特征;在广告点击率预测应用中，拥有几个亿特征也是常见的事…
python网络爬虫自学笔录3_requests实例
（1）淘宝页面源代码爬取 这是一个需要爬取的淘宝页面，使用下面代码
import requests
r requests.get(https://detail.tmall.com/item.htm?id627546383438&ali_refida3_430406_1007:1368730053:J:327892881_0_1410706680:8b2f96b85a2366…
利用Python实现将PDF转成图片文件
之前收集了很多优秀的 PDF文档，但是需要看的时候不是很方便，需要去找到这个文件，如果是在手机上的话往往还需要下载 PDF相关的插件才行，而且最大的问题是不便于资料的整理和分享。如果能够将 PDF转换成网页，岂不是就能…
走进人工智能|机器学习 解码未来的科技革命
前言: 机器学习的发展为我们提供了更智能、高效和便捷的科技产品和服务，可以改善我们的生活和工作方式。 文章目录 序言背景解码未来的科技革命技术支持应用领域程序员如何学总结 序言
机器学习是一种人工智能领域的技术，它让计算机通过数据自动地学习和…
(机器学习基石)Machine Learning Foundations:Lecture 1
The Learning ProblemWhen Can Machines Learn(1)前言：看了几个关于机器学习的视频，包括吴恩达、小象学院。总感觉不是我想要的！首先，我对机器学习和深度学习毫无涉及，完全不知道这两个强大的工具可以解决什么问题&…
HuggingFace-RL-Unit2-Part1——Q-learning算法介绍
Q-learning算法介绍 文章目录 Q-learning算法介绍回顾: 什么是RL? 两种基于价值的方法状态价值函数动作价值函数 贝尔曼方程：简化价值计算蒙特卡罗 VS 时序差分学习蒙特卡洛：在一个回合结束后进行学习时序差分算法：在每一步进行学习 学习进展…
ML算法——线代预备知识随笔【机器学习】
文章目录 数学预备知识3、线性代数3.1、矩阵奇异值分解（SVD）3.2、广义逆矩阵（Moore-Penrose ）3.3、数据白化（Data Whitening）3.4、向量导数 4、其它 数学预备知识
3、线性代数
3.1、矩阵奇异值分解&#…
【CS229 lecture16】强化学习-马尔科夫决策过程（MDP）
刚看完了lecture16，借马尔科夫决策过程入门强化学习，趁热打铁把知识梳理一下（以Andrew的课为线索）： lecture 16 马尔科夫决策过程 今天开始ML新的一章，讲强化学习。 agenda -MDPs -Value Function -Va…
基于AIC评价指标的向后回归法Python语言实现
常用评价指标简介 当前统计学以计算机科学作为支撑，机器于人工的优势是计算速度，但机器无法自行判断运算何时退出，因此需要定量指标作为运算退出的标志。对于预测类的统计模型来说，常见的指标有赤池信息准则（AIC&#…
【万字长文】多模态预训练模型研究进展
文章目录1 背景2 单模态表示2.1 NLP领域2.2 CV领域3 多模态领域3.1 三个关键问题模态表征模态融合预训练任务3.2 下游任务多模态理解多模态生成4 多模态模型发展双塔阵营1 VilBERT 2019 NeurlPS2 LXMERT 2019 EMNLP单塔阵营1 VisualBERT 20192 VL-BERT 2020 ICLR1 背景
从2018…
常用损失函数及其应用场景
文章目录1 Regression1.1 均方误差（MSE）/L2损失1.2 均方根误差（root mean suqare error,RMSE）1.3 平均绝对误差MAE/L1损失1.4 平均偏差误差（Mean Bias Error）1.5 平均绝对百分比误差（Mean Absol…
目标检测算法汇总：RCNN系列、YOLO系列、SSD系列
常见的目标检测算法1、传统的目标检测方法2、two-stage方法2.1 RCNN2.2 fast RCNN2.3 faster RCNN3、one-stage方法3.1 YOLO系列（1）YOLO V1（2）YOLO V2（3）YOLO V3（4）YOLO V4ÿ…
java 最基本的 if语句的语法结构
if 语句是最基本的分支结构之一，可以用来控制程序的执行。具体的说if 语句表示能够对某些条件进行判断，根据是否满足特定的条件，让程序执行不同条件的代码。 .if 关键字后面跟一对圆括号，圆括号中是一个布尔表达式。所谓的布尔表达…
差不多数学----EM算法的思想与简单理解
深入的可以看原论文以及李航的统计学习方法。
------------------------------------------------------手动分割-------------------------------------------------------
--------------------------------↓↓↓以下内容，纯属个人理解，也不知道对不…
Pytorch的nn.DataParallel
公司配备多卡的GPU服务器，当我们在上面跑程序的时候，当迭代次数或者epoch足够大的时候，我们通常会使用nn.DataParallel函数来用多个GPU来加速训练。一般我们会在代码中加入以下这句：
device_ids [0, 1]
net torch.nn.DataParal…
Python3之max key参数学习记录
今天用Python写脚本，想要实现这样的功能：对于给定的字典，返回其中Value最大值对应的Key。
搜索后找到了解决方法，同时也学到了max key参数的作用。
例1，
testlist [9.2, 10, -20.3, -7.0, 9.999, 20.111]
print(ma…
日撸java三百行day71-73
文章目录 说明BP神经网络1.基础知识3 代码理解3.1 数据的初始化3.2 训练过程 train方法3.3 forward 前向传播函数3.4 backPropagation反向传播函数 说明
闵老师的文章链接： 日撸 Java 三百行（总述）_minfanphd的博客-CSDN博客 自己也把手敲的…
算法学习（三）——蒙特卡洛树搜索
四个阶段：
选择，展开，模拟，反传
关键公式：
信任度上限树(Upper Confidence bound applied to Trees(UCT))
参考文章：
https://zhuanlan.zhihu.com/p/25345778
参考代码：
https://github.…
人工智能—— NLP语言模型 朴素贝叶斯
中文 库 分词 词性标注英文 正则
自然语言处理 分类器 ----> 可解释性高
n元 组合 —> 判定 ----> 类 关系维度 — 特征 阈值 二分类 判知边界–1/2 特征 统计概率 语言多样性 正则检索 特征 表示 预处理 标点 符号 关键词抽取 抽取 特征 统计值 贡献 …
小散量化炒股记｜手把手教你转换通达信公式，盘整后均线粘合突破
前言通达信的公式编写功能非常流行，很多高手都是在通达信上编写公式来分析股票的。作为过来人，建议大家在初期的策略研究阶段，选一个通用的平台进行策略研究，因为有现成的功能模块可以调用，这样就能把精力聚焦在设计策…
(图文并茂)深度学习实战(4)：从mnist数据集里面提取原始图片数据
(图文并茂)深度学习实战(4)：从mnist数据集里面提取出图片数据 经过上一篇的(图文并茂)深度学习实战(3)：mnist手写体识别案例,我们运行了caffe自带的mnist手写体案例，获得了一个mnist的模型，并且使用这个模型来预测了一下。但是是不…
Python reversed()函数
描述：
reversed()函数是python中极其常用的函数（我上回面试还被问到了）。reversed()函数的作用是返回一个反转的迭代器（元组、列表、字符串、range）。
语法：
reversed(seq)
参数介绍：
seq…
educoder机器学习 --- 多分类学习
第1关：OvO多分类策略
import numpy as np# 逻辑回归
class tiny_logistic_regression(object):def __init__(self):#Wself.coef_ None#bself.intercept_ None#所有的W和bself._theta None#01到标签的映射self.label_map {}def _sigmoid(self, x):return 1. / (…
educoder 决策树
第1关：什么是决策树
1.AB 2.B
第2关：信息熵与信息增益
import numpy as npdef calcInfoGain(feature, label, index):计算信息增益:param feature:测试用例中字典里的feature，类型为ndarray:param label:测试用例中字典里的labelÿ…
关于人工智能领域的概念的梳理
一图展示：
这里有做图像处理常用的数据集，当然其他地方也有很多。
机器学习与数据挖掘的关系： 数据挖掘：从海量的数据中找到有用的知识。 它利用机器学习界提供的技术来分析海量数据，利用数据库界提供的技术来管理海…
AlphaFold的极限:高中生揭示人工智能在生物信息学挑战中的缺陷
人工智能程序AlphaFold (AlphaFold2开源了，不是土豪也不会编程的你怎么蹭一波？)，通过预测蛋白质结构解决了结构生物信息学的核心问题。部分AlphaFold迷们声称“该程序已经掌握了终极蛋白质物理学，其工作能力已超越了最初的设计”。…
简易快速数据增强库使用手册
《简易快速数据增强开源库推荐》是首发于GiantPandaCV公众号的电子书教程，由BBuf尝试多种数据增强库以后，从中选择了两个易于上手数据增强库进行分享，适用的领域包括分类、分割、检测等。
这两个库是albumentations和augmentor，其…
关于神经网络一些容易被忽略的问题
关于神经网络一些容易被忽略的问题 1.在多层感知机中，我们都知道神经元之间通常使用“全连接”方式进行连接。那么什么是“全连接”方式呢？
所谓的“全连接”是指两个相邻层之间的神经元相互成对连接，但同一层内神经元之间没有连接。
2. 神…
kaggle数据集的下载
感谢阅读本文，喜欢请收藏点赞准备工作1.安装kaggle库2.注册登录kaggle账户3.kaggle.json的下载与使用4.下载数据集文件保存路径准备工作
1.安装kaggle库 2.注册登录kaggle账户
点我跳转 （没有帐户的有很多）
3.kaggle.json的下载与使用
点…
一张图梳理YOLOv4论文
AlexeyAB大神继承了YOLOv3, 在其基础上进行持续开发，将其命名为YOLOv4。并且得到YOLOv3作者Joseph Redmon的承认，下面是Darknet原作者的在readme中更新的声明。 来看看YOLOv4和一些SOTA模型的对比，YOLOv4要比YOLOv3提高了近10个点。 1. 思维导…
Machine Learning（study notes）
There is no studying without going crazy
Studying alwats drives us crazy 文章目录 DefineMachine LearningSupervised Learning（监督学习）Regression problemClassidication Unspervised LearningClustering StudyModel representation（…
无监督学习之主成分分析-半导体制造高维数据如何降维
数据降维不只存在于半导体数据中，它是存在于各行各业的，我们要分析的数据维数较多的时候全部输入维数较大这时就要采取降维的方法综合出主要的几列用于我们的分析。 PCA的哲学理念是要抓住问题的主要矛盾进行分析，是将多指标转化为少数几个…
异常检测-T² (Hotelling‘s T-squared) 统计量和SPE (Squared Prediction Error) 统计量
T 统计量和 SPE 统计量 一、T (Hotellings T-squared) 统计量:二、SPE (Squared Prediction Error) 统计量: 基于主成分分析 (PCA) 的故障诊断是一种常见的统计方法，用于检测和识别过程中的异常情况。在这种方法中，T (Hotelling’s T-squared) 统计量和S…
AIF360入门教学
1、AIF360简介
AI Fairness 360 工具包(AIF360)是一个开源软件工具包，可以帮助检测和缓解整个AI应用程序生命周期中机器学习模型中的偏见。在整个机器学习的过程中，偏见可能存在于初始训练数据、创建分类器的算法或分类器所做的预测中。AI Fairness 360…
线性代数的学习和整理8： 方阵和行列式相关（草稿-----未完成）
1.4.1 方阵
矩阵里，行数列数的矩阵叫做方阵方阵有很多很好的特殊属性 1.4.2 行列式
行列式是方阵的一种特殊运算如果矩阵行数列数相等，那么这个矩阵是方阵。行列数的计算方式和矩阵的不同只有方阵才有行列式行列式其实是，矩阵变化的一个面…
深入理解强化学习——动作空间（Action Space）
分类目录：《深入理解强化学习》总目录 不同的环境允许不同种类的动作。在给定的环境中，有效动作的集合经常被称为动作空间（Action Space）。像雅达利游戏和围棋（Go）这样的环境有离散动作空间（Dis…
机器学习 | Python实现KNN(K近邻)算法模型
目录 基本描述模型假设模型原理程序设计小结基本描述
机器学习中的K近邻算法（K-Nearest Neighbors）是一种简单而实用的分类和回归方法。
模型假设
它基于一个直观的假设：与某个未知样本相似的样本在特征空间中的位置也会比较接近。 大白话解释
假设你有一群朋友，他们各…
范数Norm-衡量向量大小的方法
性质 非负性： 范数的值总是非负的，且当且仅当向量全为零时，范数的值为零。 齐次性： 对于任意实数α，有 三角不等式： 对于任意向量x和y，有 常见范数
L1: 向量所有元素绝对值的和，权重稀疏
L2：欧几里得范数，权重平滑
无穷范数：表示向量中最大的元素
为什么使用范…
数据挖掘算法原理与实践：数据预处理
目录
第1关：标准化
相关知识
为什么要进行标准化
Z-score 标准化
Min-max 标准化
MaxAbs 标准化
代码文件
第2关：非线性转换
相关知识
为什么要非线性转换
映射到均匀分布
映射到高斯分布
Yeo-Johnson 映射
Box-Cox 映射
代码文件
第3关…
NeurIPS 2023 放榜！3200多篇上榜，录用率26.1%
上周机器学习顶会NeurIPS 2023的接收论文列表公布了，有同学的论文中了嘛，可以评论区分享分享。
这次NeurIPS 2023共录用论文3221篇左右，录用率26.1%，与2022年的25.6%相比还是有所增加的。有想法的同学冲冲冲。
NeurIPS属于CCF A…
New Journal of Physics：不同机器学习力场特征的准确性测试
文章信息
作者：Ting Han1, Jie Li1, Liping Liu2, Fengyu Li1, * and Lin-Wang Wang2, *
通信单位：内蒙古大学物理科学与技术学院、中国科学院半导体研究所
DOI：10.1088/1367-2630/acf2bb 研究背景
近年来，基于DFT数据的机器学…
SciencePub学术 | CCF推荐重点计算机SCIE征稿中
SciencePub学术 刊源推荐: CCF推荐重点计算机SCIE征稿中！信息如下，录满为止： 一、期刊概况：
CCF推荐重点SCIE简介
【期刊简介】IF：4.0，JCR2区，中科院3区；
【版面类型】正刊&#…
基于决策树(Decision Tree)的乳腺癌诊断
决策树(DecisionTree)学习是以实例为基础的归纳学习算法。算法从--组无序、无规则的事例中推理出决策树表示形式的分类规则,决策树也能表示为多个If-Then规则。一般在决策树中采用“自顶向下、分而治之”的递归方式,将搜索空间分为若千个互不相交的子集,在决策树的内部节点(非叶…
05有监督学习——神经网络
线性模型 给定n维输入： x [ x 1 , x 1 , … , x n ] T x {[{x_1},{x_1}, \ldots ,{x_n}]^T} x[x1,x1,…,xn]T 线性模型有一个n维权重和一个标量偏差: w [ w 1 , w 1 , … , w n ] T , b w {[{w_1},{w_1}, \ldots ,{w_n}]^T},b w[w1,w1,…,wn]T,b 输…
gici-open示例数据运行（ground_truth坐标的转换）
1. 坐标系转换说明
涉及的两个坐标转换：
nmea_pose_to_pose ：激光IMU中心到数据集IMU中心，主要是杆臂误差，转换关系为： //坐标转换的主要步骤(若发现有错误的地方，请评论指出)
//定义激光IMU和数据集IMU之…
机器学习深度学习——NLP实战（情感分析模型——RNN实现）
👨🎓作者简介：一位即将上大四，正专攻机器学习的保研er 🌌上期文章：机器学习&&深度学习——NLP实战（情感分析模型——数据集） 📚订阅专栏：机器学习&…
![[PyTorch][chapter 51][Auto-Encoder -1]](https://img-blog.csdnimg.cn/ad287288c7c942129815f6fced4716db.png)
[PyTorch][chapter 51][Auto-Encoder -1]
目录： 简介 损失函数 自动编码器的类型 一 AutoEncoder 简介： 自动编码器是一种神经网络，用于无监督学习任务.(没有标签或标记数据), 例如降维,特征提取和数据压缩. 主要任务： 1： 输入数据 …
【机器学习合集】优化目标与评估指标合集 -＞（个人学习记录笔记）
文章目录 优化目标与评估指标1. 优化目标1.1 两类基础任务与常见优化目标1.2 分类任务损失0-1损失交叉熵损失与KL散度softmax损失的理解与改进Hinge损失 1.3 回归任务损失L1/L2距离L1/L2距离的改进 Huber loss 2. 评测指标2.1 分类任务中评测指标准确率(查准率)/召回率(查全率)…
MobileNetV2详解与多动物分类实战
一.MobileNet详解
MobileNetV1
传统的CNN内存需求大，运算量大，导致无法在移动设备以及嵌入式设备上运行。通过研究发现，卷积层和全连接层是最费时的两个阶段，batch_size越大耗时越大，因此需要对他进行轻量化。 在Mob…
K-Means和KNN
主要区别
从无序 —> 有序 从K-Means —> KNN
KNN：监督学习，类别是已知的，对已知分类的数据进行训练和学习，找到不同类的特征，再对未分类的数据进行分类。K-Means：无监督学习，事先不知道…
第2篇 机器学习基础 —（2）分类和回归
前言：Hello大家好，我是小哥谈。机器学习中的分类和回归都是监督学习的问题。分类问题的目标是将输入数据分为不同的类别，而回归问题的目标是预测一个连续的数值。分类问题输出的是物体所属的类别，而回归问题输出的是数值。本节课就…
解读亚马逊云科技语义搜图检索方案
图像检索（包括文搜图和图搜图）是各个行业中常见的一个应用场景。比如在电商场景中，基于以图搜图做相似商品查找；在云相册场景中，基于文搜图来找寻所需的图像素材。 传统基于标签的图像检索方式，即先使用目标…
Nougat: Neural Optical Understanding for Academic Documents
本文是LLM系列文章，针对《Nougat: Neural Optical Understanding for Academic Documents》的翻译。 Nougat：学术文献的神经光学理解 摘要1 引言2 相关工作3 模型4 数据集5 结果与验证5.5 局限性与未来工作 6 结论 摘要
科学知识主要以PDF的形式存储在…
机器学习处理问题的基本路线
基本路线：
1.搭建环境/数据读入
2.数据分析
3.特征工程
4.建模调参
5.模型融合
异常处理：
通过箱线图（或 3-Sigma）分析删除异常值；BOX-COX 转换（处理有偏分布）；长尾截断&…
# 将PCL点云转换为Eigen向量进行运算
将PCL点云转换为Eigen向量进行运算
在处理点云数据时,我们常需要将PCL中的点云转换为Eigen向量,进行一些矩阵运算。这里介绍PCL点云到Eigen向量的两种转换方法。
点云转换为Eigen数组
对于一个PCL的点云,可以通过getArray4fMap()函数获取Eigen数组表示:
// PCL点云
pcl::Po…
徐亦达机器学习：Kalman Filter 卡尔曼滤波笔记 (一)
P ( x t P(x_t P(xt| x t − 1 ) x_{t-1}) xt−1) P ( y t P(y_t P(yt| x t ) x_t) xt) P ( x 1 ) P(x_1) P(x1)Discrete State DM A X t − 1 , X t A_{X_{t-1},X_t} AXt−1,XtAny π \pi πLinear Gassian Kalman DM N ( A X t − 1 B , Q ) N(AX_{t-1}B,Q)…
星际争霸之小霸王之小蜜蜂（十三）--接着奏乐接着舞
系列文章目录
星际争霸之小霸王之小蜜蜂（十二）--猫有九条命 星际争霸之小霸王之小蜜蜂（十一）--杀杀杀 星际争霸之小霸王之小蜜蜂（十）--鼠道
星际争霸之小霸王之小蜜蜂（九）--狂鼠之…
60+开源数据集资源大合集（医学图像、卫星图像、语义分割、自动驾驶、图像分类等）
1.医学图像
疟疾细胞图像数据集
下载链接：http://suo.nz/2VQTUt 皮肤癌 MNIST：HAM10000
下载链接：http://suo.nz/33n6Xy
该数据集收集了来自不同人群的皮肤镜图像，通过不同的方式获取和存储。最终数据集包含 10015 张皮肤镜图…
windows解决ModuleNotFoundError: No module named ‘cython_bbox‘问题，亲测可用
报错信息：
Collecting cython_bbox Downloading cython_bbox-0.1.3.tar.gz (41 kB) ---------------------------------------- 41.3/41.3 kB 9.1 kB/s eta 0:00:00 Preparing metadata (setup.py) ... done Building wheels for collected packages: cyt…
使用PyTorch加载数据集：简单指南
💗💗💗欢迎来到我的博客，你将找到有关如何使用技术解决问题的文章，也会找到某个技术的学习路线。无论你是何种职业，我都希望我的博客对你有所帮助。最后不要忘记订阅我的博客以获取最新文章，也欢…
使用时间潜在瓶颈网络进行图像分类
介绍
简单的循环神经网络（RNN）对学习 时间压缩表示表现出强烈的归纳偏差。方程 1显示了递推公式，其中h_t是整个输入序列 的压缩表示（单个向量）x。 方程 1：递推方程。（来源：Aritra 和 Suvaditya）另一方面，Transformers（Vaswani 等人）对于学习时间压缩表示几乎没有归…
人工智能基础_机器学习003_有监督机器学习_sklearn中线性方程和正规方程的计算_使用sklearn解算八元一次方程---人工智能工作笔记0042
然后我们再来看看,如何使用sklearn,来进行正规方程的运算,当然这里
首先要安装sklearn,这里如何安装sklearn就不说了,自己查一下 首先我们还是来计算前面的八元一次方程的解,但是这次我们不用np.linalg.solve这个
解线性方程的方式,也不用 直接 解正规方程的方式: 也就是上面…
【Python机器学习】零基础掌握StackingClassifier集成学习
如何精确地预测花的种类？一个简单但强大的方法引入了！
在现实生活中，生物学家和园艺爱好者经常面临一个问题：如何准确地识别和分类不同种类的花？这不仅仅是一个纯粹的学术问题，也有实际应用，比如在植物育种、生态研究等方面。为
了解决这个问题，一种叫做堆叠分类（St…
训练集测试集的划分-Python
#训练集和测试集的划分 第一种方法 random.seed(seed) 前闭后闭 [a, b] np.random.seed(seed) 前闭后开 [low, high) 或 [0, low)，可指定抽样的大小
import random
def splitData(data,k,seed,M8):print("训练数据集与测试数据集划分...")train,test {}…
数据科学猫：人工智能、机器学习与深度学习的概念
进击的橘子猫正式改名上线啦！ 我的CSDN主页：https://blog.csdn.net/Orange_Spotty_Cat 也欢迎大家搜索微信公众号“进击的橘子猫”，我也会定期分享数据科学、Python、大数据、项目管理与PPT的相关知识。 让我们进击起来吧！ 简介 …
python 例外 重试_Python例外101
python 例外 重试Learn the proper handling of Python exceptions as well as protecting yourself from when things go wrong. You’ll also learn about how to clean up, after an exception occurs, as well as defining your own exception types when the need arises.…
python 螺旋_用Python生成气候温度螺旋
python 螺旋Ed Hawkins, a climate scientist, tweeted the following animated visualization in 2017 and captivated the world: 气候科学家埃德霍金斯（Ed Hawkins）在2017年发布了以下动画动画，并迷住了整个世界： This visual…
python数据科学速查表_Python数据科学速查表：中级
python数据科学速查表The printable version of this cheat sheet 该备忘单的可打印版本 The tough thing about learning data is remembering all the syntax. While at Dataquest we advocate getting used to consulting the Python documentation, sometimes it’s nice …
机器学习案例分析_网络安全分析中的机器学习案例
机器学习案例分析Security tends to scale badly with complexity. As information, applications and systems become more sophisticated so to do the challenges faced in assuring Confidentiality, Integrity and Availability. The role of machine assistance is emerg…
(01)ORB-SLAM2源码无死角解析-(54) 闭环线程→闭环检测:寻找闭环候选关键帧 LoopClosing::DetectLoop()
讲解关于slam一系列文章汇总链接:史上最全slam从零开始，针对于本栏目讲解的(01)ORB-SLAM2源码无死角解析链接如下(本文内容来自计算机视觉life ORB-SLAM2 课程课件): (01)ORB-SLAM2源码无死角解析-(00)目录_最新无死角讲解：https://blog.csdn.net/weixin…
网络空间安全数学基础考试要点
网络空间安全数学基础 阶的计算不要求那个公式，但是Order几次方要求 考试会考原根 Legendre必考 多项式计算必考 扩域多项式计算 同态不考 域元素表示 本元多项式不考
1.整除
3 ≡ \equiv ≡ 4 mod 7不对吧3 ≡ \equiv ≡ 3 mod 74 ≡ \equiv ≡ 4 （m…
气流预测网站_数据科学的数据管道第4部分气流数据管道
气流预测网站Deploy Operators and DAGs to a AWS hosted Apache Airflow and execute your Data Pipelines with DAG and Data Lineage Visualisation.将操作员和DAG部署到AWS托管的Apache Airflow，并通过DAG和数据沿袭可视化执行数据管道。 是否想偶尔听到有关Ten…
csr_matrix参数解析
压缩稀疏矩阵构造时的参数从官网看不明白，参考如下：
indptr np.array([0, 2, 3, 6])
indices np.array([0, 2, 2, 0, 1, 2])
data np.array([1, 2, 3, 4, 5, 6])
csr_matrix((data, indices, indptr), shape(3, 3)).toarray()
array([[1, 0, 2],[0,…
机器学习sklearn.metrics.pairwise.rbf_kernel介绍
使用： sklearn.metrics.pairwise.rbf_kernel(X, YNone, gammaNone) 介绍： 计算X和Y之间的rbf（高斯）内核：
K(x, y) exp(-gamma ||x-y||^2)参数说明Xarray of shape (n_samples_X, n_features)Yarray of shape (n_samp…
关于统计学假设检验___自由度
自由度
**自由度（DOF）**的概念在力学领域中似乎是非常清楚的，但是在统计应用中却很难掌握
在我们学过的力学中，在一个平面上运动的粒子有“2个自由度”：在每一个时间点，两个参数（x,y坐标&…
Python的print函数怎么覆盖打印
覆盖打印就是让每一次的print之后，让光标回到本行行首
因为print函数是默认输出之后光标调到下一行 例子： 如果我不想让它调到下一行： 例子： 如果想覆盖打印，让光标回到行首 例子：
聚类效果评价指标：MI, NMI, AMI（互信息，标准化互信息，调整互信息）
聚类效果评价指标：MI, NMI, AMI（互信息，标准化互信息，调整互信息）
简介
在无监督学习中，常见的两种任务为聚类与降维。这里给出三个聚类效果评价指标：互信息，标准化互信息…
龙格-库塔（Runge-Kutta）
龙格-库塔是求解非线性常微分方程的一种方法，本文介绍了利用 python 实现龙格-库塔的方法。
1. 龙格-库塔公式 方程的导数和初值： 方程的迭代计算公式： 其中， 2. 实例 有一个方程，其微分方程和初值：&…
近义句子转换软件 - 同义词转换器软件
在线同义句转换器 made in Japan
祝你学习进步，更上一层楼！请记得采纳，谢谢！(*^__^*)。 论文同义句在线转换器苹果手机可以苹果可以用的论文转换器？ 论文同义句在线转换器苹果手机可以苹果可以用的论文转换器…
Matplotlib+Numpy利用三元方程绘制三维图
第一步，先导入必要的包，其中画三维图的包是关键：
import numpy as np
from matplotlib.pyplot import *
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
from matplotlib.ticker import LinearLocator, FormatSt…
机器学习方法体系汇总
转自“机器学习算法与Python学习”公众号
监督学习 Supervised learning
人工神经网络 Artificial neural network自动编码器 Autoencoder反向传播 Backpropagation玻尔兹曼机 Boltzmann machine卷积神经网络 Convolutional neural networkHopfield网络 Hopfield network多层…
机器学习算法（一）-决策树代码（OpenCV3 ）
OpenCV3中关于决策树的代码所在路径：samples\cpp\tree_engine.cpp opencv官网相关函数解释： http://docs.opencv.org/3.1.0/d8/d89/classcv_1_1ml_1_1DTrees.html
#include "opencv2/ml/ml.hpp" //需要添加的头文件
#include "op…
机器学习算法（一）-决策树
一、什么是决策树（decision tree)？ 在机器学习中，决策树是一个预测模型，它代表的是对象属性与对象值之间的一种映射关系。由于这种模型画成图形很像一棵树的枝干，故称决策树。其每个非叶子节点表示一个特征属性上的测试…
机器学习基础-损失函数，范数
一、统计学中常见的损失函数有以下几种：
1.0-1损失函数（0-1 loss function） L(Y,f(x)){1,Y≠f(X)0,Yf(X)L(Y,f(x)){1,Y≠f(X)0,Yf(X)L(Y,f(x)) = \begin{cases}1, Y \neq f(X)
\\0, Y = f(X)
\end{cases} 2.平方损失函数（quadr…
感知机Python代码实现（Python3.9）
感知机Python代码实现（Python3.9）：
import pandas as pd #数据分析库
import numpy as np #数值计算扩展，用来存储和处理大型矩阵
import matplotlib.pyplot as plt #导入画图工具包
from sklearn.datasets import load_iris
#…
机器学习 --- 多分类学习
在现实生活中，很多问题并非“非黑即白”的问题，而是可以分为多个不同的类别，这些问题可以视为多分类学习任务。 多分类学习任务可以基于二分类算法进行推广后解决。有些二分类算法可以直接推广用于解决多分类问题，但是在更多情形下…
每日一篇机器学习公众号D3-字节跳动安全Ai挑战赛-小样本赛道方案总结
一、复习
1、昨天看了一些神经网络的视频； 2、一个叫做bo。。的可视化代码生成软件
二、字节跳动安全Ai挑战赛-小样本赛道方案总结
1、链接：https://mp.weixin.qq.com/s/WDiCX_a8wLcM8j5P3jrLaw 2、记录一下具体步骤： （1&#…
机器学习 --- 感知机
简介 神经网络中最基本的成分是神经元模型，感知机（Perceptron）是由两层神经元组成的双层神经网络模型, 其输入层接受外界输入信号传递给输出层, 输出层是 M-P 神经元（阈值逻辑单元）。感知机也属于二分类的线性分类模型…
机器学习 --- 逻辑回归
简介 逻辑回归是属于机器学习里面的监督学习，它是以回归的思想来解决分类问题的一种非常经典的二分类分类器。由于其训练后的参数有较强的可解释性，在诸多领域中，逻辑回归通常用作 baseline 模型，以方便后期更好的挖掘业务相关信息…
每日一篇机器学习公众号D2-Bamboolib 做数据分析
一、复习 1、昨天看了基础的ANN、RNN、LSTM 2、有一张阐述深度学习和机器学习随着数据量变化，学习效果不同的图可以用 3、神经元配图很好 4、LSTM有三个门，之后需要的时候仔细看看。可以解决长期记忆和梯度消失的问题。 二、How neural networks work–视…
每日一篇机器学习公众号D1-独家 | NLP的深度学习：ANN，RNN和LSTM详解
链接：https://mp.weixin.qq.com/s/uS-KLIQ23DXHctJalzcuSA
1、在这篇文章中，我们将学习人工神经网络，深度学习，递归神经网络和长短期记忆网络。
感知器Perception
1、一个神经元就是将输入***加权求和***
2、 当以这种方式构…
数据挖掘算法原理与实践：数据预处理（第一关-第五关）
第1关：标准化
# -*- coding: utf-8 -*-from sklearn.preprocessing import scale,MaxAbsScaler,MinMaxScaler#实现数据预处理方法
def Preprocessing(x,y):x(ndarray):处理 数据y(str):y等于z_score使用z_score方法y等于minmax使用MinMaxScaler方法y等于maxabs使用…
python打印的时候print(f“*******“) 的括号里的 f‘ ‘ 起到什么作用？
python的print字符串前面加f表示格式化字符串，加f后可以在字符串里面使用用花括号括起来的变量和表达式，如果字符串里面没有表达式，那么前面加不加f输出应该都一样.
print(fThere are {data_train.isnull().any().sum()} columns in train d…
机器学习：未来是什么样的？
机器学习（ML）是使计算机能够执行尚未明确要求执行的操作的过程。 因此，机器学习在使有感觉的机器成为现实的过程中扮演着核心角色。 随着汉森（Hanson）机器人公司开发的AI机器人Sophia的推出，我们想知道这些…
正则化-最通俗的解释
正则化-最通俗的解释一.正则化-大白话解释一.正则化-大白话解释
“正则化”是机器学习中的一个术语，那么在解释正则化之前，不得不解释与之非常非常关系密切的另一个机器学习的术语“过拟合”…
“过拟合”是指机器学习在训练模型时，模型与训…
推荐系统 理论笔记 四（机器学习基础—线性回归）
f(x)w1x1w2x2，是三维空间的一条直线。 MSE均方误差（平方求和再平均）。最小二乘（least square mehtod）。英文是最小平方的方法。就是求误差平方的最小值问题。 注意，因为是线性回归模型，而且损…
算法通关40讲 笔记八（剪枝 二分查找）
剪枝：是在搜索中经常用到的优化策略，它与现实结合很紧，几乎是搜索中必要的手段。 人在下棋时候，想的步骤越多，相似于计算机的递归能力越强。 在实际生活中，中国象棋，为什么我们是当头炮&am…
办公软件系列 之excel应用3
这个小专题讲解一下Excel中averageif函数的使用方法：
1 背景问题： 在excel中可能会遇到这样的问题，如下面的数据：
IDsSubIDsNumsAA110AA215BB112CC110CC220CC330
需要按照第一列中的大类ID求平均数，对于A中平均数为1…
lr中的coef维度
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs
from sklearn.linear_model import LogisticRegression# 构造一些数据点
centers [[-5, 0], [0, 1.5], [5, -1]]
X, y make_blobs(n_samples1000, centerscenters, random_stat…
机器学习第二课（KNN算法）
文章目录 一、介绍KNN1.1 定义1.2 工作流程 二、自实现KNN2.1 问题2.2 步骤 一、介绍KNN
1.1 定义
如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本也属于这个类别。 涉及到距离的计算（欧式距离&…
使用全连接神经网络loss为0的问题
之前的使用低氧舱对滞后时间估计的模型中，计算loss时出现了全为0的情况。
训练结果如图所示：分别 分别为权重参数和loss。 检查代码发现，一直到第一个隐藏层都没有任何问题。
问题出在了下面一行代码上：
loss tf1.reduce_mean…
使用深度学习，对低氧舱滞后时间变化的估计（一）
最近希望通过ansys仿真结合深度学习对低氧舱气体扩散过程中存在的滞后时间进行学习，通过学习模型，通过输入控制系统的控制参数，获得系统的滞后时间，用于未来控制低氧舱决策系统中。 此为该项目的第一部分。~~~~~ 滞后时间预测模型…
tensorflow2.0模块库
此贴记录了tensorflow常用的模块库每个模块。按字母顺序排序，包括安装和使用
tf.collections()
tensorflow用集合colletion组织不同类别的对象。
tf.add_to_collection(name, value)
# 用来把一个value放入名称是‘name’的集合tf.collection.namnetuple
# 相比与…
求大佬帮帮忙看看这个问题：‘utf-8‘ codec can‘t decode byte 0xd5的问题
在学习神经网络的时候，用cifar-10做测试。 结果报错，并且没有给出具体的位置，debug也没有找到确切的位置
Traceback (most recent call last):File "D:\Program Files\anaconda\envs\tensorflow\lib\threading.py", line 917, in …
5328笔记 Advanced ML Chapter10-Reinforcement Learning
最大化 Expected cumulative reward 期望累计奖励 Q(s0,a0)表示：当状态为s0，做a0的动作，期望累计奖励是Q。 如果我们有n个action，m个state，理论上我们将有nm的Q值。笛卡尔积。 这个表就是Q table。 Q就是在初始…
遥感影像识别-成像合成
效果
由于之前训练采用的数据集是从城市中采样，因此造成模型对乡村地区的识别效果特别差，因此由手工制作了十几张乡村地区的数据集，其中标注了两个类别，分别为水域、林地。然后用这个数据集去训练模型。 以下是在新训练的模型上两…
【机器学习入门】交叉熵损失函数与MLE准则
文章目录0 总结0.1 MLE与交叉熵0.2 交叉熵损失函数具体形式1.线性回归问题2.logistic回归（二分类问题）3.多分类问题1 最大似然估计MLE1.1 似然函数与对数似然函数1.2 最大似然估计Maximum Likelihood Estimation2 相对熵与交叉熵2.1 相对熵2.2 交叉熵3 举…
【探索AI未来】自动驾驶时代下的人工智能技术与挑战
自我介绍⛵ 📣我是秋说，研究人工智能、大数据等前沿技术，传递Java、Python等语言知识。 🙉主页链接：秋说的博客 📆 学习专栏推荐：MySQL进阶之路、C刷题集、网络安全攻防姿势总结 欢迎点赞 &…
5、数据归一化（或者标准化，注意归一化和标准化不同）的原因
要强调：能不归一化最好不归一化，之所以进行数据归一化是因为各维度的量纲不相同。而且需要看情况进行归一化。
有些模型在各维度进行了不均匀的伸缩后，最优解与原来不等价（如SVM）需要归一化。 有些模型伸缩有与原来等…
3、树形结构为什么不需要归一化？
因为数值缩放不影响分裂点位置，对树模型的结构不造成影响。 按照特征值进行排序的，排序的顺序不变，那么所属的分支以及分裂点就不会有不同。而且，树模型是不能进行梯度下降的，因为构建树模型（回归树&#x…
educoder 机器学习之随机森林算法
第1关：Bagging
import numpy as np
from collections import Counter
from sklearn.tree import DecisionTreeClassifier
class BaggingClassifier():def __init__(self, n_model10):初始化函数#分类器的数量，默认为10self.n_model n_model#用于保存模…
数据分析系列 之python语言中的聚类分析
1 基础算法 (1) K-means算法：对于给定的样本集，按照样本之间的距离大小，将样本集划分为K个簇。让簇内的点尽量紧密的连在一起，而让簇间的距离尽量的大。 (2) K-means算法是局部最优解，初始聚类中心一般是随机选择&…
数据降维之LDAPCA
我们都知道机器学习算法的性能受到样本数据的特征维数的影响，特征维数越多，需要的训练数据也越大，机器学习算法所消耗的时间也越多，甚至成指数爆炸增长。同时过多的特征维数之间也可能存在相互关联的特征和一些噪声。因此…
Inductive bias的一些理解
Inductive bias 归纳偏置在机器学习中是一种很微妙的概念：在机器学习中，很多算法会对一些问题做出假设，这些假设就称为归纳偏置。
归纳：从一些例子中寻找共性，泛化，形成一个比较通用的规则规程偏置&#x…
浅谈L1、L2 和Smooth L1 loss
梯度问题
当预测框和GT差别过大时，梯度值不至于过大当预测框和GT差别很小的，梯度值足够小
下面（1）（2）（3）分别是L2，L1，Smooth L1的损失函数 下面࿰…
C# Onnx PP-Vehicle 车辆分析（包含：车辆检测，识别车型和车辆颜色）
目录
效果
模型信息
mot_ppyoloe_s_36e_ppvehicle.onnx
vehicle_attribute_model.onnx
项目
代码
下载
其他 C# Onnx PP-Vehicle 车辆分析（包含：车辆检测，识别车型和车辆颜色）
效果 模型信息
mot_ppyoloe_s_36e_ppvehi…
数学才是顶级码农的核心修养，码农怎样搞好数学？来看看这些网友强推的数学神作！文末评论区进行评论参与送书哟
文章目录
导读 一：基础篇
1：优美的数学思维：问题求解与证明
2：数学分析
3：线性代数
4：线性代数及其应用
5：代数
二：进阶篇
1：初等数论及其应用
2：数…
kaggle（白嫖免费GPU，新手必看！！！）
跑深度学习代码的时候电脑GPU太垃圾了，batch-size设置的很小，训练时间长？kaggle提供免费GPU啦！！！跟着我一起来白嫖吧
1、第一步：注册登录
kaggle可以使用Google、雅虎、Facebook账号登录&…
相似性搜索：第 6 部分--LSH 森林的随机投影
一、说明 相似性搜索是一个问题，给定一个查询，目标是在所有数据库文档中找到与其最相似的文档。 在数据科学中，相似性搜索经常出现在 NLP 领域、搜索引擎或推荐系统中，其中需要检索最相关的文档或项目以进行查询。有多种不同的方法…
solidworks 2024新功能之-打造更加智能的工作 硕迪科技
SOLIDWORKS 2024 的新增功能 SOLIDWORKS 的每个版本都致力于改进您的工作流程，使您常用的工具尽可能快速高效地运作。此外，SOLIDWORKS 2024 可以通过量身定制的解决方案扩展您的工具集，并使您能够通过 Cloud Services 轻松将您的设计数据连接…
C# Onnx 特征匹配 DeDoDe 检测，不描述---描述，不检测
目录
介绍
效果
模型信息
项目
代码
下载 介绍
github地址：https://github.com/Parskatt/DeDoDe
DeDoDe 🎶 Detect, Dont Describe - Describe, Dont Detect, for Local Feature Matching
The DeDoDe detector learns to detect 3D consisten…
Glare or Gloom, I Can Still See You – End-to-End Multi-Modal Object Detection
SENSOR-AWARE MULTI-MODAL FUSION G-log(-log(U))，U～Uniform[0,1]
辅助信息
作者未提供代码
OpenCvSharp从入门到实践-（03）像素
目录
像素
1、确定像素位置
2、获取像素的BGR值
3、修改像素的BGR值 像素 图像数字化是指用数字表示图像，每一幅数字图像都是有M行N列的像素组成的，其中每一个像素都存储一个像素值。计算机通常会把像素值处理为256个灰度级别，这256个灰…
机器学习的复习笔记2-回归
一、什么是回归
机器学习中的回归是一种预测性分析任务，旨在找出因变量（目标变量）和自变量（预测变量）之间的关系。与分类问题不同，回归问题关注的是预测连续型或数值型数据，如温度、年龄、薪水…
机器学习常用距离度量方法
机器学习常用距离度量方法 前言一、前期准备二、距离度量方法1. 欧氏距离2.曼哈顿距离3.切比雪夫距离4. 闵可夫斯基距离 总结 前言
机器学习中往往通过度量来研究不同样本或数据集之间的差异性，合适的度量方式可以显著提高算法的准确率，因此在接下来的内…
【开题报告】基于机器学习的高速铁路动检数据异常检测算法
文献综述： 国内研究现状 我国铁路历来重视对轨道的检查和监测,并有完整的检查制度和严格检查标准。轨道检测基本分为静态检测和动态检测两大类静态检测主要是复测及限界检查、轨道静态检查、钢轨检查、春秋季检查和量具检查:动态检测则是以轨道检查车为主,并辅助车载…
图像感受野的一些理解
感受野是直接或者间接参与计算特征图像素值的输入图像像素的范围，直接感受野就是卷积核大小，随着卷积层数的加深之前层次的感受野会叠加进去。感受野小了缺乏环境信息，感受野大了引入太多环境干扰，所以一个网络能够检测的目标框范…
DRBox：可旋转边界框的旋转不变目标检测器
目录📝论文下载地址🔨代码下载地址👨🎓论文作者📦模型讲解[背景介绍][论文解读][训练网络][补充细节][金字塔输入][卷积结构][预选框设置][结果分析][数据集][基准][检测结果]📝论文下载地址 [论文地址] …
第10章--文件与异常
#练习 10-1:
# 1
# file_name D:/whatever/lib/Learning_python.txt
# with open(file_name) as file:
# contents file.read()# print(contents.rstrip())
# 2
# file_name D:/whatever/lib/Learning_python.txt
# with open(file_name) as file:
# for line in fi…
self-training | MICCAI2021 | BN层的source free的迁移
文章转自微信公众号：机器学习炼丹术论文名称：Adapting Off-the-Shelf Source Segmenter for Target Medical Image Segmentation作者：炼丹兄（欢迎交流共同进步）联系方式：微信cyx645016617论文链接ÿ…
注意力论文解读(1) | Non-local Neural Network | CVPR2018 | 已复现
文章转自微信公众号：【机器学习炼丹术】 参考目录： 文章目录0 概述1 主要内容1.1 Non local的优势1.2 pytorch复现1.3 代码解读1.4 论文解读2 总结论文名称：“Non-local Neural Networks”论文地址：https://arxiv.org/abs/1711.07…
【小白学PyTorch】21 Keras的API详解（上）卷积、激活、初始化、正则
【新闻】：机器学习炼丹术的粉丝的人工智能交流群已经建立，目前有目标检测、医学图像、时间序列等多个目标为技术学习的分群和水群唠嗑答疑解惑的总群，欢迎大家加炼丹兄为好友，加入炼丹协会。微信：cyx645016617.
参考目…
【小白学PyTorch】19 TF2模型的存储与载入
【新闻】：机器学习炼丹术的粉丝的人工智能交流群已经建立，目前有目标检测、医学图像、时间序列等多个目标为技术学习的分群和水群唠嗑的总群，欢迎大家加炼丹兄为好友，加入炼丹协会。微信：cyx645016617.
参考目录&…
【小白学PyTorch】15 TF2实现一个简单的服装分类任务
【新闻】：机器学习炼丹术的粉丝的人工智能交流群已经建立，目前有目标检测、医学图像、时间序列等多个目标为技术学习的分群和水群唠嗑的总群，欢迎大家加炼丹兄为好友，加入炼丹协会。微信：cyx645016617.
参考目录&…
【统计学习方法】2021-10-01-统计学习方法学习记录（一）【章节一：统计学习与监督学习概论（1）】
【这是我第一次阅读统计学习方法这本书，就目前的情况来看由于知识储备的限制我这一次可能只能止步于理解而难以撑得过进一步追问，希望我在数理和编程能力上去之后会变的好一些吧】 【原本想把第一章全部写在一篇里，但是上次写数字设计的第一章…
pandas函数没有进度条解决
对于pandas函数在运行的过程中，如果数值的数量过多，此时一些pandas自带的函数，比如merge，concat等函数，往往会由于运行时间过长，导致你不知道它会运行到哪里，会运行多长时间，此时我们…
在 Python 3 中释放 LightGBM 的力量：您的机器学习大师之路
机器学习是 Python 占据主导地位的领域，它一直在给全球各行各业带来革命性的变化。要在这个不断变化的环境中脱颖而出，掌握正确的工具是关键。LightGBM 就是这样一个工具，它是一个强大且快速的梯度提升框架。在这份综合指南中，我们将通过实际示例和示例数据集从基础知识到高…
A_搜索(A Star)算法
A*搜索(A Star)
不同于盲目搜索，A算法是一种启发式算法(Heuristic Algorithm)。 上文提到，盲目搜索对于所有要搜索的状态结点都是一视同仁的，因此在每次搜索一个状态时，盲目搜索并不会考虑这个状态到底是有利于趋向目标的&#x…
详解“协方差”与“相关系数”
引言 PCA的目标对象是矩阵，例如，有m个样本，每个样本有n个特征，那么就可以构造成一个样本矩阵，并转换成矩阵的形式。 PCA的最终目的是减少特征的个数，去掉那些不重要的特征，也就是减小矩阵列向量…
机器学习终极指南：统计和统计建模03/3 — 第 -3 部分
系列上文：机器学习终极指南：特征工程（02/2） — 第 -2 部分 一、说明 在终极机器学习指南的第三部分中，我们将了解统计建模的基础知识以及如何在 Python 中实现它们，Python 是一种广泛用于数据分析和科学计…
线性代数1：线性方程和系统
图片来自施泰德博物馆 Digital Collection (staedelmuseum.de) 一、前言 通过这些文章，我希望巩固我对这些基本概念的理解，同时如果可能的话，通过我希望成为一种基于直觉的数学学习方法为其他人提供额外的清晰度。如果有任何错误或机会需要我…
深度强化学习 第 4 章 DQN 与 Q 学习
4.1 DQN 最优动作价值函数的用途 假如我们知道 Q ⋆ Q_⋆ Q⋆，我们就能用它做控制。 我们希望知道 Q ⋆ Q_⋆ Q⋆，因为它就像是先知一般，可以预见未来，在 t t t 时刻就预见 t t t 到 n n n时刻之间的累计奖励的期望。假如…
【完全攻略】Gradio：建立机器学习网页APP
目录 前言一、Gradio介绍以及安装1-1、Gradio介绍1-2、安装 二、快速开始（初步了解）2-1、简单小栗子2-2、多输入多输出2-3、简易聊天机器人 三、关键技术3-1、带有样例的输入3-2、提示弹窗3-3、描述内容3-4、风格3-5、流式输出3-6、进度条3-7、分享APP 总…
Adult数据集预处理
因为adult数据集没有列名，先设置列名
df pd.read_csv(adult.csv, header None, names
[age, workclass, fnlwgt, education, education-num, marital-status, occupation, relationship, race,sex, capital-gain, capital-loss, hours-per-week, native-countr…
对数似然函数 | 交叉熵 | 损失函数
对数似然代价函数（Log-Likelihood Cost Function）通常用于训练神经网络，特别是在二元分类问题和多类分类问题中。它的数学形式取决于问题的性质，下面我将分别介绍二元分类和多类分类中的对数似然代价函数，并举例说明。…
matlab simulink 直线一级倒立摆控制（自起摆和稳态控制）
1、内容简介
略 6-可以交流、咨询、答疑
2、内容说明
控制器设计 自起摆建模 规定正方向：顺时针为角度（力矩）正方向，向右为位移正方向。
在规定的正方向条件下，图 1 所示摆杆的角度φ为正值， 下车向右加…
概念解析 | 无监督学习 VS Zero-shot学习
注1:本文系“概念解析”系列之一,致力于简洁清晰地解释、辨析复杂而专业的概念。本次辨析的概念是:无监督学习和Zero-shot学习的关系 无监督学习与Zero-shot学习:本质上的差异还是表面的相似?
背景介绍
无监督学习(Unsupervised Learning)和Zero-shot学习(Zero-shot Learnin…
强化学习小笔记 —— 如何选择合适的更新步长
在强化学习中，动作价值函数的更新可以使用增量法，如下所示： Q k 1 k ∑ i 1 k r i 1 k ( r k ∑ i 1 k − 1 r i ) 1 k ( r k ( k − 1 ) Q k − 1 ) 1 k ( r k k Q k − 1 − Q k − 1 ) Q k − 1 1 k [ r k − Q k − 1 ] \beg…
【机器学习 | PipeLine】机器学习通用管道最佳实践！！（无论什么问题都能套上，确定不来看看？）
🤵♂️ 个人主页: AI_magician 📡主页地址： 作者简介：CSDN内容合伙人，全栈领域优质创作者。 👨💻景愿：旨在于能和更多的热爱计算机的伙伴一起成长！！&…
机器学习领域经典书籍推荐
机器学习领域经典书籍 1. 数据挖掘概念与技术2. 机器学习3. 统计学习方法4. 深度学习5. 动手学深度学习（PyTorch版） 1. 数据挖掘概念与技术 原名: Data Mining：Concepts and Techniques，Third Edition 作者: （美&#…
机器学习实战-第5章 Logistic回归
Logistic 回归 概述
Logistic 回归 或者叫逻辑回归 虽然名字有回归，但是它是用来做分类的。其主要思想是: 根据现有数据对分类边界线(Decision Boundary)建立回归公式，以此进行分类。
须知概念
Sigmoid 函数
回归 概念
假设现在有一些数据点，我们用一条直线对这些点进行…
梳理自动驾驶中的各类坐标系
目录 自动驾驶中的坐标系定义
关于坐标系的定义
几大常用坐标系
世界坐标系
自车坐标系
传感器坐标系
激光雷达坐标系
相机坐标系
如何理解坐标转换
机器人基础中的坐标转换概念
左乘右乘的概念
对左乘右乘的理解
再谈自动驾驶中的坐标转换
本节参考文献 自动驾驶…
吴恩达《机器学习》6-4-＞6-7:代价函数、简化代价函数与梯度下降、高级优化、多元分类:一对多
一、代价函数
逻辑回归的代价函数是用来度量模型预测与实际结果之间的差异的。与线性回归使用均方误差不同，逻辑回归使用的代价函数在数学上更为复杂。为了理解逻辑回归的代价函数，首先要明白逻辑回归的假设函数：
ℎ𝜃(…
基于随机森林算法的房价模型预测研究
基于随机森林算法的房价模型预测研究
摘要：本研究利用波士顿郊区房价的信息，并构建了全面的数据集。采用随机森林算法构建了房价预测模型，通过构建模型，并使用Grid Search进行超参数调整及交叉验证对模型进行优化，提高该模型房地产市场的房价预测准确性。研究对象为波士顿…
MMDetection的demo测试报错解决
尝试用网上的教程测试demo/image_demo.py ，然而报错
python demo/image_demo.py demo/demo.jpg mask-rcnn_r50-caffe_fpn_1x_coco.py mask_rcnn_r50_caffe_fpn_1x_coco_bbox_mAP-0.38__segm_mAP-0.344_20200504_231812-0ebd1859.pth --device cpu
usage: image_dem…
11-09 周四 机器学习开发容器搭建
第一步 启动容器
docker run --name sqh-learn -d -p 10088:8888 -p 10022:22 -v /home/sqh:/workspace -it 10.101.12.128/framework/jupyter:pytorch-1.10.0-cuda11.3-cudnn8-devel-jupyter-sshd-2.0 第二部
网页连接
https://${host}:10088
Pytorch实战教程（二十九）-模型训练实用技巧
0. 前言 我们已经学习了多种图像分类模型的构建方法。在本节中，我们介绍在实际构建模型时影响模型性能的因素，包括数据质量(处理不平衡数据)、数据预处理(对象大小)、模型选择、超参数优化和正则化等，了解这些因素能够帮助我们更好地训练和优化机器学习模型。
1. 处理不平衡…
Faster-RCNN and Mask-RCNN框架解析
由于本人记忆力实在太差，每次学完一个框架没过多久就会忘，而且码文能力不行，人又懒，所以看到了其他人写的不错的两篇框架解析的博文，先来记录一下，就当是我写的喽 Faster-rcnn详解_faster r-cnn-CSDN博客 M…
焦点损失函数 Focal Loss 与 GHM
文章来自公众号【机器学习炼丹术】
1 focal loss的概述
焦点损失函数 Focal Loss（2017年何凯明大佬的论文）被提出用于密集物体检测任务。
当然，在目标检测中，可能待检测物体有1000个类别，然而你想要识别出来的物体&…
一分钟速学 | NMS, IOU 与 SoftMax
非极大抑制
NMS的英文是Non-maximum suppression的缩写。
简单的说，就是模型给出了多个重叠在一起的候选框，我们只需要保留一个就可以了。其他的重叠的候选框就删掉了，效果可见下图：
交并比
IoU的英文全称Intersection over …
深度学习模型训练完之后预测的数据差不多(模型预测输出数据一样)(训练结果一样)
模型训练之后输出的内容一样第一种可能性是某一种数据的分布过多造成数据分布不均匀第二种可能性是开头的标签被mask掉了第三种可能性：模型结构问题第四种情况：模型的激活函数出现问题第五种情况：对于padding的值进行mask我在训练模型的过程之…
总结：阅读transformer结构的t5源代码的经验
阅读transformers中的t5结构经验1.用笔在纸上画出结构，哪一部分接着跟着哪一部分2.把握关键的操作3.熟悉代码的脉络流程之后，从外面往里面阅读1.用笔在纸上画出结构，哪一部分接着跟着哪一部分
因为t5总体的结构比较复杂，所以必须…
fasttext论文笔记
fastText
Fasttext是一个专门用于文本分类和文本表示的模型，由于它模型结构非常的简单，训练效率很高，分类效果也非常好，因此是一个非常热门的模型。
Background
这是一篇2017年的文章，所以作者首先提到了当时神经网…
opencv任意形状角度透视变换（代码分析清晰）
一、概念先行
透视变换概念： 透视变换是将图像从一个视平面投影到另外一个视平面的过程，所以透视变换也被称为投影映射（Projection Mapping）。在图像的仿射变换中需要变换矩阵是一个2x3的两维平面变换矩阵，而透视变换…
【机器学习基础】核方法
本系列为《模式识别与机器学习》的读书笔记。 一，对偶表示
有这样⼀类模式识别的技术：训练数据点或者它的⼀个⼦集在预测阶段仍然保留并且被使⽤。许多线性参数模型可以被转化为⼀个等价的“对偶表⽰”。对偶表⽰中，预测的基础也是在训练数据…
机器学习笔记 - FlowNet：使用卷积网络学习光流
一、概述 卷积神经网络（CNN）对各种计算机视觉任务做出了巨大贡献。最近，CNN 已成功用于估计光流。与传统方法相比，这些方法在质量上取得了很大的提高。在此，我们将对以下论文进行简要回顾。 FlowNet1.0和FlowNet2.0都是端到端架构。FlowNet2.0是FlowNetCorr和FlowNetS的堆…
机器学习之多层感知机 MLP简洁实现 《动手深度学习》实例
🎈 作者：Linux猿
🎈 简介：CSDN博客专家🏆，华为云享专家🏆，Linux、C/C、云计算、物联网、面试、刷题、算法尽管咨询我，关注我，有问题私聊！
&…
机器学习-分类与回归的联系与区别
1.前言
在学习完机器学习基础之后，对分类和回归之前的联系和区别还有一点困惑，通过知识重新回顾学习，对二者的关系有了进一步了解。
2.分类和回归是做什么的？
分类（classification）: 将实例数据划分到合…
【机器学习】 逻辑回归算法：原理、精确率、召回率、实例应用(癌症病例预测)
1. 概念理解
逻辑回归，简称LR，它的特点是能够将我们的特征输入集合转化为0和1这两类的概率。一般来说，回归不用在分类问题上，但逻辑回归却能在二分类(即分成两类问题)上表现很好。
逻辑回归本质上是线性回归，只是在特…
【机器学习11】强化学习
1 基本概念
一个机器人在环境中会做各种动作， 环境会接收动作， 并引起自身状态的变迁， 同时给机器人以奖励。 机器人的目标就是使用一些策略， 做合适的动作， 最大化自身的收益。 整个场景一般可以描述为一个马尔可夫…
训练模型报错RuntimeError: Input, output and indices must be on the current device
问题出现： 当我训练图网络模型时，源码默认使用cpu，查看后台性能运行，发现正在使用cpu训练，这大大降低了训练速率，并且增加了电脑负载。所以我决定将模型改造并训练放在GPU上运行。 我在train方法中…
吴恩达《机器学习》4-6-＞4-7:正规方程
一、正规方程基本思想 正规方程是一种通过数学推导来求解线性回归参数的方法，它通过最小化代价函数来找到最优参数。 代价函数 J(θ) 用于度量模型预测值与实际值之间的误差，通常采用均方误差。 二、步骤 准备数据集，包括特征矩阵 X 和目标…
2023一区优化套用:KOA-CNN-BiGRU-Attention融合注意力机制预测程序代码！直接运行！
适用平台：Matlab 2023版及以上
KOA开普勒优化算法，于2023年5月发表在SCI、中科院1区Top顶级期刊《Knowledge-Based Systems》上。 同样的，我们利用该新鲜出炉的算法对我们的CNN-BiGRU-Attention时序和空间特征结合-融合注意力机制的回归预测…
基于Python的面向对象分类实例Ⅱ
接上一部分继续介绍~ 一、地类矢量转栅格 这一步是为了能让地类值和影像的对象落在同一区域，从而将影像中的分割对象同化为实际地物类别。 train_fn r".\train_data1.shp"
train_ds ogr.Open(train_fn)
lyr train_ds.GetLayer()
driver gdal.GetDrive…
曲线拟合：走进数据建模中的艺术与科学
在现代科学和工程领域，曲线拟合是一项重要的数据分析技术，它可以通过数学模型来近似描述实际数据中的复杂关系。本文将详细介绍曲线拟合的基本概念、方法和应用领域，并探究其在数据建模中的艺术与科学。
第一节：曲线拟合的基本概…
SPASS-聚类和判别分析
聚类与判别分析概述
基本概念
聚类分析 聚类分析的基本思想是找出一些能够度量样本或指标之间相似程度的统计量，以这些统计量为划分类型的依据，把一些相似程度较大的样本（或指标）聚合为一类，把另外一些彼此之间相似程度较大的样本又聚合为一类。根据分类对象的不同，聚类…
FlagEmbedding目前最好的sentence编码工具
FlagEmbedding专注于检索增强llm领域，目前包括以下项目:
Fine-tuning of LM : LM-Cocktail Dense Retrieval: LLM Embedder, BGE Embedding, C-MTEB Reranker Model: BGE Reranker 更新 11/23/2023: Release LM-Cocktail, 一种通过模型融合在微调时保持原有模型通用…
使用数据集对SegFormer模型进行微调以改进自动驾驶车辆的车道检测-附源码下载
SegFormer：细分严重影响了高级驾驶辅助系统的开发。它在自动驾驶汽车技术的快速发展中发挥了关键作用。它由多个复杂的组件组成。对于任何在道路上行驶的车辆来说，车道检测至关重要。车道是道路上的标记，有助于区分道路上的可行驶区域和不可行驶区域。当前一代有多种车道检测…
word2vec方法代码学习
word2vec内容链接 word2vec代码内容如下：
import numpy as np
from collections import defaultdictclass word2vec():def __init__(self):self.n settings[n]self.lr settings[learning_rate]self.epochs settings[epochs]self.window settings[window_size]d…
python 向量二范数_向量的范数| 使用Python的线性代数
python 向量二范数Prerequisite: 先决条件： Defining Vector using Numpy 使用Numpy定义向量 Here, we are going to learn how to find the norm of a vector using an inbuilt function in numpy library? 在这里，我们将学习如何使用numpy库中的内置…
mcq 队列_MCQ | 密码学密码（级别：简单）| 套装2
mcq 队列1) You are supposed to use hill cipher for encryption technique. You are provided with the following matrix, 1)您应该使用Hill密码进行加密。 为您提供以下矩阵， A [ 4 22 1 ]Is the given matrix A, a valid key to be used for encrypt…
线性回归拟合优度度量
在拟合了Y关于X的线性模型之后，我们不但想知道这种线性关系是否真的存在，还想度量模型对数据的拟合效果。拟合效果可以采用下面的方法之一进行度量，这些方法有很高的关联性。 1.Y对X的散点图、Y对Y的散点图 Y与X之间线性关系的强度还可以通过…
使用 Numpy 实现 K-Means 聚类算法
K-Means 算法原理链接. 使用时，实例化类后，只需关注 fit(), predict()，传入数据类型为np.array，形状为 N x M。 class MyKMeans:labels_ [] # fit 后每类数据的标签cluster_centers_ None # N x M, 聚类中心个数__cluster_cen…
机器学习初学者必备的学习路线图
上图包含了机器学习中大部分的基础知识，有了这份思维导图会有事办功倍的效果哈，想要PDF，或者原文件的，欢迎关注公众号：羽峰码字，发送关键词“机器学习思维导图”，即可获取哦。下方是公众号&…
stl向量_在C ++ STL中更改向量的特定元素
stl向量Given a C STL vector and we have to change a particular element. 给定一个C STL向量，我们必须更改一个特定元素。 更改向量的特定元素 (Changing a particular element of a vector ) We can change a particular element of a C STL vector using fo…
TensorFlow 2 基础概念语法
目录张量数据类型代码常用模块张量
阶数学实例0标量（只有大小）1矢量（大小和方向）2矩阵（数据表）33 阶张量（数据立体）NN 阶张量（自行想象）
数据类型
Tensor 类…
Tensorflow 官方版教程中文版
2015年11月9日，Google发布人工智能系统TensorFlow并宣布开源，同日，极客学院组织在线TensorFlow中文文档翻译。一个月后，30章文档全部翻译校对完成，上线并提供电子书下载，该文档的上线为国内外使用中文学习T…
python 打印文件名_Python | 打印文件内容以及文件名
python 打印文件名打印文件名 (Printing file name ) To print the filename, we use "file_object.name". 要打印文件名，我们使用“ file_object.name” 。 打印文件内容 (Printing files content) To print the content of a file, we use "read(…
Pytroch torchvision 数据增强 翻转 旋转
文章目录0 数据增强简介1 使用的例子2 增强方式2.1 水平翻转和竖直翻转2.2 旋转参考文章0 数据增强简介 数据增强常常用来扩充数据，在一定程度上可以缓解数据不足所带来模型训练程度不足的问题，对于少量数据进行数据增强，再训练模型ÿ…
大数据分析，在中国，找个身高1米7年入20万的老公，到底有多难？
点击上方“果汁简历”，选择“置顶公众号”在中国，女性想找到适龄男性，把标准“降低”到年收入20万，身高170厘米，就已经几乎是“百里挑一”的水平了。01 身高1米7，标准真的不低2020年底，国新办发…
可持续？来参加这场科技和艺术的浪漫对谈吧！
真正的可持续到底是什么？凑字数的原创而已我们也不知道未来会是如何我们需要的可持续性呢入生物界能够穿越时空的例子很多，有将躺平进行到底却延续亿万年的鲎，有能上天更多关于2022伦敦设计周详情及“可持续”话题文章可点击阅读原文查看机构…
pytorch分布式训练
基础知识像rank，local_rank之类的就不讲了，自行百度吧。
总论：pytorch分布式训练中，数据并行主要依赖于multiprocessing和distributed。可以简单理解为multiprocessing用于开启多进程，distributed用于进程间通信。
另…
torch.max()和np.max()的一点区别,补充np.maximum()
除了网上所说torch.max()除返回最大值还返回索引，而np.max只返回最大值以外，还有一个很大的区别在于，torch.max可以直接比较两个张量，也就是torch.max(a,b)是可以的，但是np.max只能有一个输入，当要比较两个…
机器学习之简单线性回归
最广为人知的线性回归模型——将数据拟合成一条直线。直线拟合的模型方程为 y ax b，其中 a 是直线斜率，b 是直线截距。 看看下面的数据，它们是从斜率为 2、截距为 -5 的直线中抽取的散点：
rng np.random.RandomState(1)
x 1…
【医疗人工智能】胃肠内窥镜计算机视觉和机器学习调查
Article
作者：Anant S. Vemuri文献题目：胃肠内窥镜计算机视觉和机器学习调查文献时间：2019 胃肠内窥镜计算机视觉和机器学习调查Article摘要内窥镜应用摘要
本文试图为读者提供一个开始研究计算机视觉和机器学习在胃肠 (GI) 内窥镜检查中的…
Ubuntu16.04 安装ROS Kinetic
参考网址：https://blog.csdn.net/qq_40936141/article/details/86241910
记录一下安装过程 Ubuntu16.04 安装ROS Kinetic一、 安装ROS1、添加ROS软件源2、添加密钥3、更新软件包4、安装ROS Kinetic5、初始化ROSrosdep init ROS安装问题解决方案6、安装rosinstall二…
【深入浅出强化学习-编程实战】4 基于时间差分的方法-鸳鸯系统
【深入浅出强化学习-编程实战】4 基于时间差分的方法4.1 鸳鸯系统——基于时间差分的方法4.2 Sarsa结果4.3 Q-learning结果4.1 鸳鸯系统——基于时间差分的方法
左上为雄鸟，右上为雌鸟，中间有两道障碍物。目标：雄鸟找到雌鸟。 yuanyang_env_…
梯度下降和梯度上升 个人见解
梯度下降和梯度上升是我们学习机器学习必不可缺的一部分。
当学习到梯度下降的时候，你或许会觉得，很有道理。
但是又学习到梯度上升的时候，你可能会觉得，这是什么？什么时候加，什么时候减？
先…
由torch.max（）出错所引出的张量广播机制理解
错误如图： a[:,:2]的shape为（2，2）；b[:,:2]的shape为（3，2）。比较的时候出错如下
解决方法： 也就是在a的中间加一个维度，且该维度长度为1：
原因在…
【强化学习纲要】5 策略优化基础
【强化学习纲要】5 策略优化基础5.1 基于策略优化的强化学习5.1.1 Value-based RL versus Policy-based RL5.1.2 Two types of Policies5.1.3 优化策略的客观函数5.1.4 直接计算policy gradient5.2 Monte-Carlo policy gradient5.2.1 Policy Gradient for One-Step MDPs5.2.2 P…
手动实现反向传播算法
#!/usr/bin/env python
# encoding: utf-8
"""
author: HuRuiFeng
file: 7.9-backward-prop.py
time: 2020/2/24 17:32
desc: 7.9 反向传播算法实战的代码
"""import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
from s…
深度学习实战 第5章深度学习优化笔记
第5章 深度学习优化
5.1 神经网络优化困难
1.深度学习所面临的优化挑战，包括了局部最优、鞍点、梯度悬崖及梯度消失问题。
5.1.1 局部最优
1.凸函数最显著的特征是能够找到一个局部最优解，并且此解是全局的最优解。但有时我们也并不执着于寻找最优的…
使用显式循环版本计算Softmax损失函数
参考链接： (1条消息) cs231n作业：Assignment1-softmax_MR CODER-CSDN博客 第一种
def softmax_loss_naive(W, X, y, reg):"""使用显式循环版本计算Softmax损失函数N表示：数据个数，D表示：数据维度&…
如何用网页打开ipynb文件
如何使用网页打开ipynb文件
1.打开cmd 输入：pip install jupyter notebook 2.cmd输入：jupyter notebook
3.等待，弹出网页 4.进入相应的文件及，找到x需要打开的文件 5.打开成功 6.选中一个框，方框变成蓝色&#x…
吴恩达 deeplearning.ai - 神经网络和深度学习 - 第三周测验
原文链接：https://blog.csdn.net/u013733326/article/details/79866913
第3周测验 - 浅层神经网络
1.以下哪一项是正确的？（[] ()是上标，后面紧跟着）
X是一个矩阵，其中每个列都是一个训练示例。a[2]4是第…
sklearn中特征提取方法基础知识
特征提取方法基础知识，将不同类型的数据转换成特征向量方便机器学习算法研究 目录 分类变量特征提取：分类数据的独热编码方法，并用scikit-learn的DictVectorizer类实现 机器学习问题中常见的文档特征向量: 词库模型将文档转换成词块的频率构…
科普向 | 一文读懂什么是AI芯片
人工智能（AI，Artificial Intelligence）的这股风刮了许多年，已经席卷了汽车、手机、医疗、金融、艺术等各个行业。甚至出现了AI和人脑之间的battle。
2016年，AlphaGo对战围棋九段高手李世石，最终AI以4:1的战…
人工智能、机器学习、神经网络和深度学习的关系
最近很长的一段时间，人工智能的热度都维持在一定的高度。但是大家在关注或研究人工智能领域的时候，总是会遇到这样的几个关键词：深度学习、机器学习、神经网络。那他们之间到底是什么样的关系呢？
先说人工智能，人工智…
生成专题4 | StyleGAN2的其他改进
文章转自微信公众号：机器学习炼丹术作者：陈亦新（欢迎交流共同进步）联系方式：微信cyx645016617学习论文：Analyzing and Improving the Image Quality of StyleGAN文章目录 4.1 Path length regularization4.2 代码实现PLloss4.3 No Progressive growth4.1 Path length reg…
生成专题1 | 图像生成评价指标 Inception Score （IS）
文章转自微信公众号：机器学习炼丹术作者：陈亦新（欢迎交流共同进步）联系方式：微信cyx645016617 文章目录1.1 感性理解1.2 数学推导1.3 KL散度的物理意义1.1 感性理解
IS是Inception Score。
熵entropy可以被用来描述随…
机器学习——网络设计的技巧
这次任务是对深度学习框架的补充。从改善梯度下降法开始，梯度下降法失效的原因可能是gradient(损失函数对未知参数的一阶导)接近0，由此会产生critical point,其中包含常说的local minima、local maxima、saddle point or very slow at the plateau。实际…
机器学习工程师应当掌握的四大算法，你学会了吗？
原文：4 algorithms machine learning engineers should know 作者：Allerin 翻译：聂震坤 审校：苏宓 机器学习在过去几年取得了惊人的进步。机器学习算法旨在将人工智能与真实的人类智能无缝融合，提供最高水准的准确性…
机器学习——深度学习介绍和反向传播
深度学习是机器学习中的一种方法，是一种非线性模型。因此，深度学习依然遵循着机器学习的三个步骤。第一个步骤是定义一列函数，深度学习中用神经网络来定义；第二个步骤是模型评估，通过计算损失函数决定，深度…
Coursera-MachineLearning-Week2编程题目整理
warmUpExercise.m
A eye(5);plotData.m
plot(x, y, rx, MarkerSize, 10);
ylabel(Profit in $10,000s);
xlabel(Population of City in 10,000s);gradientDescent.m theta_temp theta; %记录当前梯度for j1:length(theta) %对其中的所有都进行更新theta_temp(j) theta(j)…
《机器学习》慕课版课后习题-第9章
中国工信出版集团、人民邮电出版社出版的赵卫东、董亮编著的《机器学习》慕课版
第9章 进化计算
1.遗传算法可以解决哪些问题？
解：遗传算法主要解决技术优化问题，可用于解决数值优化、组合优化、智能控制、人工生命、图像处理、模式识别等…
【小白学PyTorch】8 实战之MNIST小试牛刀
文章来自微信公众号【机器学习炼丹术】。有什么问题都可以咨询作者WX：cyx645016617。想交个朋友占一个好友位也是可以的~好友位快满了不过。 文章目录1 探索性数据分析1.1 数据集基本信息1.2 数据集可视化1.3 类别是否均衡2 训练与推理2.1 构建dataset2.2 构建模型类…
机器学习——误差和梯度下降法
这节是对上一节知识点的进一步扩展。如何选择模型呢？误差越小越好吗？不是的！这里的误差的来源有偏差和方差(小声叨叨，这不就是MSE嘛),两种来源的误差对应着两种数据拟合问题，过拟合和欠拟合。如果一个模型可以在数据集…
xgboost 多分类Demo（六段年龄预测）
1. 相关包导入
# -*- coding: utf-8 -*-
import numpy as np
import xgboost as xgb
from xgboost import plot_importance
from sklearn import preprocessing
from sklearn.model_selection import train_test_split
from sklearn import metrics
from matplotlib import py…
【小白学PyTorch】5 torchvision预训练模型与数据集全览
内容来自微信公众号【机器学习炼丹术】，一个AI专业研究生的学习分享公众号。
文章目录： 文章目录torchvision1 torchvision.datssets2 torchvision.models模型比较torchvision 官网上的介绍（翻墙）：The torchvision pa…
Linux系统中虚拟设备文件的各种实用用法
大家好，我是良许。
大家知道，在 Linux 下，一切皆文件，对于设备文件也是如此。我们在工作的过程中，经常会看到 /dev/null 这个玩意，那它到底是什么呢？
专业地讲，/dev/null 是一个虚…
机器学习与人学习的有监督和无监督的区别
一、认识： 个人知识的总和融入并记录在库最终会成就了搜索引擎库！
认识学习的来源：起始于获得信息；您还需要能够将原始信息构建规则去理解形、态，并转化为可用的逻辑行为。 对于我们中的很多人来说，认识机…
Gradient Checking（吴恩达课程）
Gradient Checking（吴恩达课程）
# GRADED FUNCTION: forward_propagationdef forward_propagation(x, theta):"""Implement the linear forward propagation (compute J) presented in Figure 1 (J(theta) theta * x)Arguments:x -- a …
Java机器学习-BLAS线性代数
一.认识 BLAS【Basic Linear Algebra Subprograms，基础线性代数程序集】是一个抽象类，用于规范发布基础基础线性代数操作的数值库【常用于向量或矩阵计算】。该程序集最初发布于1979年，并用于创建更大的数值程序包【例如：LAPACK】…
2、哪些机器学习算法不需要做归一化处理？
在实际应用中，通过梯度下降法求解的模型一般都是需要归一化的，比如线性回归、logistic回归、KNN、SVM、神经网络等模型。
但树形模型不需要归一化，因为它们不关心变量的值，而是关心变量的分布和变量之间的条件概率，如…
基于Pytorch实现猫狗分类
基于Pytorch实现猫狗分类一、环境配置二、数据集准备三、猫狗分类的实例四、实现分类预测测试五、参考资料一、环境配置
1、环境使用
Anaconda
2、配置Pytorch
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple torch
pip install -i https://pypi.tuna.tsinghua.…
提高训练效果的方法--Bag of Tricks for Image Classification with Convolutional Neural Networks 论文笔记
Bag of Tricks for Image Classification with Convolutional Neural Networks论文解读
Abstract
Much of the recent progress made in image classification research can be credited to training procedure refinements, such as changes in data augmentations and opti…
机器学习之神经网络-基础知识总结（第二篇）
Ⅰ、反向模式求导 反向模式求导是从后向前，先求 y 对 z 的影响(h m n) ，再求 x 对 y 的影响(ijk) ，然后相乘(h m n)*(ijk)：
前向模式求导追踪一个输入如何影响每一个节点，对每一个节点进行 ∂∂x\frac{\partial }{…
机器学习系列（九）之——模型参数估计(最小二乘估计、最大似然估计、最大后验估计)
给定模型与参数，我们就能对样本空间进行描述。大家很自然地会问，这个描述是不是最不好的呢？我们用什么评价标准判断这个描述的好坏呢？这篇博客将一起探讨这个问题。
在统计学中，根据从总体中抽取的随机样本来估计模型…
FCOS中相较传统anchor-based方法中独特的地方
论文链接：FCOS原文 论文代码：FCOS代码
FCOS是anchor-freed one-stage 目标检测器，首先使用Backone CNN(用于提取特征的主干架构CNN)，另s为feature map之前的总步伐
FCOS与anchor-based方法不同的地方
anchor-based方法是利用ba…
Coursera-MachineLearning-Week10题目整理
编号按照对应的内容，1-1代表第一大部分遇到的第一题，R代表Review，C代表运行的代码（Code）。
1-1 解：D
首先应该做的事是去检查一个这么大规模的训练集是否真的必要，也许我们只用1000个训练集也…
Coursera-MachineLearning-Week6题目整理
编号按照对应的内容，1-1代表第一大部分遇到的第一题，R代表Review，C代表运行的代码（Code）。
1-1. 解：BCD
A：改进学习算法不靠直觉，需要进行对应的分析，错误。
B&#x…
Coursera-MachineLearning-Week5编程题目整理
sigmoidGradient.m
g sigmoid(z) .* (1 - sigmoid(z)); %y*(1-y)randInitializeWeights.m
epsilon_init 0.11; %初始化值
W rand(L_out, 1 L_in) * 2 * epsilon_init - epsilon_init; %完成随机初始化nnCostFunction.m
%前向传播和代价函数
h eye(num_labels); %单…
Coursera-MachineLearning-Week7编程题目整理
gaussianKernel.m
sim exp(-sum((x1-x2).^2)/(sigma.^2*2)); % similarity(x,l^(1)) exp(-(||x-l^(1)||^(2))/2Sigma^2)dataset3Params.m
steps [0.01,0.03,0.1,0.3,1,3,10,30];
minError Inf;
minC Inf;
minSigma Inf;for i 1:length(steps) %遍历所有的选项for j …
Coursera-MachineLearning-Week6编程题目整理
linearRegCostFunction.m
J 1/(2*m)*sum((X*theta-y).^2)lambda/(2*m)*(sum(theta.^2)-theta(1).^2);
%去除常数项的正则化代价函数grad 1/m*X*(X*theta-y)lambda/m*theta; %正则化梯度
grad(1) grad(1) -lambda/m*theta(1); %常数项不进行正则化learningCurve.m
for i …
Coursera-MachineLearning-Week3编程题目整理
sigmoid.m
g 1./(1exp(-z)); %对每个元素都进行操作costFunction.m
J 1./m*(-y*log(sigmoid(X*theta)) - (1-y)*log(1-sigmoid(X*theta)));
grad 1/m * X*(sigmoid(X*theta) - y);predict.m
p round(sigmoid(X * theta)) %界限是0.5，所以可以使用四舍五入…
详解机器学习的决策树算法(DT)-以及划分数据集的ID3算法
1：什么是决策树 顾名思义：决策树就是根据已有的条件进行决策从而产生的一棵树。 比如，这就是一颗决策树，根据不同的取值决定不同的走向 2、那么如何根据现有的属性来决定谁是第一个节点，谁是第二个节点呢，…
机器学习-机器学习概论
1.【单选题】以下有关机器学习理解不正确的是 ( )。
A、查询大量的操作数据去发现新的信息
B、从大量的业务数据中分析有兴趣的新颖知识辅助决策的过程
C、机器学习的结果不一定能辅助决策
D、需要借助统计学或机器学习的一些算法
解：A
机器学习并不是查询大量…
搭建模型线上打分服务
在几台不同机器分别部署相同服务，指定IP和端口，让运维做负载均衡。
更新时，需几台机器依序关闭、修改、重启。 1. 启动服务
start_service.sh
nohup /data/zz/anaconda3/bin/python algorithms_predict.py >> ../logs/algorithms_predict.log 2>&1 &
2…
LightGBM 模型上线Pipeline
1. 模型预测Pipeline
1. model_predict_pipeline.sh hive表拉取预测数据预测数据切分模型打分打分数据整合数据上传# 1.从hive表中拉去预测数据到本地（模型工程目录）
/app/hadoop/hive/bin/hive -e "
use db_name;
set hive.cli.print.header=false;
set hive.resultse…
python 机器学习——线性回归与波士顿房价案例
线性回归与波士顿房价案例一、比较回归与分类二、线性回归器理论（1）线性回归（ Linear Regression ）（2）线性回归的参数估计最小二乘法（ Least squares ）梯度下降法极大似然法…
想看但是还没有仔细钻研的机器学习方向的博文。如果有看不懂的机器学习的博文，可以在下面评论，我看懂了会专门写一个通俗易懂的博文解释
ResNeXt算法详解（resnet提升篇）
【入门级实战】fastAI分类猫狗实战代码
记录代码，方便之后快捷搭建框架，喜欢的可以收藏
#导入库
from fastai import *
from fastai.vision import *#下载原数据
path untar_data(URLs.DOGS)
URLs.DOGS,path# 生成fastai中专门的数据类ImageDateBunch
data ImageDataBunch.from_folder(path…
什么是GoogleNet？什么是Inception？GoogleNet结构详解（2014年）
googleNet是2014年的ILSVRC的冠军模型，GoogleNet做了更大胆的网络上的尝试，而不是像vgg继承了lenet以及alexnet的一切框架。GoogleNet虽然有22层，但是参数量只有AlexNet的1/12
GoogleNet论文指出获得高质量模型最保险的做法就是增加模型的深…
什么是test-time argument（测试数据增强）
喜欢的话请关注我们的微信公众号~《你好世界炼丹师》。
公众号主要讲统计学，数据科学，机器学习，深度学习，以及一些参加Kaggle竞赛的经验。公众号内容建议作为课后的一些相关知识的补充，饭后甜点。此外，为了…
【学习笔记】pytorch中squeeze()和unsqueeze()函数介绍
unsqueeze()
import torch
a torch.arange(0,6)
print(a)
print(a.view(1,6))
print(a.view(6,1))
print(a.unsqueeze(0))
print(a.unsqueeze(1))
print(a.unsqueeze(0).shape)
print(a.unsqueeze(1).shape)可以看到，原来就是一个一维的数组，我们可以s…
从零学习PyTorch 第8课 PyTorch优化器基类Optimier
课程目录（在更新，喜欢加个关注点个赞呗）： 从零学习pytorch 第1课 搭建一个超简单的网络 从零学习pytorch 第1.5课 训练集、验证集和测试集的作用 从零学习pytorch 第2课 Dataset类 从零学习pytorch 第3课 DataLoader类运行过程 从…
从零学习PyTorch 第7课 模型Finetune与预训练模型
文章目录这一章比较有意思Finetune之权值初始化保存模型参数加载模型初始化不同层不同学习率课程目录（在更新，喜欢加个关注点个赞呗）：从零学习pytorch 第1课 搭建一个超简单的网络从零学习pytorch 第1.5课 训练集、验证集和测试集…
从零学习pytorch 第2课 Dataset类
课程目录（在更新，喜欢加个关注点个赞呗）： 从零学习pytorch 第1课 搭建一个超简单的网络 从零学习pytorch 第1.5课 训练集、验证集和测试集的作用 从零学习pytorch 第2课 Dataset类 从零学习pytorch 第3课 DataLoader类运行过程 从…
泰坦尼克灾难 到底是个什么东西
文章目录这是传奇性的Titanic ML竞赛-参加ML竞赛并熟悉Kaggle平台的工作原理的最佳，首要挑战。这是国外Kaggle大数据网站的一个经典的入门比赛。这个网站要翻墙。 简单来说，就是一个简单的大数据预测的题目：我们知道一些人的信息，…
数模竞赛代码整理----分类器
文章目录数据准备数据不均衡问题SMOTE过采样EasyEnsembleClassifier具体的分类器分类器的实现较为简单，主要从sklearn库中调取需要的函数即可。sklearn yyds！！！数据准备
数据不均衡问题
比如说本题，分类为0的样本有4…
从零开始学CV之二损失函数篇（3）
注：本篇博客大部分内容并非原创，而是本人将之前收藏的资料整理，并加以自己的愚解整合成到一起，方便回顾复习，所有参考资料均已注明出处，并已点赞加收藏~
前言： 上篇我们讲完了图像分类、目标检…
人类活动识别---代码
CNN-LSTM思想的进一步扩展是执行CNN的卷积（例如CNN如何读取输入序列数据）作为LSTM的一部分。这种组合称为卷积LSTM，简称ConvLSTM，像CNN-LSTM一样也用于时空数据。默认情况下，ConvLSTM2D 类要求数据输入的shape为&#…
文献阅读：The YouTube video recommendation system
文献阅读：The YouTube video recommendation system 1. 文章简介2. 问题 & 难点描述3. 系统架构 1. 数据表2. 推荐系统 1. 召回2. 精排3. 展示 4. 评估 & 效果5. 结论 & 思考 文献链接：https://dl.acm.org/doi/abs/10.1145/1864708.186477…
一个简单的自然语言处理例子
例子是我学习的教程的一个例子，收集了一些客户对于饭店的评价，目标是将他们进行分类，分成好评和差评。 数据的前5项： 这里用到了一个之前没用到的包NLTK对我们的文本数据进行必要的处理，转化，使其变成能够…
初探强化学习：置信区上界解决多臂老虎机问题
强化学习（英语：Reinforcement learning，简称RL）是机器学习中的一个领域，**强调如何基于环境而行动，以取得最大化的预期利益。其灵感来源于心理学中的行为主义理论，即有机体如何在环境给予的奖励…
机器学习实战：kNN示例2:手写识别系统
所给的数据是已经使用图形处理，处理成32像素*32像素的黑白图像： 数据来源于github 代码用python3写 1. kNN算法核心：
def classify0(inX,dataSet,labels,k):dataSetSize dataSet.shape[0]diffMattile(inX,(dataSetSize,1))-dataSetsqDiffMa…
超参数调试、Batch正则化和程序框架
1、归一化网络的激活函数（Normalizing activations in a network ） 规范化，方法如下，减去均值再除以标准偏差，为了使数值稳定， 通常将𝜀作为分母，以防𝜎 0的情况 &…
常用算法的计算复杂度
常用算法的计算复杂度穷举法 （Method of Exhaustion）二分法 （Bisection）线性规划（LP）半定规划（SDP）逐次凸逼近（SCA）块坐标下降（BCD）内…
机器学习分类问题及常用算法总结
机器学习分类问题及常用算法总结
机器学习学习研究计算机如何模仿人类的学习行为，获取新知识或经验，并重新组织已有的知识结构，提高自身的表现。主要分为： 1、监督学习：数据输入对象会预先分配标签，通过数…
数值分析(13)：常微分方程的数值解法之线性多步法
线性多步法1. 引言2. 线性多步法基本概念2.1 迭代表达式2.2 局部截断误差，阶，主局部截断误差3. 一些常见的线性多步法3.1 显式Adams方法3.2 隐式Adams方法3.3 预估一校正方法1. 引言
除了Runge-Kutta方法是否还有提高精度的方法？
回答是肯定…
数值分析(10)：数值积分之Gauss型求积公式
Gauss型求积公式1. 引言2. Gauss型求积公式2.1 Gauss型求积公式的定义2.2 Gauss点的性质2.3 构造Gauss型求积公式2.4 Gauss型求积公式的余项2.5 Gauss型求积公式的稳定性与收敛性2.6 Gauss-Legendre求积公式2.7 Gauss-Chebyshev求积公式1. 引言
在前一章《数值分析(9)…
5G 技术特点与应用
5G技术与应用场景
1、概述
随着时代的快速发展，科学技术也不断创新以及改进，其中通信技术发展尤为迅速,为移动通信技术 的更新换代提供条件支持。目前为止,通信领域最先进的技术是5G移动通信技术，预计会在2020年广泛使用，…
【强化学习纲要】8 模仿学习
【强化学习纲要】8 模仿学习8.1 模仿学习概要8.2 Behavioral cloning and DAGGER8.3 Inverse RL and GAIL8.4 进一步改进模仿学习的模型8.5 模仿学习和强化学习结合8.6 Case studies周博磊《强化学习纲要》学习笔记课程资料参见：
https://github.com/zhoubolei/intr…
【python机器学习】学习笔记2
【python机器学习】学习笔记22.1 Tkinter(1)window2.2 Tkinter(2)botton2.3 Tkinter(3)listbox2.4 Tkinter(4)Radiobotton2.5 Tkinter(5)Scale2.6 Tkinter(6)Checkbotton2.7 Tkinter(7)canvas2.8 Tkinter(8)Menu2.9 Tkinter(9)Frame2.10 Tkinter(10)messagebox2.11 Tkinter(11)…
ARIMA学习（一）
文章目录1 ARIMA前提1.1 平稳性1.2 严平稳与弱平稳1.3 差分法：时间序列在t和t-1时刻的差值自回归模型（AR）1 ARIMA前提
1.1 平稳性
要求序列的均值和方差不发生明显的变化。
1.2 严平稳与弱平稳
一般来说，我们的数据都是弱平稳…
使用Gensim库对文本进行词袋、TF-IDF和n-gram方法向量化处理
Gensim库简介
机器学习算法需要使用向量化后的数据进行预测，对于文本数据来说，因为算法执行的是关于矩形的数学运算，这意味着我们必须将字符串转换为向量。从数学的角度看，向量是具有大小和方向的几何对象，不需过多地…
PyTorch深度学习入门 || 系列（三）——人工神经元
文章目录0 写在前面1 数据处理2 模型定义2.1 完整的模型定义3 设置Loss函数4 优化——梯度下降和随机梯度下降5 完整代码0 写在前面
这一篇文章介绍人工神经元、人工神经网络。
1 数据处理
用linspace()函数产生[-3,3)区间内的100 000个点，并使用unsqueeze()函数…
粒子群算法PSO求解连续函数问题
目录
一、粒子群算法的概念
二、粒子群算法分析
三、粒子群算法种类
1.基本粒子群算法
2.标准粒子群算法
3.压缩粒子群算法
4.离散粒子群算法
四、粒子群算法流程
五、例题 一、粒子群算法的概念 粒子群优化算法(PSO：Particle swarm optimization) 是一种进…
吴恩达 deeplearning.ai - 改善深层神经网络 - 第3周测验
参考链接： https://blog.csdn.net/u013733326/article/details/79959713 https://zhuanlan.zhihu.com/p/30146018 第3周测验 - 超参数调整，批量标准化，编程框架
1.如果在大量的超参数中搜索最佳的参数值，那么应该尝试在网格中搜索…
动手学深度学习（Pytorch）1预备知识
原书籍出处 https://raw.githubusercontent.com/OUCMachineLearning/OUCML/master/BOOK/Dive-into-DL-PyTorch.pdf 本书GitHub代码链接为：https://github.com/wzy6642/Dive-Into-Deep-Learning-PyTorch-PDF。
第1章 预备知识
1.1 数据操作
torch.Tensor是包含单一…
Coursera-MachineLearning-Week11题目整理
编号按照对应的内容，1-1代表第一大部分遇到的第一题，R代表Review，C代表运行的代码（Code）。
1-1 解：C
具有多个阶段/组件的系统，其中几个可以使用机器学习。
1-2 解：C
200 * 200&…
浅谈机器学习的K-近邻算法
机器学习的K-近邻算法是一种监督学习的方法，是一种分类算法，其主要思想是：如果一个样本在特征空间中的k个最邻近的样本中的大多数属于某一个类别，则该样本也划分为这个类别。KNN算法中，所选择的邻居都是已经正确分类的…
Brin Index在Greenplum 7中的理论与实践 之 堆表上的Brin
2022年初，Greenplum 7版本将正式GA（具体时间和功能请以最终发布为准）。今年，Greenplum中文社区将和墨天轮社区合作，邀请原厂专家，开展《Greenplum 7 新版本大剧透》系列直播。第一讲（内核篇&…
机器学习复习之逻辑斯蒂回归以及决策树
1. 逻辑回归 要点：逻辑回归是分类模型还是回归模型，逻辑回归的概率分布如何表示，逻辑回归的模型是什么样的，逻辑回归如何进行参数估计，与线性回归的区别。 1.1 逻辑回归模型
逻辑回归模型是一类分类模型，由…
python 机器学习——k近邻回归与波士顿房价案例
k近邻回归与波士顿房价案例一、K 近邻（回归）理论（1）K 近邻回归原理（2）K 近邻加权法（3）算法流程（4）优缺点二、K 近邻（回归）具体案例操作…
python 机器学习——K 近邻分类理论及鸢尾（ Iris ）数据集实例操作
K 近邻分类理论及鸢尾（ Iris ）数据集实例操作一、K 近邻分类理论二、K 近邻分类实例操作（1）导入数据划分训练集测试集（3）数据标准化（4）用 K 近邻法建立模型（5）…
CNN经典模型框架展示与介绍
LeNet-5
首先，最为经典的就是LeNet-5，四层的神经网络结构，（2个卷积层和2个全连接层）有个需要注意的点是卷积完，会先进行池化再进行激活。由于池化和激活没有带参数进行运算，因此不算入神经网络…
软件开发质量改进措施_改进可能是软件开发人员面临的最大挑战，因此我们该如何做...
软件开发质量改进措施Don’t get me wrong I don’t hate my profession, in fact, I love to code. Having only the need for a single laptop to build complex applications feels exciting and the bugs are always new and never quite the same which keeps everything …
adobe me动态链接_adobe io事件在s3第二部分上构建分布式链接列表
adobe me动态链接In our previous post, we introduced the concept of a Distributed Linked List. We also talked about how Adobe I/O Events implemented them and why those implementations failed.在上一篇文章中 ，我们介绍了分布式链接列表的概念。 我们还…
Going deeper with convolutions-GoogLeNet（阅读）
Abstract 网络结构称为Inception，名字的获得来自Network in Network。这个网络是一个分类和检测的网络。该网络最大的特点就是提升了计算资源的利用率。在网络需要的计算不变的前提下，通过工艺改进来提升网络的宽度和深度。最后基于Hebbian Principle和多…
什么叫作Python中的变量
Python中的变量
其实在Python，准确来讲，变量叫名字（name），例如，你输入在没有定义的情况下输入print(a)，你会看见一下反馈 在这里，a 叫做名字，而不是variable…
20201229 张大佳MCU 调试经验：STM32的SW调试口被占用，怎么办？【科技老顽童开发版】
使用【科技老顽童开发版】 实验---SW调试口被占用的时候，怎么办？ STM32cubeMX中配置引脚的时候，SW调试口被配置成普通的IO输出
无法连接 stlink 或者 JTAG 进行SW调试
解决办法有两个：
1）使用ISP下载方式 ---通过…
数学之美：数学究竟是如何被运用到生活中的？
文末有这本书的思维导图不鸽大家，终于把这本书读完，来分享一下读后感。《数学之美》这本书是2012年出版，作者吴军，他的书籍还有《浪潮之巅》、《格局》等也非常有名，吴军博士在语音识别、自然语言处理，特别…
Datafun 20200726 推荐系统+知识图谱
知识图谱： 视频回放地址： https://wx0e9b298caef33b9a.h5.xiaoe-tech.com/v1/course/column/p_5f0ef0fae4b04349896c0ef6?type3
PPT下载地址： 链接：https://pan.baidu.com/s/1lw8P9T7gEZxKL7YI9UZkMw 提取码：gx5y
推…
自定义的模型如何使用GridSearchCV()来选择参数
遇到的问题
本人设计了一个模型之后，想用CV方法来选择超参数。如果再编写CV的代码，有点重造轮子的味道，于是想到了sklearn.model_selection.GridSearchCV()。可是，直接套用上去出现了一些问题，主要是缺少了一些必要的…
Linux保留某个目录下面最后100文件
由于某种原因，只要保留文件夹下面100个文件，其他的文件全部删除。
例如：使用Tensorflow训练数据，要拆分训练集和测试集时，从训练集拆分一部分数据为测试集，一种可行的方案如下：
mac命令&#…
python实现kdtree建立与knn搜索
作为一个kdtree建立和knn搜索笔记。
如有错误欢迎留言，谢谢。
import numpy as np
import math
class Node:def __init__(self,eltNone,LLNone,RRNone,splitNone):self.leftLL #左子树self.rightRR #右子树self.splitsplit #划分的超平面空间࿰…
准确率(Accuracy), 精确率(Precision，也可称为查准率), 召回率(Recall，也可称为查全率)和F1-Measure（也称为F1-Score)的一些总结
一个班里有男女生，我们来进行分类，把女生看成正类，男生看成是负类。我们可以用混淆矩阵来描述TP、TN、FP、FN 先上公式 方便记忆就是检测到的(Retrieved)都有个P（Positives) 及检测到的展示出来的，用户感兴趣的。而人…
Canny边缘检测算法原理
Canny算子是在边缘检测的三个指标和三个准则的基础上发展起来的一种很有效的边缘检测方法
三个指标： 好的检测 好的定位 最小响应
3个准则： 信噪比准则 定位精度准则 单边缘响应准则
canny边缘检测算法步骤： 1、用高斯滤波器对对图像进行平…
库卡机器人提示“无合适的mam文件“
无合适的mam文件
1.先登录到专家
2.根据路径(R1/Made/$machine.dat)打开文件
3.点击编辑-查找-输入($INDIVIDUAL_MAMS)
4.查找后将($INDIVIDUAL_MAMS)赋值部分改为#NONE
5.关机-冷启动-重新读入文件-重新启动控制系统PC√
库卡示教器卡死“正在读取驱动器”
正在读取驱动器一丶示教器界面二丶问题描述三丶解决办法一丶示教器界面 二丶问题描述
示教器一直卡在读取驱动器界面，并且我们此时无法对示教器进行任何操作，下电上电依旧如此。 操作库卡示教器时，如果操作不当很容易造成此现象。处理的进程…
Deep Learning论文笔记之（一）K-means特征学习
Deep Learning论文笔记之（一）K-means特征学习 zouxy09qq.com http://blog.csdn.net/zouxy09 自己平时看了一些论文，但老感觉看完过后就会慢慢的淡忘，某一天重新拾起来的时候又好像没有看过一样。所以想习惯地把一些感觉有用的论文…
限时万元大礼来了，零门槛工具EasyDL“真香”！
世界瞬息万变，虽有颗进步的心但总跟不上节奏是一种什么体验？当高楼里又迸发出因财富自由而激动的呐喊声时，你在不分昼夜地闷头POC。当24岁程序猿辞职去环游世界时，你才懵懂地开始摸索转型AI开发。当别人正观赏阿拉斯加的鳕鱼跃出水…
人工智能学习笔记 python实现梯度下降法对多元函数求解
学习来自
梯度下降基本步骤如下图所示 我们以一个二元函数为例计算
设一个二元函数为
y0.5*(x1x2)^2-x1*x2
一、则生成原函数图像代码如下
#一、构建一个函数为 y0.5*(x1x2)^2-x1*x2的图像
#原函数如下
# 二维原始图像
def f2(x, y):return 0.15 * (x 0.5) ** 2 0.25 * …
随机森林里oob_score以及用oob判断特征重要性的理解
本文总结了我在学习随机森林时关于oob产生的一系列问题以及学习到的问题答案1. 什么是oob2. 什么是oob_score3. 如何用oob判断特征的重要性错误理解与纠正参考文章在学习随机森林算法参数解释以及参数择优的过程中，注意到oob_score这一参数对应是否采用袋外样本来评…
pytorch安装教程(先配置好Anaconda)
就此踏上神经网络不归路冲冲冲打开anaconda prompt命令行来安装python的虚拟环境使用以下命令来激活刚才创建的虚拟环境接下来可以安装pytorch使用以下命令来安装pytorch一个bug消除bug之添加清华镜像源查看镜像源命令移除镜像源命令添加清华镜像源消除bug再次调用命令如图冲冲…
决策树ID3算法中导致递归返回的三种情况
本文主要对三种递归返回作出解释，ID3基本算法请大家自行搜索学习大佬们的绝美解释 （图片来源：周志华《机器学习》）
在学习决策树ID3算法的过程中，发现很多文章都非常详细用例子讲解了利用信息增益挑选特征的过程&…
python初步实现word2vec
一、前言
一开始看到word2vec环境的安装还挺复杂的，安了半天Cygwin也没太搞懂。后来突然发现，我为什么要去安c语言版本的呢，我应该去用python版本的，然后就发现了gensim，安装个gensim的包就可以用word2vec了ÿ…
文本聚类算法之一趟聚类（One-pass Cluster）算法的python实现
一、算法简介 一趟聚类算法是由蒋盛益教授提出的无监督聚类算法，该算法具有高效、简单的特点。数据集只需要遍历一遍即可完成聚类。算法对超球状分布的数据有良好的识别，对凸型数据分布识别较差。一趟聚类可以在大规模数据，或者二次聚类中&am…
文本聚类算法之K-means算法的python实现
一、算法简介 算法接受参数k，然后将事先输入的n个数据对象划分为k个聚类以便使得所获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小。聚类相似度是利用各聚类中对象的均值所获得的一个“中心对象”来进行计算的。 基…
机器学习--算法基础
机器学习–算法基础
1 机器学习基础
1.1 算法是核心,数据和计算是基础
1.2 找准定位* 大部分复杂模型的算法设计都是算法工程师在做,而我们:* 分析很多数据* 分析具体业务* 应用常见的算法* 特征方程,调参数,优化* 我们应该怎么做?* 学会分析问题,使用机器学习算法的目的,想要…
Making Pre-trained Language Models Better Few-shot Learners
文章目录输入端自动生成PromptPrompt的拼接方式输出端自动生成label训练对于分类对于回归模型简称LM-BFF，better few-shot fine-tuning of language models。符号：预训练模型为L\mathcal{L}L，总数据集为D\mathcal{D}D，标签空间为Y…
Probability Density Reweight
Probability Density Reweight
Reweight 是通过将采样样本乘以 reweight 权重，从而将样本从原始密度 P0P_0P0 转移至新密度 P1P_1P1 的方法。 当从原始密度采样样本 xxx 时，xxx 的期望为 Ex∼P0[x]∫P0(x)xdx≈1N∑ixi(1)E_{x \sim P_0}[x] \int P…
Jupyter, Anaconda, Python --安装, 环境配置及使用 (保姆式教程)(Windows, Linux皆适用)
Jupyter, Anaconda, Python --安装, 环境配置及使用 (保姆式教程)(Windows, Linux皆适用)
开发工具
用Jupyte执行 Python代码 (Jupyter 好处是可以分段执行代码, 输出结果)
Jupyter 的安装及使用
首先下载Anaconda, 因为Anaconda中自带Jupyter, 同时,Anaconda也是一个…
读《指数基金定投指南》感想
因为之前看过《定投十年，财务自由》的书籍，所以准备深入一下，就选了相同的作者的《指数基金定投指南》，在这之前我就进行过指数基金定投过，但是战果却不是很好，收益率都不是很高。我内心就很期待希望能找到…
关于机器学习需要知道的基础知识(持续更新)
数学基础：机器学习的数学理论基础
知识点总结：目前我正按照牛客网面试知识点总结的目录，来复习、整理我所欠缺的知识。
常见的机器学习算法：代码和讲解
面试中各种问题的比例如下图，可见机器学习算法、深度学习算法…
Transformer---RNN网络
1、什么是seq2seq？
简单来说就是模型输入是序列，输出也是序列。典型的任务有：机器翻译任务，文本摘要任务。
2、seq2seq模型如何处理文本/长文本序列？
使用循环神经网络来处理长文本序列，循环神经网络设置…
一、卷积神经网络（01 基础）
一、简述卷积的基本操作，并分析其与全连接层的区别？ 全连接层： 特点：输出层的每个节点会与输入层的所有节点连接 卷积层： 特点： 1、局部连接 ：输出层的节点与输入层的部分节点相连 2、权值共享 …
Stacked Cross Attention for Image-Text Matching--ECCV2018
Stacked Cross Attention for Image-Text Matching
一、这篇文章的研究目的是什么？
作者所研究的问题是图像与文本的匹配，作者认为之前的许多工作只是简单的简单地聚合了所有可能对区域和单词的相似性，并没有分析哪些单词或者区域更重要&am…
Multimodal music information processing and retrieval: survey and future challenges
Multimodal music information processing and retrieval: survey and future challenges
一、这篇文章的研究目的是什么？
这篇文章属于综述性论文，主要是对于多模式音乐信息处理与检索的一个相关调查。目的是通过利用音乐各个方面的不同模态ÿ…
机器学习的几种分类损失函数
1. 机器学习的几种分类损失函数
1.1 信息量
信息量也叫做香农信息量，常用于刻画消除随机变量X在x处的不确定性所需的信息量\color{red}刻画消除随机变量X在x处的不确定性所需的信息量刻画消除随机变量X在x处的不确定性所需的信息量。假设连续型随机变量࿰…
【论文阅读-1】CycleGAN原理
CycleGAN原理
1. 初识CycleGAN
1.1 什么是CycleGAN CycleGAN是一种完成图像到图像\color{red}图像到图像图像到图像的转换的一种GAN。 图像到图像的转换是一类视觉和图形问题，其目标是获得输入图像和输出图像之间的映射\color{red}目标是获得输入图像和输出图像之…
CS224W作业class GraphSage(MessagePassing)
2023年CS22Wassignment中的所有colab答案以及注释已经上传到github：https://github.com/yuyu990116/CS224W-assignment CS224W课程地址：http://web.stanford.edu/class/cs224w/
class GraphSage(MessagePassing):def __init__(self, in_channels, out_c…
如何使用大数据和机器学习提高疫情初期的决策质量
导语：怎么能在有限的时间内，根据不完整的信息，做出最优的决定，成为了决策者的一大挑战。
此次新型冠状病毒疫情的发展迅速。 相比于SARS三个月达到5000个确诊病例，此次疫情只用了不到一个月。
怎么能在有限的时间内&…
【机器学习】评价指标 - 偏差与方差
偏差与方差 Bias：预测值与真实值之间的差距
Variance：预测值的变化范围
参考资料
Understanding the Bias-Variance Tradeoff
机器学习 支持向量机 --简单介绍
前言
我第一次听到“支持向量机”这个名字，我觉得，如果这个名字本身听起来那么复杂，那么这个概念的表述将超出我的理解范围。幸运的是，我看到了一些大学讲座视频，并意识到这个工具是多么简单有效。在本文中࿰…
Image denoising using deep CNN with batch renormalization阅读笔记
Image denoising using deep CNN with batch renormalization阅读笔记
Abstract
DCNN的两个缺点：（1）训练更深的CNN去噪任务非常困难；（2）大多数更深层次的CNN存在性能饱和问题。所以本文提出BRDNet&#x…
禁忌搜索算法TS求解连续函数最值
目录
一、局部邻域搜索
二、禁忌搜索
三、禁忌搜索算法流程
四、算法求解例题 一、局部邻域搜索
局部邻域搜索是基于贪婪准则持续地在当前的邻域中进行搜索，虽然算法通用，易于实现，且容易理解，但其搜索性能完全依赖于邻域结…
【无标题】np.concatenate((n1,n2),axis = 0) 矩阵合并
n1 np.random.randint(1,100,(4,3)) 生成1 -100之间的随机整数 np.vstack((n1,n2)) # 或者（axis 0 表示列） np.concatenate((n1,n2),axis 0)
Pytorch之DataLoader的num_works参数设置
数据集较小时（小于2W）建议num_works不用管默认就行，因为用了反而比没用慢。
当数据集较大时建议采用，num_works一般设置为（CPU线程数-1）为最佳，可以用以下代码找出最佳num_works（注…
怎样克服神经网络训练中argmax的不可导性？
文章目录1. strainght through Gumbel (estimator)2. stop gradient operation3. 可以对argmax/argmin 这种不可导的操作直接忽视，也就是锁定1. strainght through Gumbel (estimator)
令：argmax(v)softmax(v)c;cargmax(v)−softmax(v),且为常数argmax(…
机器学习算法之-逻辑回归(2)
为什么需要逻辑回归
拟合效果太好 特征与标签之间的线性关系极强的数据，比如金融领域中的 信用卡欺诈，评分卡制作，电商中的营销预测等等相关的数据，都是逻辑回归的强项。虽然现在有了梯度提升树GDBT，比逻辑回归效果更…
机器学习知识点总结：什么是GBDT(梯度提升树)
什么是GBDT(梯度提升树) 虽然GBDT同样由许多决策树组成，但它与随机森林由许多不同。
其中之一是GBDT中的树都是回归树，树有分类有回归，区分它们的方法很简单。将苹果单纯分为好与坏的是分类树，如果能为苹果的好坏程度打个分&…
神经网络简单理解：机场登机
目录
神经网络简单理解：机场登机
编辑 激活函数：转为非线性问题
编辑 激活函数ReLU
通过神经元升维（神经元数量）：提升线性转化能力 通过增加隐藏层：增加非线性转化能力编辑 模型越大，…
机器学习深度学习——NLP实战（情感分析模型——textCNN实现）
👨🎓作者简介：一位即将上大四，正专攻机器学习的保研er 🌌上期文章：机器学习&&深度学习——NLP实战（情感分析模型——RNN实现） 📚订阅专栏：机器学习…
聚能聊 | 未来 3~5 年内_哪个方向的机器学习人才最紧缺？
本文来源于阿里云-云栖社区，原文点击这里。 最近针对未来 3~5 年内哪个方向的机器学习人才最紧缺的讨论特别火热。 机器学习目前的主流方向包括： 1、互联网业务挖掘 使用的主要数据和要解决的问题,初级的业务挖掘人员的工作会离数据和算法更近;高级的业务…
FashionMNIST_CNN with pytorch (accuracy: 97.58%/90.1%)
FashionMNIST_CNN with pytorch (accuracy: 97.58%/90.1%)
接上篇 手工简单复现经典CNN网络测试(LeNet5、AlexNet、VGG16、GoogLeNet、ResNe) 想进行各种CCN经典网络的效果对比，因为个人电脑配置原因失败，不得以科学上网，注册了kaggle进行训…
逻辑回的阈值0.5修改问题
逻辑回归阈值修改
#使用sklearn乳腺癌数据集验证
from sklearn.datasets import load_breast_cancer
from sklearn.linear_model import LogisticRegression as LR
import numpy as np
np.set_printoptions(suppressTrue)data load_breast_cancer()lr LR().fit(data.data,da…
深度学习模型调试和监控（7.2）
Keras 高级用法：函数式 API 7.1（二）Keras 高级用法：函数式 API 7.1（一）7.2 深度学习模型调试和监控本小节学习如何监控模型训练的过程。7.2.1 模型训练中应用回调当你训练模型时，有许多情况是在…
数据为王的时代，数据分析已是必修课
作者 | 李谦恒数据工程师。逻辑重于代码，高效胜过勤奋。崇尚 life work balance。前言在告别了人口红利之后，对于成熟或平台型产品而言，增长的核心不再是对增量用户的扩张，而是对存量用户的精细化运营，提升转化效率及用…
【python】KNN总结
knn一、原理二、主要因素三、模型训练的流程四、超参调试五、KNN数据保存六、KNN测试使用模型1.加载模型2.创建一组新数据3.使用模型对数据进行分类一、原理
从训练集中找到和新数据最近的k条记录，根据这些记录的分类决定新数据的分类。
二、主要因素
k的大小、训…
【python】KNN模型训练及应用01
目的应用：让电脑代替人工对图片分类
1.数据加载
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.neighbors import KNeighborsClassifier
import pandas as pd
# 1.数据加载
irisload_iris()2. Da…
深度学习笔记（一）什么是深度学习
从简单的经验中获取知识，不需要人类去设计、规范知识，因为层次化的简单概念可以让计算机去学习，从而形成复杂的概念，如果用一张图来表示就是一层一层，所以叫深度学习。 IBM深蓝–1997年 知识基础（knowled…
勤劳的开发者绝对不会使用华为云AI开发平台ModelArts的自动学习功能！！！啊，真香！
AI 要规模化走进各行各业，必须要降低AI模型开发难度和门槛。当前仅少数算法工程师和研究员掌握AI的开发和调优能力，并且大多数算法工程师仅掌握算法原型开发能力，缺少相关的原型到真正产品化、工程化的能力。而对于大多数业务开发者来说&…
《Nature》最新研究：AI 大数据预测你的偶像何时凉？
场景描述：最新发布在《Nature》子刊上的一篇论文《Quantifying and predicting success in show business》，通过搜集分析影史依赖，一百多万名演员的作品和发展数据，推算出影史演员的职业生涯发展特点，和个人的发展规律…
git上传代码后，如何清空历史日志以及文件操作，重新上传？以及上传代码
【Git教程】如何清除git仓库的所有提交记录，成为一个新的干净仓库 马三也算Github的忠实用户了，经常会把一些练手的项目传到Github上面进行备份。其中有一个名为ColaFramework的Unity框架项目，马三开发了一年多了，期间提交代码的…
机器学习-k-近邻算法
k-近邻算法 一、k-近邻算法概述1.1 使用python导入数据1.2 从文本文件中解析数据 二、使用k-近邻算法改进约会网站的配对效果2.1 准备数据2.2 数据预处理2.3 分析数据2.4 测试算法2.5使用算法 三、手写体识别系统 一、k-近邻算法概述
k-近邻算法是一种常用的监督学习算法&…
人类感性中有弥补其中断的想象连贯性
人类感性中的想象连贯性可以弥补其中断的情感和经验。想象连贯性是指人类大脑中的一种能力，即在面对不完整的信息或片段化的经验时，我们能够自动填补其中的空白并构建一个连贯的故事或情景。这种能力使得我们能够理解和解释世界，并从中获取更…
机器学习——随机森林【手动代码】
随机森林这个内容，是目前来说。。。最最最简单，最好理解，应该也是最好实现的了！！！ 先挖坑，慢慢填 随机森林，这个名字取得，果然深得该算法的核心精髓，既随机&a…
机器学习：自然语言处理上的对抗式攻击
Attacks in NLP 相关话题 Introduction 以前的攻击专注于图像和语音上，而NLP上的内容比较少。而NLP的复杂度跟词典有关系： NLP只能在embedding后的特征上加噪声
Evasion Attacks 电影的评论情感分类，将film换成films后，评论从…
【自动驾驶】TI SK-TDA4VM 开发板上电调试，AI Demo运行
1. 设备清单 TDA4VM Edge AI 入门套件【略】USB 摄像头（任何符合 V4L2 标准的 1MP/2MP 摄像头，例如：罗技 C270/C920/C922）全高清 eDP/HDMI 显示屏最低 16GB 高性能 SD 卡连接到互联网的 100Base-T 以太网电缆【略】UART电缆外部电源或电源附件要求： 标称输出电压：5-20VDC…
YOLOv5算法改进（3）— 添加CBAM注意力机制
前言：Hello大家好，我是小哥谈。注意力机制是近年来深度学习领域内的研究热点，可以帮助模型更好地关注重要的特征，从而提高模型的性能。CBAM（Convolutional Block Attention Module） 是一种用于前馈卷积神经…
机器视觉学习三大忌-贪多，贪杂，贪快
很多年前，我刚做机器视觉工程师的时候，我师傅第一件事和我说，不要学多，不要学那么多，不要以为会了，就怠慢以后的学习，学习是一生的事情，不是一时的事情。我牢牢记住我师傅的话。
…
人工智能在机器学习中的八大应用领域
文章目录 1. 自然语言处理（NLP）2. 图像识别与计算机视觉3. 医疗诊断与影像分析4. 金融风险管理5. 预测与推荐系统6. 制造业和物联网7. 能源管理与环境保护8. 决策支持与智能分析结论 🎉欢迎来到AIGC人工智能专栏~探索人工智能在机器学习中的八…
干货 | 石化产品机器学习价格模型开发和SEI石化产品价格分析体系构建
以下内容整理自大数据能力提升项目必修课《大数据系统基础》同学们的期末答辩汇报。 我们的报告将分为六个部分，第一部分是研究背景与内容。受疫情影响以来，石化行业市场日趋饱和，竞争激烈，同时利润也受到压缩，大部分石…
Python用 tslearn 进行时间序列聚类可视化
全文链接：https://tecdat.cn/?p33484 我们最近在完成一些时间序列聚类任务，偶然发现了 tslearn 库。我很想看看启动和运行 tslearn 已内置的聚类有多简单，结果发现非常简单直接（点击文末“阅读原文”获取完整代码数据）…
ChatGPT在智能智能手机和移动应用中的应用如何？
智能手机和移动应用在当今社会已经成为人们生活中不可或缺的一部分，而ChatGPT作为一种先进的自然语言处理技术，在智能手机和移动应用中有着广泛而深远的应用。本文将详细探讨ChatGPT在智能手机和移动应用领域的各种应用情景。
**1. 智能助手和虚拟伴侣&…
机器学习之ResNet（残差网络）与常用的标准数据集
ResNet（Residual Network）是一种深度神经网络，由微软实验室的何凯明等几位大神在2015年提出，并在当年的ImageNet竞赛中获得了分类任务第一名。 ResNet通过引入残差结构（residual structure），解决…
FlashAttention算法详解
这篇文章的目的是详细的解释Flash Attention，为什么要解释FlashAttention呢？因为FlashAttention 是一种重新排序注意力计算的算法，它无需任何近似即可加速注意力计算并减少内存占用。所以作为目前LLM的模型加速它是一个非常好的解决方案&…
Tensorflow入门（1）——深度学习框架Tesnsflow入门 环境配置 认识Tensorflow
目录 一、环境配置1.Anaconda以及Tensorflow的安装2.CONDA环境安装3.测试是否成功 二、认识TensorFlow1.图 Graph()2.会话 Session()3.张量 Tensor（1）张量的形状（2）数据类型张量的动态形状与静态形状 4.张量操作（1&…
![（八）K-means聚类及可视化-采用不同的初始值比较[机器学习代码]](https://img-blog.csdnimg.cn/20210426192127604.jpg?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80NDk3Mjk5Nw==,size_16,color_FFFFFF,t_70)
（八）K-means聚类及可视化-采用不同的初始值比较[机器学习代码]
机器学习课程总结，本系列文章以代码和注释为主。 理论部分搬至博客上比较耗费时间，所以缺少理论部分。但是也欢迎大家一起探讨学习。 如果需要理论部分的讲义，可私信（个人觉的讲的很好很全）。 文章目录问题需求…
斯坦福CS224W作业——colab3笔记
2023年CS22Wassignment中的所有colab答案以及注释已经上传到github：https://github.com/yuyu990116/CS224W-assignment CS224W课程地址：http://web.stanford.edu/class/cs224w/ 以下是做colab3的心得笔记
PyG内置的MessagePassing：
https:/…
pycuda 的 gpuarray.dot 计算异常问题~~~ 出来的是一个值
问题:
a gpuarray.to_gpu(np.array(features1)) # [5,2]
b gpuarray.to_gpu(np.array([features2]).T) #[2,1]
gpuarray.dot(a,b)
<<< 0.46748456456
<<< 实际上 应该是个 [5,1]维度的数组解决方法:
方法1
for features in features1:gpuarray.dot(f…
改进YOLO系列：5.添加CBAM注意力机制
添加CBAM注意力机制 1. CBAM注意力机制论文２. CBAM注意力机制原理３. CBAM注意力机制的配置３.１common.py配置３.２yolo.py配置３.３yaml文件配置1. CBAM注意力机制论文
论文题目：CBAM: Convolutional Block Attention Module 论文链接：CBAM: Convolutional Block Attenti…
理解图傅里叶变换和图卷积
图神经网络（GNN）代表了一类强大的深度神经网络架构。在一个日益互联的世界里，因为信息的联通性，大部分的信息可以被建模为图。例如，化合物中的原子是节点，它们之间的键是边。
图神经网络的美妙之处在于它们…
STM32F103基于I2C协议的AHT20温湿度传感器的数据采集，并通过串口输出
目录酱一、I2C协议简介二、采集温湿度数据三、总结参考链接一、I2C协议简介
IIC（Inter-Integrated Circuit）其实是IICBus简称，所以中文应该叫集成电路总线，它是一种串行通信总线，使用多主从架构，由飞利浦公…
利用多种机器学习方法对爬取到的谷歌趋势某个关键词的每日搜索次数进行学习
大家好，我是带我去滑雪！ 前一期利用python爬取了谷歌趋势某个关键词的每日搜索次数，本期利用爬取的数据进行多种机器学习方法进行学习，其中方法包括：随机森林、XGBOOST、决策树、支持向量机、神经网络、K邻近等方法&am…
更好的时代，更好的AMD
作者｜康翔编辑｜阿冒 设计｜沐由古希腊哲学家毕达哥拉斯，被公认为科学史上最重要的人物之一，他的思想不仅影响了柏拉图，而且还一直影响到文艺复兴时期的诸多哲学家和科学家。通常人们会认为，毕达…
机器学习笔记 - 在表格数据上应用高斯混合GMM和网格搜索GridSearchCV提高分类精度的机器学习案例
1、需求及数据集说明 这是一项二分类任务，评估的是分类准确性（正确预测的标签百分比）。训练集有1000个样本，测试集有9000个样本。你的预测应该是一个9000 x 1的向量。您还需要一个Id列（1到9000），并且应该包括一个标题。格式如下所示：
Id,Solution
1,0
2,1
3,1
...
900…
医学案例|Cochran‘s Q检验
一、案例介绍
当前有一名医生拟评价药物A对50名高血压患者的降压效果。在患者服用药物A后的第3天、第5天和第7天时分别进行记录。该医生想知道服用药物A的高血压患者血压是否一直在好转。血压好转赋值为1，血压没变化赋值为0,。部分数据如下： 二、问题分…
ESDA in PySal (1) 利用 A-DBSCAN 聚类点并探索边界模糊性
ESDA in PySAL (1) 利用 A-DBSCAN 聚类点并探索边界模糊性
在本例中，我们将以柏林的 AirBnb 房源样本为例，说明如何使用 A-DBSCAN (Arribas-Bel et al., 2019)。A-DBSCAN 可以让我们做两件事： 识别高密度 AirBnb 房源集群并划定其边界探索这些边界的稳定性%matplotlib inli…
保姆级教程之SABO-VMD-SVM的西储大学轴承诊断
之前写过一篇优化核极限学习机的轴承诊断，今天再出一期基于SVM的轴承诊断。 依旧是包含了从数据处理，到减法优化器SABO算法优化VMD参数，再到支持向量机的故障诊断，实现故障诊断的全流程，其他类型的故障诊断均可参考此流…
Sympy 微分方程符号解
常微分方程符号解
从数学的角度出发 只支持对形如 y f(x, y)f(x, y) 只能是 x（与其指数幂） 与 y（只支持一次） 的非线性组合example
import sympy as sp# 定义变量
x sp.symbols("x")
y1 sp.Function("y1&quo…
机器学习-波士顿房价预测
目录 一.数据处理 读入数据 数据形状变换 数据集划分 数据归一化处理 将上面封装成load data函数 二. 模型设计 完整封装运行代码： 根据loss值进行梯度计算 控制部分变量的变化图像： 一.数据处理 读入数据 # 导入需要用到的package import numpy as np…
ABB CMA120 3DDE300400面板
人机界面：ABB CMA120 3DDE300400 面板通常具有用户友好的人机界面，可用于监视和控制连接设备和系统的操作。 图形显示：该面板通常具有高分辨率的液晶显示屏，用于显示图形界面和实时数据，以便操作员更容易理解和管理工…
ChatGPT是否可以用于虚拟心理治疗和心理健康支持？
ChatGPT可以用于虚拟心理治疗和心理健康支持，但在这个领域中存在一些关键的考虑因素和限制。在探讨这些问题之前，让我们先了解一下ChatGPT在心理健康领域的应用潜力。
### ChatGPT在虚拟心理治疗中的应用潜力
虚拟心理治疗是一种利用计算机程序或虚拟助…
正交对角化，奇异值分解
与普通矩阵对角化不同的是，正交对角化是使用正交矩阵对角化，正交矩阵是每列向量都是单位向量，正交矩阵*它的转置就是单位矩阵
与普通矩阵对角化一样，正交对角化的结果也是由特征值组成的对角矩阵
本质还是特征向量对原矩阵的拉伸…
PandaGPT部署演示
PandaGPT 是一种通用的指令跟踪模型，可以看到和听到。实验表明，PandaGPT 可以执行复杂的任务，例如生成详细的图像描述、编写受视频启发的故事以及回答有关音频的问题。更有趣的是，PandaGPT 可以同时接受多模态输入并自然地组合它们…
机器学习——K最近邻算法（KNN）
机器学习——K最近邻算法（KNN） 文章目录 前言一、原理二、距离度量方法2.1. 欧氏距离2.2. 曼哈顿距离2.3. 闵可夫斯基距离2.4. 余弦相似度2.5. 切比雪夫距离2.6. 马哈拉诺比斯距离2.7. 汉明距离 三、在MD编辑器中输入数学公式（额外࿰…
机器学习（9）---线性回归中的公式推导(手推)、闭式解和数值解
文章目录 一、闭式解（解析解）二、数值解三、一元线性回归中w和b的推导四、多元线性回归中w的推导 一、闭式解（解析解） 1. 在机器学习中，闭式解也被称为解析解（analytical solution），…
飞桨中的李宏毅课程中的第一个项目——PM2.5的预测
所谓的激活函数，就是李宏毅老师讲到的sigmoid函数 和 hard sigmoid函数 ，ReLU函数那些
现在一点点慢慢探索，会成为日后想都做不到的经历，当你啥也不会的时候，才是慢慢享受探索的过程。
有一说一，用chatGP…
机器学习练习-决策树
机器学习练习-决策树 代码更新地址：https://github.com/fengdu78/WZU-machine-learning-course 代码修改并注释：黄海广，haiguang2000wzu.edu.cn 1．分类决策树模型是表示基于特征对实例进行分类的树形结构。决策树可以转换成一个if…
机器学习（19）---神经网络详解
神经网络 一、神经网络概述1.1 神经元模型1.2 激活函数 二、感知机2.1 概述2.2 实现逻辑运算2.3 多层感知机 三、神经网络3.1 工作原理3.2 前向传播3.3 Tensorflow实战演示3.3.1 导入数据集查看3.3.2 数据预处理3.3.3 建立模型3.3.4 评估模型 四、反向传播五、例题5.1 题15.2 题…
机器学习笔记：Huber Loss smooth L1 loss
1 Huber loss
1.1 介绍
Huber Loss是回归问题中的一种损失函数，它结合了均方误差MSE和绝对误差MAE的特点。 Huber Loss在误差较小的时候是平方损失，而在误差较大的时候是线性损失。因此，它在处理有噪声的数据时，尤其是存在离群点…
强化学习到底是什么？它是怎么运维的
https://mp.weixin.qq.com/s/LL3HfU2iNlmSqaTX_3J7fQ 强化学习是一种行为学习模型，由算法提供数据分析反馈，引导用户逐步获取最佳结果。
来源丨Towards Data Science
作者丨Jair Ribeiro
编译丨科技行者
强化学习属于机器学习中的一个子集，它使代理能够理解在特定环境中…
求和中x:y=g(x)的含义
概念解释 p ( y ) ∑ x : y g ( x ) p ( x ) p(y)\sum\limits_{x:yg(x)}p(x) p(y)x:yg(x)∑p(x)
这个表达式表示随机变量 Y 的概率分布 p(y) 是通过对随机变量 X 进行函数映射 y g ( x ) y g(x) yg(x) 后得到的。让我更详细地解释： Y Y Y 和 X X X 是两个随…
![[Machine Learning][Part 5]监督学习——逻辑回归](https://img-blog.csdnimg.cn/7ab3e1a6851946818d6bdb2d0f11268b.png)
[Machine Learning][Part 5]监督学习——逻辑回归
之前文章中提到监督学习的应用可分为两类：线性回归和逻辑回归。和线性回归不同，逻辑回归输出只有0和1。对于一个逻辑回归任务，可以先使用线性回归来预测y。然而我们希望逻辑回归预测模型输出的是0和1，为了达到这个目的，…
机器学习: 初探 定义与应用场景
机器学习 第一课 初探 定义与应用场景 机器学习 第一课 初探 定义与应用场景机器学习的历史机器学习为什么重要?机器学习的定义机器学习在日常生活中的应用推荐系统语音识别图像识别 商业领域的机器学习金融风险评估股票市场预测客户关系管理 机器学习在医疗领域的应用疾病预测…
机器学习 - 混淆矩阵：技术与实战全方位解析
目录 一、引言1.1 什么是混淆矩阵？1.2 为什么需要混淆矩阵？ 二、基础概念TP, TN, FP, FN解释True Positive (TP)True Negative (TN)False Positive (FP)False Negative (FN) 常见评价指标 三、数学原理条件概率与贝叶斯定理ROC与AUC敏感性与特异性阈值选…
2022最新版-李宏毅机器学习深度学习课程-P23 为什么用了验证集结果还是过拟合
用了验证集还有可能会过拟合
这个片段可以从理论上证明这一点 以上整个挑选模型的过程也可以想象为一种训练。
把三个模型导出的最小损失公式看成一个集合，现在要做的就是在这个集合中找到某个h（此处可以视为训练），使得在验证集…
深入理解强化学习——强化学习智能体的四要素：价值函数（Value Function）
分类目录：《深入理解强化学习》总目录 相关文章： 强化学习智能体的四要素：策略（Policy） 强化学习智能体的四要素：收益信号（Revenue Signal） 强化学习智能体的四要素：价…
2022最新版-李宏毅机器学习深度学习课程-P14 批次(batch)与动量(momentum)
一、batch
回顾epoch、shuffle batch size大还是小？都有好处 大batchsize的好处
由于GPU有并行计算的能力，左边并不一定用时更长 反而是，batch size小的时候，要跑完一个epoch所用的update时间更长，所以时间方面的比较…
机器学习模型的评价指标和方法
机器学习模型的评价指标和方法
对于二类分类器/分类算法，评价指标主要有accuracy， [precision，recall，F-score，pr曲线]，ROC-AUC曲线，gini系数。
对于多类分类器/分类算法，评价指标…
Python实现机器学习（下）— 数据预处理、模型训练和模型评估
前言：Hello大家好，我是小哥谈。本门课程将介绍人工智能相关概念，重点讲解机器学习原理机器基本算法（监督学习及非监督学习）。使用python，结合sklearn、Pycharm进行编程，介绍iris（鸢尾…
大模型LLM相关面试题整理-PEFT
5 大模型（LLMs）参数高效微调(PEFT)
5.1 PEFT基础
5.1.1 微调方法是啥？如何微调？ 微调（Fine-tuning）是一种迁移学习的技术，用于在一个已经预训练好的模型基础上，通过进一步训练来适…
深入理解强化学习——智能体的类型：有模型强化学习智能体与免模型强化学习智能体
分类目录：《深入理解强化学习》总目录 根据智能体学习的事物不同，我们可以把智能体进行归类。基于价值的智能体（Value-based agent）显式地学习价值函数，隐式地学习它的策略。策略是其从学到的价值函数里面推算出来的。…
联邦学习+梯度+梯度剪枝
联邦学习需要参与者在每一次的本地训练后，上传所更新的模型参数并与其他参与者共享，而参数更新中仍有可能包含所有者的敏感信息
解决方案：
加密方法（安全多方计算、同态加密）通过将明文编码为密文的方式，…
【Python机器学习】零基础掌握SpectralCoclustering聚类
否曾经面临过需要将大量信息或数据进行有意义分组的问题？
在我们日常生活和工作中，经常会遇到需要将大量的信息或数据进行分类或分组的需求。比如说你是一名教育机构的数据分析师，每年都有大量的学生评价和课程反馈需要处理。想找到一个方式能够同时考虑到学生和课程的特性…
机器学习（14）---逻辑回归（含手写公式、推导过程和手写例题）
逻辑回归 一、逻辑回归概述二、模型、策略和优化（手写）三、w和b的梯度下降公式推导四、例题分析4.1 题目4.2 解答 一、逻辑回归概述 1. 逻辑回归也称作logistic回归分析，是一种广义的线性回归分析模型，属于机器学习中的监督学习。…
MIT_线性代数笔记：第 07 讲 求解 Ax=0：主变量，特解
目录 前言计算零空间 Nullspace特解 Special solutions行最简阶梯矩阵 Reduced row echelon form （rref） 前言
我们定义了矩阵的列空间和零空间，那么如何求得这些子空间呢？本节课的内容即从定义转到算法。
计算零空间 Nullspace…
期刊Neurocomputing为什么简称IJON？
在数据库dplp的引用bib页面，Neurocomputing被简写为ijon，以dblp中的最新一篇文章为例：
article{DBLP:journals/ijon/LiYFZH24,author {Mingchen Li andHuiqun Yu andGuisheng Fan andZiyi Zhou andZijie Huang},title {Enhan…
山西电力市场日前价格预测【2023-11-27】
日前价格预测 预测说明：
如上图所示，预测明日（2023-11-27）山西电力市场全天平均日前电价为40.02元/MWh。其中，最高日前电价为293.07元/MWh，预计出现在17:45。最低日前电价为0.00元/MWh，预计出现…
机器学习——多元线性回归升维
机器学习升维 升维使用sklearn库实现特征升维实现天猫年度销量预测实现中国人寿保险预测 升维 定义：将原始的数据表示从低维空间映射到高维空间。在线性回归中，升维通常是通过引入额外的特征来实现的，目的是为了更好地捕捉数据的复杂性&#…
损失函数总结（十六）：NRMSELoss、RRMSELoss
损失函数总结（十六）：MSLELoss、RMSLELoss 1 引言2 损失函数2.1 NRMSELoss2.2 RRMSELoss 3 总结 1 引言
在前面的文章中已经介绍了介绍了一系列损失函数 (L1Loss、MSELoss、BCELoss、CrossEntropyLoss、NLLLoss、CTCLoss、PoissonNLLLoss、Ga…
点云从入门到精通技术详解100篇-基于 RGB 图像与点云融合的三维点云分割算法及成像系统（下）
目录 融合图像质心的聚类点云分割算法 4.1 引言 4.2 算法基本流程 4.3 目标点云中心点提取
大模型必备算力：CPUGPU天梯图（2023年最新版）
在当今计算机世界，CPU、GPU和显卡的性能成为了衡量计算机性能的重要指标。今天深入了解CPU、GPU和显卡天梯图。
首先，CPU作为计算机的大脑，负责处理各种任务。它的性能主要由核心数、主频和缓存大小决定。其中，核心数和主频决定了…
![深度学习-全连接神经网络-详解梯度下降从BGD到ADAM - [北邮鲁鹏]](https://img-blog.csdnimg.cn/043591377130437e907be8d9fc18275d.gif)
深度学习-全连接神经网络-详解梯度下降从BGD到ADAM - [北邮鲁鹏]
文章目录 参考文章及视频导言梯度下降的原理、过程一、什么是梯度下降？二、梯度下降的运行过程 批量梯度下降法(BGD)随机梯度下降法(SGD)小批量梯度下降法(MBGD)梯度算法的改进梯度下降算法存在的问题动量法(Momentum)目标改进思想为什么有效动量法还有什么效果&…
非独立随机变量的概率上界估计
目前的概率论或者随机变量书籍过分强调对独立随机变量的大数定律，中心极限定理，遗憾上界的估计。而对于非独立随机变量的研究很少，在《概率论的极限定理》中曾给出过一般随机变量求和的渐进分布簇的具体形式，然而形式却太过复杂。…
文生图——DALL-E 3 —论文解读——第一版
概述 本文主要是DALLE 3官方第一版技术报告（论文）的解读，原文《Improving Image Generation with Better Captions》论文解读。该文要提升文生图的效果，将技术点放到了，提升指令跟随能力上，然后顺藤摸瓜分为…
Azure - 机器学习：创建机器学习所需资源，配置工作区
目录 一、Azure机器学习工作区与计算实例简要介绍工作区计算实例 二、创建工作区1. 登录到 Azure 机器学习工作室2. 选择“创建工作区”3. 提供以下信息来配置新工作区：4. 选择“创建”以创建工作区 三、创建计算实例四、工作室实战4.1 工作室快速导览4.2 从示例笔记…
针对敏感数据的安全转录服务
即便在新冠肺炎疫情期间，继续保持了最高级别的机密性
新冠肺炎疫情带来的各种限制向所有服务提供商提出了挑战，促使提供商们想方设法采取更富想象力的新方法来满足客户的需求。澳鹏采用了一种由两种方案组成的工作机制，服务于客户机密材料的…
额外干饭人东方红波尔多发吧合法
#四层卷积神经网络模型结构代码
class Mnist_CNN(nn.Module):def __init__(self):super().__init__()self.conv1 nn.Conv2d(in_channels3, out_channels32, kernel_size5, stride1, padding2)self.pool1 nn.MaxPool2d(kernel_size2, stride2, padding0)self.conv2 nn.Conv2d…
第1篇 目标检测概述 —（3）目标检测评价指标
前言：Hello大家好，我是小哥谈。目标检测评价指标是用来衡量目标检测算法性能的指标，主要包括几个指标：精确率（Precision）、召回率（Recall）、交并比（IoU）、平均…
【人工智能】机器学习的入门与提升
目录
1.入门
1.1.从何处开始
1.2.数据集
1.3.数据类型
2.平均中位数模式
2.1.均值、中值和众数
2.2.均值
2.2.1.实例
2.2.2.运行结果
2.3.中值
2.3.1.实例 2.3.2.运行结果 2.3.3.实例
2.3.4.运行结果
2.4.众数
2.4.1.实例
2.4.2.运行结果
2.5.章节总结
3.标准…
【Python机器学习】零基础掌握gaussian_process高斯过程中的核函数
什么是核函数（Kernels）？在机器学习和统计学中，核函数用于定义数据点之间的相似度或距离。特别是在高斯过程（Gaussian Processes）中，核函数用于描述数据点之间的关系，从而影响模型的预测。
应用领域和实际作用：核函数广泛应用于回归分析、分类、聚类、异常检测等多个领…
【强化学习】11 —— Double DQN算法与Dueling DQN算法
文章目录 Q-learning中的过高估计Double DQNDouble DQN代码实践Pendulum环境代码结果 Dueling DQNDueling DQN网络结构Dueling DQN优点Dueling DQN 代码实践结果 参考 Q-learning中的过高估计
普通的 DQN 算法通常会导致对值的过高估计（overestimation）…
RandomForest之RandomForestRegressor参数详解以及调参
RandomForest之RandomForestRegressor参数详解以及调参 一、参数、属性及方法1、参数（1）n_estimators（2）criterion（3）max_depth（4）min_samples_split（5）min_samples_leaf（6）min_weight_fraction_leaf（7）max_features（8）max_leaf_nodes（9）min_impurity_split（…
【机器学习】二、决策树
目录 一、决策树定义： 二、决策树特征选择 2.1 特征选择问题 2.2 信息增益 2.2.1 熵 2.2.2 信息增益 三、决策树的生成 3.1 ID3算法 3.1.1理论推导 3.1.2代码实现 3.2 C4.5 算法 3.2.1理论推导 3.2.2代码实现 四、决策树的剪枝 4.1 原理 4.2 算法思路：…
算法模板之栈图文详解
🌈个人主页：聆风吟 🔥系列专栏：数据结构、算法模板、汇编语言 🔖少年有梦不应止于心动，更要付诸行动。 文章目录 📋前言一. ⛳️模拟栈1.1 🔔用数组模拟实现栈1.1.1 👻栈…
第2篇 机器学习基础 —（3）机器学习库之Scikit-Learn
前言：Hello大家好，我是小哥谈。Scikit-Learn（简称Sklearn）是Python 的第三方模块，它是机器学习领域当中知名的Python 模块之一，它对常用的机器学习算法进行了封装，包括回归（Regressi…
损失函数——KL散度（Kullback-Leibler Divergence，KL Divergence）
KL散度（Kullback-Leibler Divergence，简称KL散度）是一种度量两个概率分布之间差异的指标，也被称为相对熵（Relative Entropy）。KL散度被广泛应用于信息论、统计学、机器学习和数据科学等领域。
KL散度衡量的…
李宏毅机器学习笔记.Flow-based Generative Model(补)
文章目录 引子生成问题回顾：GeneratorMath BackgroundJacobian MatrixDeterminant 行列式Change of Variable Theorem简单实例一维实例二维实例 网络G的限制基于Flow的网络构架G的训练Coupling LayerCoupling Layer反函数计算Coupling Layer Jacobian矩阵计算Coupli…
nn.LayerNorm解释
这个是层归一化。我们输入一个参数，这个参数就必须与最后一个维度对应。但是我们也可以输入多个维度，但是必须从后向前对应。
import torch
import torch.nn as nna torch.rand((100,5))
c nn.LayerNorm([5])
print(c(a).shape)a torch.rand((100,5,…
如何获取HuggingFace的Access Token；如何获取HuggingFace的API Key
Access Token通过编程方式向 HuggingFace 验证您的身份，允许应用程序执行由授予的权限范围（读取、写入或管理）指定的特定操作。您可以通过以下步骤获取：
1.首先，你需要注册一个 Hugging Face 账号。如果你已经有了账号…
别再吐槽大学教材了，来看看这些网友强推的数学神作！
前言 关于大学数学教材的吐槽似乎从来没停止过。有人慨叹：数学教材晦涩难懂。错！难懂，起码还可以读懂。数学教材你根本读不懂；也有人说：数学教材简直就是天书。 数学教材有好有坏，这话不假，但更…
机器学习算法基础--K-means应用实战--图像分割
目录 1.项目内容介绍
2.项目关键代码
3.项目效果展示 1.项目内容介绍
本项目是将一张图片进行k-means分类，根据色彩k进行分类，最后比较和原图的效果。
题目还是比较简单的，我们只要通过k-means聚类，一类就是一种色彩得出聚类之…
决策树C4.5算法的技术深度剖析、实战解读
目录 一、简介决策树（Decision Tree）例子： 信息熵（Information Entropy）与信息增益（Information Gain）例子： 信息增益比（Gain Ratio）例子： 二、算…
RT-DETR优化策略：轻量级Backbone改进 | 高效模型 (Efficient MOdel, EMO),现代倒残差移动模块设计|ICCV2023
🚀🚀🚀本文改进：面向移动端的轻量化网络模型——EMO，它能够以相对较低的参数和 FLOPs 超越了基于 CNN/Transformer 的 SOTA 模型，支持四个版本EMO_1M, EMO_2M, EMO_5M, EMO_6M，参数量如下，相对于自带的rtdetr-l、rtdetr-x有很大提升 layersparametersgradientsEMO_1…
StratifiedKFold 函数介绍
目录
1、定义
2、具体步骤
3、主要优点
4、示例代码
1、定义
StratifiedKFold 是一种交叉验证方法，用于在机器学习任务中对数据集进行划分。它是对KFold方法的改进，特别适用于样本不平衡的情况。在 StratifiedKFold 中，数据集被划分为k…
熵、优化置信度、全连接正确率、监督、1X1卷积核
熵 信息论中的熵概念与公式： 在信息论中，熵是衡量随机变量不确定性的度量。对于一个离散随机变量X，其概率分布为P(X)，熵H(X)定义如下： 其中，Σ表示对所有可能的取值进行求和，p(x)表示随机变量X…
2023年显著性检测论文及代码汇总（4）
ACM MM
Partitioned Saliency Ranking with Dense Pyramid Transformers
code Abstacrt：显著性排序，其重点是评估实例级别的显著性程度。本文提出分区排序范式，该范式将无序的显著性实例分区，然后根据分区之间的相关性对其进行排…
Azure Machine Learning - Azure AI 搜索中的矢量搜索
矢量搜索是一种信息检索方法，它使用内容的数字表示形式来执行搜索方案。 由于内容是数字而不是纯文本，因此搜索引擎会匹配与查询最相似的矢量，而不需要匹配确切的字词。本文简要介绍了 Azure AI 搜索中的矢量支持。 其中还解释了与其他 Azure…
python：从Excel或者CSV中读取因变量与多个自变量，用于训练机器学习回归模型，并输出预测结果
作者：CSDN @ _养乐多_
本文详细记录了从Excel读取用于训练机器学习模型的数据，包括独立变量和因变量数据，以供用于机器学习模型的训练。这些机器学习模型包括但不限于随机森林回归模型（RF）和支持向量机回归模型（SVM）。随后，我们将测试数据集应用于这些模型，进行预测和…
软件基础 手写数字识别
手写数字识别，计算机视觉领域的Hello World利用MNIST数据集，55000训练集，5000验证集。Pytorch实现神经网络手写数字识别感知机与神经元、权重和偏置、神经网络、输入层、隐藏层、输出层mac gpu的使用本节就是对Pytorch可以做的事情有个直观的…
【数据预处理2】数据预处理——数据标准化
数据标准化 1. 什么是标准化？ 数据标准化是一个常用的数据预处理操作，目的是将不同规格的数据转换到统一规格或不同分布的数据转换到某个特定范围，以减少规模、特征、分布差异等对模型的影响。这种操作也叫作无量纲化。 除了用作模型…
斯坦福机器学习 Lecture3
这里首先讲解了 局部加权回归/局部加权线性回归 讲得很好，我都听懂了 今天的主角是，为啥线性回归问题的cost function是误差平方和？而不是绝对误差和，或者四次方和？
卧槽，吴恩达讲得太好了
22:20 - 41:00…
MATLAB读取每行文本并提取字符串后的数字
示例字符串
input_str 2023-11-20 20:07:13,000 - training_logger - INFO - epoch: 1290.00000—>string1: 0.23039—>string2: 0.21709—>time_elapsed：17.15 sec;clear all;
clc
filename xx.log;
fid fopen(filename, r);% 提取“string1: ”和“…
Azure 机器学习 - 搜索中的检索增强 (RAG)
目录 一、Azure AI 信息检索系统介绍二、采用 Azure AI 搜索的 RAG 方法三、适合 Azure AI 搜索的自定义 RAG 模式四、Azure AI 搜索中的可搜索内容五、Azure AI 搜索中的内容检索构建查询响应按相关性排名适用于 RAG 方案的 Azure AI 搜索查询的示例代码 六、集成代码和 LLM七…
基于猕猴Spike运动解码的不同解码方法性能对比
公开数据集中文版详细描述 参考前文：https://editor.csdn.net/md/?not_checkout1&spm1011.2124.3001.6192神经元Spike信号分析 参考前文：https://blog.csdn.net/qq_43811536/article/details/134359566?spm1001.2014.3001.5501神经元运动调制分析 …
基于SVM的车牌识别算法
基于SVM的车牌识别系统（Python代码实现）
车牌识别系统是智能交通系统的重要组成部分，有着广泛的应用。车牌识别系统主要有车牌定位、字符分割和字符识别三部分组成，本文的研究重点是车牌字符识别这部分，本文提出了一种…
无人驾驶相关硬件汇总
1：激光雷达
激光雷达主要用于3D感知，是一种可以探测物体精确位置的传感器，其主要是通过对目标物发射激光信号，再根据从物体反射回来的信号时间差来计算这段距离，然后根据发射激光的角度来确定物体和发射器的角度&…
Pandas分组函数groupby、聚合函数agg和转换函数transform
pandas中的分组函数groupby()可以完成各种分组操作，聚合函数agg()可以将多个函数的执行结果聚合到一起，这两类函数经常在一起使用。
groupby用法和参数介绍
groupby(self, byNone, axis0, levelNone, as_indexTrue, sortTrue, group_keysTrue, squeeze…
【Python机器学习】零基础掌握MissingIndicator缺失值填充
遇到丢失的数据怎么办？
在数据分析和机器学习的世界中，数据缺失是一种常见的现象。例如，假设一个医院收集了多项健康指标，包括体重、血压、血糖等，但由于各种原因（如仪器故障、病人缺席等），某些数据可能会缺失。
对于这样的问题，一种有效的解决方案是使用数据插补算…
算法工程师面试八股（搜广推方向）
文章目录 机器学习线性和逻辑回归模型逻辑回归二分类和多分类的损失函数二分类为什么用交叉熵损失而不用MSE损失？偏差与方差Layer Normalization 和 Batch NormalizationSVM数据不均衡特征选择排序模型树模型进行特征工程的原因GBDTLR和GBDTRF和GBDTXGBoost二阶泰勒…
智能优化算法应用：基于海洋捕食者算法无线传感器网络(WSN)覆盖优化 - 附代码
智能优化算法应用：基于海洋捕食者算法无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用：基于海洋捕食者算法无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.海洋捕食者算法4.实验参数设定5.算法结果…
机器学习第12天：聚类
文章目录
机器学习专栏
无监督学习介绍
聚类
K-Means
使用方法
实例演示
代码解析
绘制决策边界
本章总结 机器学习专栏 机器学习_Nowl的博客-CSDN博客 无监督学习介绍
某位著名计算机科学家有句话：“如果智能是蛋糕，无监督学习将是蛋糕本体&a…
机器学习算法(1)——简单线性回归
一、说明 在在这篇文章中，我们将学习我们的第一个机器学习算法，称为简单线性回归。这是一个重要的算法，因为当您可能正在学习第一个神经网络（称为人工神经网络）时，在此算法中学习的技术也适用于深度学习。我…
【Python机器学习】零基础掌握permutation_importance检验、检查
如何优雅地处理数据中的缺失值？
在数据分析、机器学习或者数据科学中，经常会遇到一个问题：数据集中存在缺失值。这种情况下，如何才能准确地分析数据、构建模型呢？
以一个简单的医疗研究为例。假设有一个数据集，收集了糖尿病患者的各项指标，比如年龄、血糖、血压、胰岛…
特征重要性分析有那些方法?
特征重要性分析是机器学习和数据分析中的关键步骤，用于确定哪些特征对于模型的性能和预测的质量具有重要性。以下是一些常见的特征重要性分析方法： 特征权重/系数： 线性回归系数：在线性回归中，特征的系数表示特征对目标…
自动驾驶车辆轨迹跟踪
相对于传统的模型预测控制（MPC），简化的车辆模型通常会导致预测结果不准确，这对车辆的转弯等行为具有负面影响。因此作者提出了一种轨迹规划和跟踪框架：
该框架应用人工势场来获得目标轨迹；并利用具有PID反…
12. 机器学习——评价指标
机器学习面试题汇总与解析——评价指标
本章讲解知识点 什么是评价指标？机器学习本专栏适合于Python已经入门的学生或人士，有一定的编程基础。本专栏适合于算法工程师、机器学习、图像处理求职的学生或人士。本专栏针对面试题答案进行了优化，尽量做到好记、言简意赅。这才是…
OpenCV4.x图像处理实例-常见图像滤镜特效实现
常见20多种图像滤镜特效实现 文章目录 常见20多种图像滤镜特效实现0、准备1、亮度调节2、细节强化3、底片效果4、卡通效果5、浮雕效果6、铅笔素描效果7、夏季或温色滤镜8、冬季或冷色滤波9、Splash滤镜10、双色调（Duo-Tone）滤镜11、日光（Daylight）滤镜12、60sTVs效果13、高…
基于YOLOv8的道路缺陷检测：自研模块 MSAM 注意力 PK CBAM注意力，实现暴力涨点
💡💡💡本文自研创新改进：MSAM（CBAM升级版）：通道注意力具备多尺度性能，多分支深度卷积更好的提取多尺度特征，最后高效结合空间注意力 1）作为注意力MSAM使用&am…
KNN实战-图像识别
数据说明
是在循环0-9的数字一直循环500次所得到的数据，然后以手写照片的形式存在
识别的步骤
加载数据构建目标值构建模型参数调优可视化展示
加载数据
import numpy as np
import matplotlib.pyplot as plt
# 记载数据
data np.load(./digit.npy)
data构建目…
ConvBNReLU的作用
ConvBNReLU是一种常用的卷积神经网络结构，它的作用是在卷积层后面加上批量归一化（Batch Normalization，BN）和修正线性单元（Rectified Linear Unit，ReLU）激活函数，从而提高模型的性能…
机器学习探索计划——KNN的超参数搜索
文章目录 数据加载手写超参数搜索sklearn 超参数搜索 数据加载
import numpy as np
from sklearn import datasets
from sklearn.model_selection import train_test_splitiris datasets.load_iris()
x iris.data
y iris.targetx.shape, y.shape((150, 4), (150,))x_train,…
淘宝用户体验VOC标签体系
本专题共10篇内容，包含淘宝APP基础链路过去一年在用户体验数据科学领域（包括商详、物流、性能、消息、客服、旅程等）一些探索和实践经验。 在商详页基于用户动线和VOC挖掘用户决策因子带来浏览体验提升；在物流侧洞察用户求助时间与…
智能优化算法应用：基于黄金正弦算法无线传感器网络(WSN)覆盖优化 - 附代码
智能优化算法应用：基于黄金正弦算法无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用：基于黄金正弦算法无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.黄金正弦算法4.实验参数设定5.算法结果6.参考…
深度学习——第2章 深度学习开发环境搭建
2.1 Anaconda
2.1.1 Anaconda简介
Anaconda是一个开源的Python发行版本，其包含了conda、Python等800多个科学包及其依赖项。因为包含了大量的科学包，Anaconda 的下载文件比较大，如果只需要某些包，或者需要节省带宽或存储空间&am…
基于CNN+数据增强+残差网络Resnet50的少样本高准确度猫咪种类识别—深度学习算法应用(含全部工程源码)+数据集+模型（五）
系列文章目录
基于CNN数据增强残差网络Resnet50的少样本高准确度猫咪种类识别—深度学习算法应用(含全部工程源码)数据集模型（一）
基于CNN数据增强残差网络Resnet50的少样本高准确度猫咪种类识别—深度学习算法应用(含全部工程源码)数据集模型…
山西电力市场日前价格预测【2023-12-01】
日前价格预测 预测说明：
如上图所示，预测明日（2023-12-01）山西电力市场全天平均日前电价为246.08元/MWh。其中，最高日前电价为402.66元/MWh，预计出现在17:45。最低日前电价为0.00元/MWh，预计出…
笔记----单纯剖分----1
笔记----单纯剖分 定义 线性组合仿射组合： 线性组合的系数为1凸组合： 仿射组合所有的系数都是正数 凸集 R^m 的 任意有限个点的凸组合仍在其中的子集仿射子空间 R^m 的 任意有限个点的仿射组合仍在其中的子集凸包 conv(A) A是R^m的一个子集 A的所有有限凸…
讲解机器学习中的 K-均值聚类算法及其优缺点
K-均值聚类算法是一种常用于聚类分析的无监督学习算法。其基本思想是将数据集分成 K 个不同的簇，使得同一个簇内的数据点之间的距离尽可能小，不同簇之间的距离尽可能大。其主要流程如下：
随机选择 K 个数据点作为初始簇中心；对于…
LSTM seq2seq 模型之英语到法语翻译
1. 数据集下载
Machine-Translation-eng-fra | Kaggle 2. 预处理的完整的代码
import os.pathimport numpy as np
import tensorflow as tf
import keras
from keras.callbacks import EarlyStopping, ModelCheckpoint
from keras.preprocessing.text import Tokenizer
from …
YOLOv7独家原创改进：创新自研CPMS注意力，多尺度通道注意力具+多尺度深度可分离卷积空间注意力，全面升级CBAM
💡💡💡本文自研创新改进：自研CPMS, 多尺度通道注意力具+多尺度深度可分离卷积空间注意力,全面升级CBAM 1）作为注意力CPMS使用；
推荐指数：五星
CPMS | 亲测在多个数据集能够实现涨点，对标CBAM。 收录
YOLOv7原创自研
https://blog.csdn.net/m0_63774211/ca…
智能优化算法应用：基于人工电场算法无线传感器网络(WSN)覆盖优化 - 附代码
智能优化算法应用：基于人工电场算法无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用：基于人工电场算法无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.人工电场算法4.实验参数设定5.算法结果6.参考…
大模型训练的过程（通俗易懂）
模型训练的过程是什么样的？
模型训练的过程就像是教一个小孩子去认识这个世界，让他从经验中学习和逐步提高。 数据预处理：这就像是给小孩子提供学习的教材。首先，我们需要将原始的文本数据（原始的故事、课本等&#x…
用Pandas轻松进行7项基本数据检查
大家好，作为一名数据工程师，面对糟糕的数据质量，可以使用Pandas执行快捷的数据质量检查。本文使用scikit-learn提供的California Housing数据集，进行基本数据检查。
一、California Housing数据集概述
【数据集】：
…
划分数据集用于yolov8训练
将数据集划分用于yolov8训练
图片的名称和标签的名称一致 1.jpg ------> 1.txt images_dir‘/path/to/Images’ # 图片存放的位置 labels_dir‘/path/to/Labels’, #图片对应label存放的位置 target_dir‘/path/to/save/target_img_labels’, # 输出划分数据的root路径 代码…
智能优化算法应用：基于食肉植物算法无线传感器网络(WSN)覆盖优化 - 附代码
智能优化算法应用：基于食肉植物算法无线传感器网络(WSN)覆盖优化 - 附代码 文章目录 智能优化算法应用：基于食肉植物算法无线传感器网络(WSN)覆盖优化 - 附代码1.无线传感网络节点模型2.覆盖数学模型及分析3.食肉植物算法4.实验参数设定5.算法结果6.参考…
机器学习--稀疏学习
前置知识：
通常学习一次模型的过程如下：我们普遍为了获取更好的模型效果，直接对原始数据学习，会造成过拟合、需要特征提取；
而若特征提取完后依旧有很多特征，还是会容易过拟合。这时候就需要特征降维和特…
最新PyTorch机器学习与深度学习实践技术应用
近年来，随着AlphaGo、无人驾驶汽车、医学影像智慧辅助诊疗、ImageNet竞赛等热点事件的发生，人工智能迎来了新一轮的发展浪潮。尤其是深度学习技术，在许多行业都取得了颠覆性的成果。另外，近年来，Pytorch深度学习框架受…
kennard-stone算法实现样本集划分（ks算法）
目录
一、 Kennard-Stone算法原理（KS算法）
二、Kennard-Stone算法作用
三、代码
四、对选出来的train样本使用T-SNE算法进行绘制
五、参考链接 一、 Kennard-Stone算法原理（KS算法）
KS算法原理：把所有的样本都看…
Evidently：一个神奇的Python库，机器学习必备！
Evidently 是一个面向数据科学家和机器学习工程师的开源 Python 库。它有助于评估、测试和监控从验证到生产的数据和 ML 模型。它适用于表格、文本数据和嵌入。 简介
Evidently 是一个开源的 Python 工具，旨在帮助构建对机器学习模型的监控，以确保它们的…
Azure Machine Learning - 使用 Azure OpenAI 服务生成图像
在浏览器/Python中使用 Azure OpenAI 生成图像，图像生成 API 根据文本提示创建图像。 关注TechLead，分享AI全维度知识。作者拥有10年互联网服务架构、AI产品研发经验、团队管理经验，同济本复旦硕，复旦机器人智能实验室成员&#x…
计算机视觉-机器学习-人工智能顶会 会议地址
计算机视觉-机器学习-人工智能顶会 会议地址
最近应该要整理中文资料的参考文献，很多会议文献都需要补全会议地点（新国标要求）。四处百度感觉也挺麻烦的，而且没有比较齐全的网站可以搜索。因此自己整理了一下计算机视觉-机器学习…
文献速递：多模态影像组学文献分享多模态放射组学预测直肠癌患者放疗引发的早期直肠炎和膀胱炎：一项机器学习研究
文献速递：多模态影像组学文献分享:多模态放射组学预测直肠癌患者放疗引发的早期直肠炎和膀胱炎：一项机器学习研究
01
文献速递介绍
Rectal cancer is the second most prevalent form of cancer in the large intestine, and its primary
treatment …
Amazon SageMaker: 拓展机器学习边界，塑造未来创新趋势
授权说明：本篇文章授权活动官方亚马逊云科技文章转发、改写权，包括不限于在 亚马逊云科技开发者社区, 知乎，自媒体平台，第三方开发者媒体等亚马逊云科技官方渠道。 近期在 re:Invent 2023 大会上，亚马逊云科技发布了一…
GPT4来了，多模态模型上线
目录 文章目录目录一、GPT4来了！二、什么是多模态？三、GPT-4有多强？更多玩法等你来看：3.1 更加人性化，更具创意的回答：3.2 图像描述生成：3.3 可视化输入： 文字与图片结合输入3.4 更长…
【Pytorch】 理解张量Tensor
本文参加新星计划人工智能(Pytorch)赛道：https://bbs.csdn.net/topics/613989052 这是目录张量Tensor是什么？张量的创建为什么要用张量Tensor呢？总结张量Tensor是什么？
在深度学习中，我们经常会遇到一个概念ÿ…
【MATLAB】基于SVMD分解的信号去噪算法（基础版）
代码的使用说明 【MATLAB】基于SVMD去噪的信号去噪算法（基础版） 代码的原理
1.SVMD原理
连续变分模式分解（Successive Variational Mode Decomposition，SVMD）是一种用于将混合信号根据其频率特性分离成各个独立分量的…
机器学习笔记 - 用于自动化检测服饰的YOLOs-Fashionpedia模型
一、安装环境 使用预训练模型和 PyTorch Lightning 来自动化产品标记过程，将大幅度提高耗时的任务的效率。 # 安装软件包 pip install torch== 2.0 .0 pip install pytorch-lightning== 2.0 .1 pip install datasets== 2.11 .0 pip install Transformers== 4.30
智能环境与可持续发展：人工智能为地球未来添翼
导言 在全球迅速发展的背景下，人工智能技术的应用逐渐深入到环境保护和可持续发展领域。随着全球环境问题的加剧，人工智能技术在环境和可持续发展领域的应用成为推动绿色未来的关键力量。本文将深入探讨人工智能在智能环境中的角色，以及如何通…
每日学术速递2.28
CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理 Subjects: cs.RO
1.Language-Driven Representation Learning for Robotics 标题：机器人的语言驱动表示学习
作者：Siddharth Karamcheti, Suraj Nair, Annie S. Chen, Thomas…
机器学习之神经结构搜索（Neural Architecture Search，NAS）
概念
神经结构搜索（Neural Architecture Search，NAS）是一种自动化机器学习技术，它旨在通过搜索神经网络的结构空间来找到最优的网络架构，以解决特定的任务。通常，这个搜索过程可以通过强化学习、进化算法、遗传算法或其他优化方法来完成。神经结构搜索的目标是提高神经网…
Multimodal Chain-of-Thought Reasoning in Language Models语言模型中的多模态思维链推理
Abstract 大型语言模型 (LLM) 通过利用思维链 (CoT) 提示生成中间推理链作为推断答案的基本原理，在复杂推理方面表现出了令人印象深刻的性能。然而，现有的 CoT 研究主要集中在语言情态上。我们提出了 Multimodal-CoT，它将语言（文本…
机器学习笔记：支持向量机回归SVR
1 主要思想
主要思路类似于机器学习笔记：支持向量机SVM_支撑向量学习-CSDN博客
和SVM的区别主要有 解法和SVM区别不大，也是KKT
2 和线性回归的区别
对SVR，如果f(x)和y之间的差距小于阈值ε【也即落在两条间隔带之间】，则不计算…
深度学习或机器学习的模型部署相关的初步了解及分析
机器学习-深度学习 部署相关资料文档
这是上班之后的第一个文档，由于项目原因需要去了解一些和模型部署相关的知识，所以就简单了解了一下相应的部署引擎和框架，也是刚刚开始学习，如果有什么写的不对的欢迎大家交流，看…
人工智能_机器学习092_使用三维瑞士卷数据_利用分层聚类算法进行瑞士卷数据三维聚类---人工智能工作笔记0132
然后我们使用分层聚类算法来对我们导入的瑞士卷数据进行聚类 agg =AgglomerativeClustering(n_clusters = 6,linkage = ward) 可以看到这里我们使用的,聚类距离计算用的是,ward这种,最小化簇内方差的形式,l进行聚类对吧 可以看到这个linkage参数有好几个选择对吧,是之前我们讲过…
揭秘大模型「幻觉」：数据偏差、泛化与上下文理解的挑战与解决之道
什么是大模型「幻觉」 所谓的「幻觉」指的是当大模型生成与现实不符或逻辑上不连贯的信息时。这通常发生在模型对某些数据理解不足或数据本身存在偏差的情况下。由于模型是基于概率统计和以往数据训练的，它们可能在面对未知或少见情况时产生不准确的推断。 大模型不具有本地知…
第六章.决策树(Decision Tree)—ID3算法，C4.5算法
第六章.决策树(Decision Tree) 6.1 ID3算法,C4.5算法 1.决策树适用的数据类型 比较适合分析离散数据，如果是连续数据要先转换成离散数据再做分析 2.信息熵
1).概念：
一条信息的信息量大小和它的不确定性有直接的关系，要搞清楚一件非常不确…
ChatGPT修炼指南和它的电力畅想
近期，ChatGPT刷屏各大社交平台，无疑成为人工智能界最靓的仔！
身为一款“会说话”的聊天机器人程序，它与前辈产品Siri、小度、微软小冰等有什么不同？先来听听小伙伴们怎么说。
ChatGPT何以修炼得这么强大？…
机器学习：手撕 AlphaGo（一）
图 1-1: AphaGo 结构概览
1. 前言
AlphaGo 是一个非常经典的模型，不论从影响力还是模型设计上。它的技术迭代演进路径：AlphaGo，AlphaGoZero，AlphaZero，MuZero 更是十分精彩。相信有很多同学因为听了 AlphaGo 的故事对…
干货 | 浅谈机器人强化学习--从仿真到真机迁移
“对于机器人的运动控制，强化学习是广受关注的方法。本期技术干货，我们邀请到了小米工程师——刘天林，为大家介绍机器人（以足式机器人为主）强化学习中的sim-to-real问题及一些主流方法。”一、前言设计并制造可以灵活运…
Transformer 笔记目录
一、介绍
导论：Transformer 背景介绍，Transformer 能胜任的任务介绍。相关知识：深度学习基础（神经网络，回归，分类，优化，激活函数等），具体介绍序列到序列模型…
毕业论文数据分析方法分类汇总
今天将常用的数据分析方法进行一个分类汇总说明，整理如下图： 1、基本描述统计
基本描述统计分析包括频数分析、描述分析、分类汇总；是对收集的数据进行基本的说明。
频数分析一般使用频数、百分比、饼图等形式进行描述。描述分析常见的指标…
人工智能专业就业方向盘点
今年无论是chatgpt还是扩散模型，都成功火爆出圈，让曾被质疑进入“寒冬期”的AI重新回到了大众的视野。巨大的市场潜力背后是对人才的渴求，AI专业又成为了热门。
今天就来盘点一下AI专业毕业后的就业方向，给同学们做个参考。
1.机…
机器学习与目标检测作业（数组相加:形状需要满足哪些条件）
机器学习与目标检测（数组相加:形状需要满足哪些条件）机器学习与目标检测（数组相加:形状需要满足哪些条件）一、形状相同1.1、形状相同示例程序二、符合广播机制2.1、符合广播机制的描述2.2、符合广播机制的示例程序机器学习与目标检…
Python机器学习015：pytorch快速入门
相关网址 查询pytorch安装命令的网站： https://pytorch.org/get-started/locally/ 下载miniconda的网站： https://docs.conda.io/en/latest/miniconda.html#windows-installers pycharm下载网址： http://www.jetbrains.com/pycharm/download/#section=windows 这个好像失效了…
机器学习——特征选择（二）
【说明】文章内容来自《机器学习——基于sklearn》，用于学习记录。若有争议联系删除。
4、皮尔森相关系数
皮尔森（pearson）相关系数度量两个变量之间的相关程度。 是用两个连续变量x,y的协方差 除以x,y各自的标准差的乘积 。皮尔森相关系数…
深度学习 | BN层原理浅谈
深度学习 | BN层原理浅谈 文章目录深度学习 | BN层原理浅谈一. 背景二. BN层作用三. 计算原理四. 注意事项为什么BN层一般用在线性层和卷积层的后面，而不是放在激活函数后为什么BN能抑制过拟合(有争议)一. 背景 神经网络在训练时，由于内存限制࿰…
机器学习之实验过程02
机器学习之实验过程-数据清理
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_errordata_path = /home/py/Work/机器学习/labs/data/Feedback.csv
df = pd.read_csv(data_path)
df.head()
print (df.tail())
rename_pai…
每天五分钟机器学习：超平面分离定理和凸优化
凸集和凸函数 在点集拓扑学与欧几里得空间中，凸集是一个点集，其中每两点之间的直线上的点都落在该点集中。如下所示： 函数任意两点(x,f(x))和(y,f(y))连线上的值大于(x,y)区间内任意一点m的值f(m)，那么这个函数就是一个凸函数：
超平面分离定理
空间中存在两类样本，…
机器学习或深度学习的数据读取工作（大数据处理）
机器学习或深度学习的数据读取工作（大数据处理）主要是.split和re.findall和glob.glob运用。 读取文件的路径（为了获得文件内容）和提取文件路径中感兴趣的东西(标签) 1，“glob.glob”用于读取文件路径 2，“.…
人工智能_机器学习076_Kmeans聚类算法_体验_亚洲国家队自动划分类别---人工智能工作笔记0116
我们开始来看聚类算法 可以看到,聚类算法,其实就是发现事物之间的,潜在的关联,把 有关联的数据分为一类 我们先启动jupyter notebook,然后 我们看到这里我们需要两个测试文件 AsiaFootball.txt里面记录了,3年的,亚洲足球队的成绩
「GPT」G、P、T分别是啥意思？
G意为Generative ：生成式
比如，生成式的分类器（模型）包括---- generative classifiers: naive Bayes classifier and linear discriminant analysis
与之对应的为判别式----- discriminative model: logistic regression
P意为…
机器学习——决策树（三）
【说明】文章内容来自《机器学习——基于sklearn》，用于学习记录。若有争议联系删除。
1、案例一
决策树用于是否赖床问题。
采用决策树进行分类，要经过数据采集、特征向量化、模型训练和决策树可视化4个步骤。
赖床数据链接：https://pan…
机器学习之人工神经网络（Artificial Neural Networks，ANN）
人工神经网络（Artificial Neural Networks，ANN）是机器学习中的一种模型，灵感来源于人脑的神经网络结构。它由神经元（或称为节点）构成的层级结构组成，每个神经元接收输入并生成输出，这些输入和输出通过权重进行连接。
人工神经网络（ANN）是一种模仿生物神经系统构建的…
MATLAB算法实战应用案例精讲-【优化算法】增强型鲸鱼优化算法(EWOA)（附matlab代码实现）
前言 增强型鲸鱼优化算法（Enhanced Whale Optimization Algorithm，EWOA）是Mohammad H. Nadimi-Shahraki等人于2022年提出的一种改进算法。由于标准的鲸鱼优化算法及其它的改进算法都存在种群多样性低和搜索策略差的问题，因此引入有效的策略来缓解鲸鱼优化算法的这些核心缺点…
深度学习被你忽略的细节系列篇——Softmax、LogSumExp和Sigmoid
平时我们基本用pytorch或者tensorflow框架时，基本对特别底层的函数实现关注不多，仅限于知道公式的原理。但是很多大佬往往自己会实现一些源码(比如ListNet复现)，在看这些源码时，经常出现各种有点难以理解的代码，本来很…
YOLOv5算法进阶改进（10）— 更换主干网络之MobileViTv3 | 轻量化Backbone
前言：Hello大家好，我是小哥谈。MobileViTv3是一种改进的模型架构，用于图像分类任务。它是在MobileViTv1和MobileViTv2的基础上进行改进的，通过引入新的模块和优化网络结构来提高性能。本节课就给大家介绍一下如何在主干网络中引入MobileViTv3网络结构，希望大家学习之后能够…
AI for Science系列（一） ：飞桨加速CFD（计算流体力学）原理与实践
AIScience专栏由百度飞桨科学计算团队出品，给大家带来在AI科学计算领域中的一系列技术分享，欢迎大家关注和积极讨论，也希望志同道合的小伙伴加入飞桨社区，互相学习，一起探索前沿未知。 作为系列分享的第一篇࿰…
基于BiLSTM+CRF医学病例命名实体识别项目
研究背景
为通过项目实战增加对命名实体识别的认识，本文找到中科院软件所刘焕勇老师在github上的开源项目，中文电子病例命名实体识别项目MedicalNamedEntityRecognition。对其进行详细解读。 原项目地址：https://github.com/liuhuanyong/Med…
AI技术的应用场景和要注意的问题
AI技术可以应用到许多不同的业务场景中，以下这些仅仅是AI技术的一些应用场景，实际上，AI技术可以应用于任何需要处理大量数据、自动化决策和复杂问题的领域。今天和大家分享一下AI技术的应用场景和要注意的问题，希望对大家有所帮助…
【大数据处理与可视化】二 、Numpy科学计算库
【大数据处理与可视化】一 、大数据分析环境搭建（安装 Anaconda 3 开发环境）实验目的实验内容实验步骤1、创建一个值域范围从10到49的向量。2、创建一个 3x3 并且值从0到8的矩阵。3、创建一个 3x3 的单位矩阵。4、创建一个数组，数组的shape为…
PCA-APCA-MLR
全称
principal component analysis-absolute principal component score-multiple linear regression
原理
绝对因子分析/多元线性回归受体模型（APCS—MLR）的基本原理是将因子分析的主因子得分转化为绝对主因子得分（APCS），各指标含量再分别对所有的APCS进行多元线性回…
【人工智能与深度学习】基于正则化潜在可变能量的模型
【人工智能与深度学习】基于正则化潜在可变能量的模型 正则化潜变量能量基础模型稀疏编码FISTALISTA稀疏编码示例卷积稀疏编码自然图像上的卷积稀疏编码可变自动编码器正则化潜变量能量基础模型
具有潜在变量的模型能够生成预测分布 y ‾ \overline{y}
数学建模2023-A太阳镜厂代码认识
Pnp.column_stack((p1,new_column)) #得到每个镜子的x,y,z序列 nlnl/np.linalg.norm(nl) #得到单位法向量 for dx in np.arange(-W/2,W/20.1,delta_t): indices_in_circlenp.where(Dis[:,i]1)[0] #取周围半径 Di_bTb.T.dot(Di_d-B) #A镜上的点 从地面坐标系->B镜坐标系 总…
【机器学习基础 2】matplotlib库
目录
一、什么是matplotlib库
二、基本用法
1、绘制简单的线图 plot()函数：
2、绘制散点图
scatter()函数：
3、绘制条形图
bar()函数：
4、绘制饼图
pie()函数：
三、重要用法
1、设置样式
2、添加标签
3、设置坐标轴…
神经网络之反向传播算法（均方根反向传播算法RMSProp）
文章目录均方根反向传播算法（RMSProp）1、算法原理2、算法实现2.1 训练过程2.2 测试过程及结果3、参考源码及数据集均方根反向传播算法（RMSProp）
自适应梯度算法（Adaptive gradient algorithm，Adagrad&…
HyperGCN代码复现
环境：python3.6.7，torch0.4，外加pyyaml。
问题1:TypeError: cant convert np.ndarray of type numpy.intc. The only supported types are: double, float, float16, int64, int32, and uint8. 解决办法：
复现结果： …
大数据机器学习与深度学习——回归模型评估
大数据机器学习与深度学习——回归模型评估
回归模型的性能的评价指标主要有：MAE(平均绝对误差)、MSE(平均平方误差)、RMSE(平方根误差)、R2_score。但是当量纲不同时，RMSE、MAE、MSE难以衡量模型效果好坏，这就需要用到R2_score。
平均绝对…
Dive Deeper Into Integral Pose Regression 阅读笔记
深入研究IPR（积分姿态回归）
ICLR2022 论文链接
摘要： IPR 将隐式热图结合端到端训练，用于姿态估计和手势估计。基于检测的热图法使用不可微的 argmax 解码关节位置，而积分回归使用可微的期望操作。本文深入研究积分姿…
行业观察 | 来了解一下AI加速器
本文参考网上可查询到的资料简要总结AI加速器的概念和应用等信息 1。
未完待续
更新： 2023 / 3 / 22 行业观察 | 来了解一下AI加速器前言加速器处理器处理器是什么？处理器进化史加速器架构指令集 ISA特定领域的指令集 ISA超长指令字（VLIW&a…
深入理解机器学习中的正则化
在机器学习领域，正则化是一种常见的技术，用于控制模型的复杂度和泛化能力。在本文中，我们将深入了解正则化的基本原理，以及常见的正则化方法。
一、正则化的基本原理
在机器学习中，我们的目标是从数据中学习模型&…
projection layer 投影层
概念：
投影层只是一个简单的矩阵乘法，或者在 NN 的上下文中，一个规则/密集/线性层，最后没有非线性激活（sigmoid/tanh/relu /等）的想法是将（例如）100K 维离散向量投影到 600 维连续向…
ChatGPT调教指北，技巧就是效率！
技巧就是效率
很多人都知道ChatGPT很火很强，几乎无所不能，但跨越了重重门槛之才有机会使用的时候却有些迷茫，一时间不知道如何使用它。如果你就是把他当作一个普通的智能助手来看待，那与小爱同学有什么区别？甚至还差劲…
10个Pandas的另类数据处理技巧
本文所整理的技巧与以前整理过10个Pandas的常用技巧不同，你可能并不会经常的使用它，但是有时候当你遇到一些非常棘手的问题时，这些技巧可以帮你快速解决一些不常见的问题。 1、Categorical类型
默认情况下，具有有限数量选项的列都…
python笔记：使用数据结构的凝聚分层聚类
这个blog显示了使用连接图来捕获数据中的局部结构。在有局部结构的情况下凝聚分层聚类的结果
1 使用数据结构后，凝聚分层聚类的特点
使用数据结构后，会有以下的特点： 首先，没有连接矩阵的聚类比有连接矩阵的聚类要快。其次&#…
Graph Neural Networks: Graph Structure Learning
最近研究GNN的应用方面，遇到了很大的瓶颈，所以回归理论，潜心阅读图结构学习的理论知识，也希望给大家在学习时带来帮助，如有错误请私信指正！
Graph Neural Networks: Graph Structure Learning
摘要&#…
机器学习笔记：DBSCAN
1 DBSCAN
1.1 基本介绍
Density-Based Spatial Clustering of Applications with Noise
将“密集分组”的数据点分组到一个簇中。通过查看数据点的局部密度来识别聚类。对异常值具有鲁棒性，同时也不需要事先告知簇的数量1.2 两个参数：epsilon和minPoi…
多元线性回归梯度下降算法
多元线性回归模型是指具有多个自变量和一个因变量的线性回归模型，数学表达式为： y = θ 0 + θ 1 x 1 + θ 2 x 2 + . . . + θ n x
A.机器学习入门算法（五）：基于企鹅数据集的决策树分类预测
机器学习算法（五）：基于企鹅数据集的决策树分类预测
本项目链接：https://www.heywhale.com/home/column/64141d6b1c8c8b518ba97dcc
1 逻决策树的介绍和应用
1.1 决策树的介绍
决策树是一种常见的分类模型，在金融风控…
【人工智能里的数学】线性代数基础
系列文章目录
【人工智能学习笔记】人工智能里的数学——概述 【人工智能里的数学】一元函数微分学 文章目录系列文章目录前言一、向量与其运算1.2 行向量和列向量1.3 向量的运算1.3.1 向量的加减1.3.2 向量的数乘运算1.3.3 转置1.3.4 运算法则1.3.5 向量的内积1.4 向量的范数…
【机器学习】P7 Scikit Learn 实现线性回归以及逻辑回归
Scikit Learn 实现线性回归以及逻辑回归Scikit Learn 包Scikit Learn 实现线性回归Scikit Learn 实现逻辑回归ReferenceScikit Learn 包
Anaconda Prompt 中执行：
conda install scikit-learn安装 Scikit Learn 包完成；
Scikit Learn 实现线性回归
引…
BART模型简单介绍
目录 一、概要
二、深入扩展
2.1 预训练任务
2.2 模型精调 一、概要 BART（Bidirectional and Auto-Regressive Transformers）模型使用标准的基于Transformer的序列到序列结构，主要区别在于用GeLU（Gaussian Error Linerar Units…
机器学习算法系列（三）
机器学习算法之–对数几率回归（逻辑斯蒂回归）算法 上个算法（算法系列二）介绍了如何使用线性模型进行回归学习，但若要做的是分类任务，则需要找一个单调可微函数将分类任务的真实标记y与线性回归模型的预测值…
TensorFlow 2.0 快速入门指南：第二部分
原文：TensorFlow 2.0 Quick Start Guide 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实现…
BE-SSL:基于边界增强自监督学习的脑结构分割
文章目录Boundary-Enhanced Self-supervised Learning for Brain Structure Segmentation摘要本文方法Supervoxel BranchRegistration BranchAtlas Selection实验结果Boundary-Enhanced Self-supervised Learning for Brain Structure Segmentation
摘要
边界增强自监督学习(…
算法设计与智能计算 || 专题一: 算法基础
专题一: 算法基础 文章目录专题一: 算法基础1. 算法的定义及特点1.1 算法的基本特征1.2 算法的基本要素1.3 算法的评定2 算法常见执行方法2.1 判断语句2.2 循环语句2.3 综合运用3. 计算复杂度4. 代码的重用5. 类函数的定义与使用5.1 定义类5.2 调用类函数1. 算法的定义及特点
…
重感知还是重地图？其实无需选择
近来，关于自动驾驶应该重感知还是重地图是个热点话题，很多重量级车厂、自动驾驶供应商都开始提出重感知轻地图的方案，并承诺很快能发布出对应的产品。业界也出现了高精地图已“死”等类似的言论。
一时之间，似乎轻地图已经成为了…
ChatGPT的原理分析
1.前言
ChatGPT是一种基于自然语言处理和人工智能技术的聊天机器人，它的基础是由OpenAI研发的GPT模型，其中GPT是Generative Pre-trained Transformer的缩写。GPT模型的训练使用了海量的语料库，可以预测下一个单词、短语、句子或文本…
【机器学习 P19】【实战 P1】 MINST 手写数字识别
MINST 手写数字识别引入数据模型训练模型创建程序模型编译程序模型训练程序模型预测程序完整代码引入数据
MINST数据集是一个经典的手写数字识别数据集，由Yann LeCun等人创建。它包含了来自真实手写数字图片的70000个灰度图像，这些图像是由250个不同的人…
优化模型验证关键代码26：多车场多旅行商问题模型、Gurobipy代码验证及可视化
目录
1 符号
2 数学模型 3 验证代码：
4 解的可视化 本文探讨了一类多车场多旅行商问题：固定目的地的多车场多旅行商问题，它要求旅行商从车场出发后，还要返回它出发的这个车场。
从该问题的定义可直观的看出： 一辆车从一个车场出发最终返回他出发的那个车场一个节点只能…
深度强化学习——actor-critic算法(4)
一、本文概要：
actor是策略网络，用来控制agent运动，你可以把他看作是运动员，critic是价值网络，用来给动作打分，你可以把critic看作是裁判，这节课的内容就是构造这两个神经网络，然后…
论文综述——DORE: Document Ordered Relation Extraction based on Generative Framework
DORE: Document Ordered Relation Extraction based on Generative Framework 文章的主要目标是对文档级的关系抽取。以往的研究主要是基于分类的研究，生成式关系抽取研究较少而且性能不佳。
文档级相比于句子级的关系抽取存在序列长度过长，以及实体定位…
编译 PyTorch 模型
本篇文章译自英文文档 Compile PyTorch Models。
作者是 Alex Wong。
更多 TVM 中文文档可访问 →TVM 中文站。
本文介绍了如何用 Relay 部署 PyTorch 模型。
首先应安装 PyTorch。此外，还应安装 TorchVision，并将其作为模型合集 (model zoo)。
可通…
2023.04.30 学习周报
文章目录 摘要文献阅读1.题目2.摘要3.介绍4.本文贡献5.数据处理6.模型6.1 look - up操作6.2 LSTM6.3 周期模拟及额外因素 7.实验7.1 数据集7.2 基线7.3 实验表现 8.结论 ISOMAP1.基本思想2.欧氏距离3.折线近似曲线4.计算折线长度5.Floyd-Warshall算法6.ISOMAP算法7.总结 数学建…
(7) 支持向量机（上）
文章目录 1 概述1.1 支持向量机分类器是如何工作的 2 sklearn.svm.SVC2.1 线性SVM决策过程的可视化2.2 重要参数kernel（核函数）2.3 探索核函数在不同数据集上的表现2.4 探索核函数的优势和缺陷2.5 选取与核函数相关的参数：degree & gamma…
每日学术速递4.28
CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理 Subjects: cs.CV
1.StepFormer: Self-supervised Step Discovery and Localization in Instructional Videos(CVPR 2023) 标题：StepFormer：教学视频中的自我监督步骤发现和定位…
科学计算库—numpy随笔【五一创作】
文章目录 8.1、numpy8.1.1、为什么用 numpy？8.1.2、numpy 数据类型推理8.1.3、numpy 指定长度数组快速创建8.1.4、numpy 哪个是行、列？8.1.5、numpy 如何进行数据类型转换？8.1.6、numpy 有几种乘法？8.1.7、numpy 索引和切片操作8.…
让语言学习更简单的 WordFlow
作为一个英语并不是那么特别好的计算机专业学生，长期积累英语的学习对个人发展还是有意义的。简单来说，我在语言上最大的两个问题，一个自己「不理解」，另一个是自己「不会表达」。
上述两个问题主要体现在口语层面，而…
【强化学习】MCTS 及其变体
Q : Q: Q: MCTS的UCB1是什么？为什么叫做"1" A : A: A: MCTS代表蒙特卡罗树搜索（Monte Carlo Tree Search），是一种人工智能算法，用于在没有完全了解游戏规则的情况下，在一定时间内寻找最优解决方案…
科学计算库Numpy快速入门
目录 Numpy概述array数组数组结构数组类型数值运算排序操作数组形状操作数组生成函数四则运算随机模块文件读写 Numpy概述
NumPy 是 Python 中的一个开源数学库，提供了快速且便捷的数组处理功能，可以用来进行科学计算、数据分析、算法开发等多种任务。N…
【MatLab】《遗传算法GA+BP神经网络——电路参数估计》
matlab语言 遗传算法GABP神经网络 电路参数估计
一、整体设计概述：BP神经网络代理电路模型 GA寻找误差最小参数
根据采样数据训练BP神经网络，用训练好的网络来作为目标函数输出电路参数误差，通过GA寻找误差最小的电路参数值。 二、代码实现…
AI 工具合辑盘点（三）持续更新
人工智能技术的发展已经改变了我们的生活，越来越多的AI工具正在被广泛应用于各个领域。ChatGPT这样的代表性AI模型正在大放异彩，为我们带来了无数的便利和惊喜。在本文中，我们将介绍一系列优秀的AI工具，这些工具可以帮助你完成各种…
两分钟成为 ChatGPT 国内高手【不要再拿ChatGPT当百度用了】
不要再问ChatGPT那些问百度的问题了，有更进阶的用法
更高效的编写prompts，以便ChatGPT给出更精准的回答
但是需要注意的是：国内现在根本没有GPT-4使用，但凡是说有GPT-4的都是骗子。
GPT 可以写文章，可以写诗&#x…
机器学习之朴素贝叶斯三、拉普拉斯平滑技术、优化改进情感分析
文章目录 一、前文问题1. 先看下改进前我们的代码计算部分2. 问题分析： 二、针对问题进行解决1. 什么是拉普拉斯平滑技术2. 拉普拉斯优化-下溢上溢问题3. 改进地方分析：4.改进优化1.优化一，对条件概率计算进行优化2.优化二，对后延…
直方图均衡化与规定化原理解释以及matlab实现
直方图均衡化(HE)
Histogram Equalization (HE) 设灰度水平在 r k , k ∈ [ 0 ， L − 1 ] r_k,k\in[0，L-1] rk,k∈[0，L−1] 内 一幅图像 f f f 的非归一化直方图定义为 h ( r k ) n k h(r_k)n_k h(rk)nk s T ( r ) sT(r) sT(r)为…
【机器学习】机器学习算法的随机数据生成
文章目录一、前言二、numpy随机数据生成API2.1 rand(d0d_0d0, d1d_1d1, ..., dnd_ndn)2.2 randn((d0d_0d0, d1d_1d1, ..., dnd_ndn)2.3 randint(low[, high, size])2.4 random_integers(low[, high, size])2.5 random_sample([size])三、scikit-learn随机数据生成A…
ChatGPT 使用 拓展资料：无需任何机器学习，如何利用大语言模型做情感分析？
ChatGPT 拓展资料：无需任何机器学习，如何利用大语言模型做情感分析？ 目录 机器学习 ：GloVe嵌入式向量基于文本数据的情感识别Data PreparationPreprocessing and CleaningLoad GloVe VectorML模型构建、训练和测试用于情感识别的支持向量机Fasttext 以及T5比较利用Embedd…
第二章--第三篇---文本分类
一、引言
文本分类是一种基于自然语言处理技术，对给定的文本进行分类的方法。具体而言，文本分类将一篇文本分配到一个或多个预定义的类别中，这些类别通常是事先定义好的，例如新闻、评论、垃圾邮件、商品分类等。 文本分类在实际应用中有着广泛的应用，例如在舆情监控、垃圾…
Prompting Learning在CV领域的进展
始于NLP
prompt介绍
简单来讲，Prompt就是对原来的输入文本进行一定的处理，使得在不改变预训练模型参数的情况下，相应任务的性能变高。例如，原输入文本为：I received the offer from ETH. ，对于文本分类&a…
使用不同的梯度下降法优化算法
本篇将使用以下几个梯度下降算法进行对比： 不使用任何的优化算法（即整批数据集作为一次迭代更新梯度，也叫batch梯度下降，BGD） mini-batch梯度下降法（Mini-batchGD） 使用具有动量的梯度下降算法&…
智能的本质人工智能与机器人领域的64个问题
以艾伦纽厄尔（Allen Newell）和赫伯特西蒙（Herbert Simon）为代表，他们基本上倾向于智能已经达到数理逻辑的最高形式，并将符号处理作为研究重点，他们共同发表了著名论文《逻辑理论家》（…
常用异常检测模型的应用
常用异常检测模型的应用
描述
异常数据检测不仅仅可以帮助我们提高数据质量，同时在一些实际业务中，异常数据往往包含有价值的信息，如异常交易、网络攻击、工业品缺陷等，因此异常检测也是数据挖掘的重要手段。常用的异常检测模型…
超详细！腾讯NLP算法岗面经（已offer）
作者 | ZipZou整理 | NewBeeNLP面试锦囊之面经分享系列，持续更新中 可以后台回复"面试"加入交流讨论组噢分享一篇旧文，希望大家都成功上岸~写在前面首先来段简单的自我介绍：2021届硕士，硕士期间未有实习经历，…
Boosting算法预测银行客户流失率
Boosting算法预测银行客户流失率
描述
为了防止银行的客户流失，通过数据分析，识别并可视化哪些因素导致了客户流失，并通过建立一个预测模型，识别客户是否会流失，流失的概率有多大。以便银行的客户服务部门更加有针对…
『赠书活动 ｜ 第五期』《人工智能数学基础》
💗wei_shuo的个人主页 💫wei_shuo的学习社区 🌐Hello World ！ 『赠书活动 ｜ 第五期』 本期书籍：《人工智能数学基础》 赠书规则：评论区：点赞｜收藏｜留言 评论…
论文解读 | 《基于采样的MPC控制的约束视觉》
原创 | 文BFT机器人 引言 Introduction 视觉伺服控制方案，如基于图像的(IBVS)，基于姿态的(PBVS)或基于混合的(HBVS)，在过去的几十年里得到了广泛的发展。众所周知，要处理的主要问题涉及局部极小点或奇异点的存在、可见性约束、联合…
物体检测算法比较,项目开发中如何选择合适的检测算法？
除了YOLO和SSD之外，还有许多其他的物体检测算法。以下是一些常见的物体检测算法，可以与YOLO和SSD进行比较：
1. R-CNN（Region-based Convolutional Networks）：R-CNN 是一种基于区域的卷积神经网络ÿ…
离岗识别 yolov5模型
离岗识别通过yolov5网络模型技术，离岗识别可以自动识别现场画面中人员离岗脱岗睡岗等行为，发现违规行为立即抓拍告警。YOLOv5在YOLOv4算法的基础上做了进一步的改进，检测性能得到进一步的提升。虽然YOLOv5算法并没有与YOLOv4算法进行性能比较…
《花雕学AI》20：ChatGPT使用之体验评测AI EDU的网页版+桌面端+Android+App store组合
最近准备出门，要去新疆哈密参加活动，一直在寻找手机上可用的AI移动端。昨天在网上偶然找到了AI EDU（这个不是 MSRA 创立的人工智能开源社区），其链接是：https://ai.aigcfun.com，今天就尝试做个相…
每日学术速递4.16
CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理 Subjects: cs.CV
1.SpectFormer: Frequency and Attention is what you need in a Vision Transformer 标题：SpectFormer：频率和注意力是您在 Vision Transformer 中所需要的 …
Python 智能项目：1~5
原文：Intelligent Projects Using Python 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关心如何实…
7、使用Ray构建分布式应用程序的案例研究
7、使用Ray构建分布式应用程序的案例研究
导航 1.简介和背景 2.Ray的基本概念和核心组件 3.分布式任务调度和依赖管理 4.对象存储和数据共享 5.Actor模型和并发编程 6.Ray的高级功能和扩展性 7.使用Ray构建分布式应用程序的案例研究 8.Ray社区和资源 9.核心框架介绍
机器学习神经网络——GBDT（Gradient Boosting Decision Tree 梯度提升决策树）算法
系列文章目录
机器学习神经网络——Adaboost分离器算法
机器学习之SVM分类器介绍——核函数、SVM分类器的使用
机器学习的一些常见算法介绍【线性回归，岭回归，套索回归，弹性网络】
文章目录
系列文章目录
前言
一、GBDT(Gradient Boos…
[论文翻译]Classical Probabilistic Models and Conditional Random Fields(下)
引言
文本是介绍条件随机场Classical Probabilistic Models and Conditional Random Fields的翻译，是一篇比较好的介绍条件随机场的文章，原文较长，因此分成两篇。这是第二篇。 [论文翻译]Classical Probabilistic Models and Conditional Random Fields(上)[论文翻译]Class…
【22-23 春学期】AI作业5-深度学习基础
1.人工智能、机器学习、深度学习之间的关系
人工智能、机器学习和深度学习之间的关系是逐层递减的。人工智能是一个宏大的愿景，目标是让机器像我们人类一样思考和行动，既包括增强我们人类脑力也包括增强我们体力的研究领域。而学习只是实现人工智能的手…
结合基于规则和机器学习的方法构建强大的混合系统
经过这些年的发展，我们都确信ML即使不能表现得更好，至少也可以在几乎所有地方与前ML时代的解决方案相匹配。比如说一些规则约束，我们都会想到能否把它们替换为基于树的ml模型。但是世界并不总是黑白分明的，虽然机器学习在解决问题…
ChatGPT入门到高级【第四章】
第一章：Chatgpt的起源和发展 1.1 人工智能和Chatbot的概念 1.2 Chatbot的历史发展 1.3 机器学习技术在Chatbot中的应用 1.4 Chatgpt的诞生和发展
第二章：Chatgpt的技术原理 2.1 自然语言处理技术 2.2 深度学习技术 2.3 Transformer模型 2.4 GPT模型
第…
机器学习—支持向量机
练习5：支持向量机 介绍
在本练习中，我们将使用支持向量机（SVM）来构建垃圾邮件分类器。
在开始练习前，需要下载如下的文件进行数据上传：
data.tgz -包含本练习中所需要用的数据文件
其中：
e…
PyTorch----神经网络的建立
神经网络就是很多的线性函数和非线性函数组成的复合函数。
自定义类继承torch.nn.Module自定义类中实现__init__和forward()函数__init__定义神经网络结构forward()模型的正向传播
class NeuralNet(torch.nn.Module):"""自定义神经网络"""def …
PyTorch----激活函数
什么是激活函数？ 在神经网络中我们经常使用线性运算来解决分类问题，这就需要激活函数来解决非线性问题 传统的全连接网络是让数据不断的通过线性函数和激活函数层，从而得到最终的预测结果。 Sigmoid函数
sigmoid函数是最经典、最早使用的…
吴恩达471机器学习入门课程1第3周——逻辑回归
文章目录 Logistic Regression1、导包2、逻辑回归2.1、问题描述2.2、加载数据集数据可视化 2.3、sigmod function2.4 逻辑回归的代价函数2.5 逻辑回归的梯度2.6 使用梯度下降学习参数 测试可视化2.8 评估逻辑回归 3、 正则化逻辑回归3.1 问题陈述3.2 加载和可视化数据3.3 特征映…
棒球运动风平欧洲美的课题研究·棒球1号位
棒球作为一项起源于19世纪美国的体育运动，经过多年的发展，已经成为了欧美地区广泛流行的运动项目之一。本文将对棒球运动在欧美地区风靡的原因、棒球文化和产业发展进行研究。 1. 棒球运动风靡欧美的原因
1.1 历史渊源
棒球起源于英国的一种游戏——Ro…
2021年金属非金属矿山（地下矿山）主要负责人考试及金属非金属矿山（地下矿山）主要负责人试题及解析
题库来源：安全生产模拟考试一点通公众号小程序
安全生产模拟考试一点通：金属非金属矿山（地下矿山）主要负责人考试根据新金属非金属矿山（地下矿山）主要负责人考试大纲要求，安全生产模拟考试一点…
Autoware.universe中激光雷达感知部分简述，一看就懂，不懂请打我
文章目录 整体把握各部分阐述滤除多余的检测框 总结 整体把握
Autoware.universe中激光雷达感知部分的主要流程为：
将原始点云数据输入地面滤波器和深度学习检测算法，分别得到地面滤波后的点云points_no_ground和Object检测框(该检测框内包含中心点、位…
2021年中式面点师（高级）考试题及中式面点师（高级）考试题库
题库来源：安全生产模拟考试一点通公众号小程序
安全生产模拟考试一点通：中式面点师（高级）考试题是安全生产模拟考试一点通生成的，中式面点师（高级）证模拟考试题库是根据中式面点师（…
机器学习常识 23: U-Net
摘要: U-Net 集编码-解码于一体, 是一种常见的网络架构. 图 1. U-Net 例. 如图 1 所示, U-Net 就是 U 形状的网络, 前半部分 (左边) 进行编码, 后半部分 (右边) 进行解码.
编码部分, 将一个图像经过特征提取, 变成一个向量. 前面说过: 深度学习本质上只做件事情, 就是特征提取…
民谣女神唱流行，基于AI人工智能so-vits库训练自己的音色模型(叶蓓/Python3.10)
流行天后孙燕姿的音色固然是极好的，但是目前全网都是她的声音复刻，听多了难免会有些审美疲劳，在网络上检索了一圈，还没有发现民谣歌手的音色模型，人就是这样，得不到的永远在骚动，本次我们自己构…
使用传统图像处理算法+机器学习进行shadow detection
前言
阴影是图像中常见的现象，它们对于场景理解和分析非常重要。由于阴影区域通常比较暗淡，而且与周围物体区别较大，因此在图像处理和计算机视觉领域中，阴影检测是一个重要的研究方向。传统的阴影检测算法通常基于阈值或边缘检测…
教学实训模块升级，助力应用型数据科学人才培养｜ModelWhale 版本更新
初夏梅雨季，ModelWhale 迎来新一轮版本更新，多角度优化各领域用户的使用体验。
本次更新中，ModelWhale 主要进行了以下功能迭代：
• 优化 课程作业布置（团队版✓ ）
• 新增 课程作业关联至课件ÿ…
DATA Augmentation 数据增强
最近遇到一个新的概念，data augmentation。翻译叫做数据增强
增强数据，简单来说，是增强数据在训练中的作用，这么理解应该比较符合我们的习惯。
比如说，我们有一个set的数据，但是这些数据对于实际的训练来…
构建高效的整车系统级别评估平台，百度安全自动驾驶风险安全研究亮相NDSS2022AutoSec...
4月24日在美国圣地亚哥召开的 Automotive and Autonomous Vehicle Security (AutoSec) Workshop 2022 会议上，百度安全对于自动驾驶风险安全的研究PASS: A System-Driven Evaluation Platform for Autonomous Driving Safety and Security成功入选。在该文章中&…
OPT小讲堂 ∣ SciSmart通讯配置之TCP/IP通讯应用
导语：SciSmart智能视觉软件培训系列第十五课
在第十四课里，我们讲了图像识别中的条形码识别、二维码识别
今天，我们将为大家讲解通讯工具应用。通讯工具用于实现信息交互（数据接收和发送），本课以TCP/IP通…
基于深度学习的恶意代码分类（一）
基于深度学习的恶意代码分类
序言
由于本学期课程的安排，所以不得不将深度学习和网络攻防的知识进行结合，因此，对本门课程的学习进行一个记录，下面是学习的相关知识的过程，仅为本人个人理解，如果有不妥当…
机器学习入门实战---线性回归之PM2.5
线性回归之PM2.5
一、实验说明
相关的数据来源可以查看哔哩哔哩李宏毅老师的视频
给定训练集train.csv，测试集test.csv，要求根据前9个小时的空气检测情况预测第10个小时的PM2.5含量
二、训练集介绍
1.CSV文件，包含台湾丰原地区240天的气…
SPASS-信度分析
信度分析概述
效度 效度指的是量表是否真正反映了我们希望测量的东西。一般来说，有4种类型的效度：内容效度、标准效度、结构效度和区分效度。内容效度是一种基于概念的评价指标，其他三种效度是基于经验的评价指标。如果一个量表实际上是有效…
【机器学习】算法性能评估常用指标总结
考虑一个二分问题，即将实例分成正类（positive）或负类（negative）。对一个二分问题来说，会出现四种情况。如果一个实例是正类并且也被 预测成正类，即为真正类（True positive࿰…
ET-Net：一种用于医学图像分割的通用边缘保持引导网络
ET-Net: A Generic Edge-aTtention Guidance Network for Medical Image Segmentation ET-Net：一种用于医学图像分割的通用边缘保持引导网络背景贡献实验方法Edge Guidance Module（边缘引导模块）Weighted Aggregation Module（加权…
高等数学中的近似计算
今天来总结一下同济版高数中有关近似计算的例子，总的来说是如下的三种，有遗漏的话可以在评论区指出~
目录
一.微分在近似计算中的应用
二.全微分在近似计算中的应用
三.函数的幂级数展开在近似计算的应用 一.微分在近似计算中的应用
本质原理是&am…
使用K-means把人群分类
1.前言
K-mean 是无监督的聚类算法 算法分类： 2.实现步骤
1.数据加工：把数据转为全数字（比如性别男女，转换为0 和 1）
2.模型训练 fit
3.预测
3.代码
原数据类似这样(source：http:img-blog.csdnimg.cn…
YOLOV7改进：在C5模块不同位置添加SegNext_Attention
1.该文章属于YOLOV5/YOLOV7/YOLOV8改进专栏，包含大量的改进方式，主要以2023年的最新文章和2022年的文章提出改进方式。 2.提供更加详细的改进方法，如将注意力机制添加到网络的不同位置，便于做实验，也可以当做论文的创新点。
3.涨点效果：SegNext_Attention注意力机制,实现…
11月推荐阅读的12篇大语言模型相关论文
现在已经是12月了，距离2024年只有一个月了，本文总结了11月的一些比较不错的大语言模型相关论文
System 2 Attention (is something you might need too).
https://arxiv.org/abs/2311.11829
一种称为S2A的新注意力方法被开发出来，解决llm…
数据的标准化和归一化
前面我们已经学习了识别数据缺失值已经对缺失值进行处理的方法，但是KNN的准确率都不是很高，今天我们继续进行数据探索进一步增强机器学习流水线；
通过数据直方图可以看到数据中的列的均值、最大值、最小值等差别很大；
from skle…
机器学习之萤火虫算法（Firefly Algorithm，FA）
萤火虫算法（Firefly Algorithm，FA）是一种启发式优化算法，灵感来自萤火虫的交配行为。该算法最初由Xin-She Yang于2008年提出，用于解决优化问题。它模拟了萤火虫通过发光来吸引其他萤火虫并进行交配的行为，将这一过程应用于寻找最优解。
以下是萤火虫算法的基本思想和步骤…
机器学习之布谷鸟搜索算法（Cuckoo Search Algorithm，CSA）剖析
概念
布谷鸟搜索算法（Cuckoo Search Algorithm，CSA）是一种模拟自然界中布谷鸟种群行为的优化算法。这个算法的灵感来自布谷鸟的繁殖行为：布谷鸟会将自己的蛋放入别的鸟巢中，鸟主人可能会发现假蛋并将它们丢弃，而布谷鸟的蛋则有可能得以孵化。 这个算法的基本思想是模拟布…
SPASS-交叉表分析
导入数据 修改变量测量类型 分析->描述统计->交叉表 表中显示行、列变量通过卡方检验给出的独立性检验结果。共使用了三种检验方法。上表各种检验方法显著水平sig.都远远小于0.05,所以有理由拒绝实验准备与评价结果是独立的假设，即认为实验准备这个评价指标是…
017 OpenCV 向量机SVM
目录
一、环境
二、SVM原理
三、完整代码 一、环境
本文使用环境为：
Windows10Python 3.9.17opencv-python 4.8.0.74
二、SVM原理
OpenCV中的向量机（SVM）是一种监督学习算法，用于分类和回归分析。它通过找到一个最优的超平…
中山大学李华山、王彪课题组开发 SEN 机器学习模型，高精度预测材料性能
内容一览：了解全局晶体对称性并分析等变信息，对于预测材料性能至关重要，但现有的、基于卷积网络的算法尚且无法完全实现这些需求。针对于此，中山大学的李华山、王彪课题组，开发了一款名为 SEN 的机器学习模型ÿ…
对于西瓜书神经网络的c#手写版本
本文根据西瓜书第五章中给出的公式编写，书中给出了全连接神经网络的实现逻辑，本文在此基础上编写了Mnist10手写10个数字的案例，网上也有一些其他手写的例子参考。demo使用unity进行编写，方便且易于查错。 该案例仅作为学习&#x…
（论文加源码）基于连续卷积神经网络（CNN）（SVM）（MLP）提取脑电微分熵特征的DEAP脑电情绪识别
简介： 主要内容是采用DEAP数据集将脑电信号进行频域分段并提取其微分熵特征，为了充分利用空间特征，结合微分熵特征将其构建为一个三维脑电特征，输入到连续卷积神经网络，并最终取得了90.24%的准确率。 提出了一种脑电特…
Py之hmmlearn：hmmlearn隐马尔可夫模型的简介、安装、使用方法之详细攻略
Py之hmmlearn：hmmlearn隐马尔可夫模型的简介、安装、使用方法之详细攻略 目录
hmmlearn的简介
hmmlearn的安装
hmmlearn的使用方法
1、基础用法
（10）学习笔记：动手深度学习（模型选择 + 过拟合和欠拟合）
模型选择、欠拟合和过拟合
如何发现可以泛化的模式是机器学习的根本问题。 我们的目标是发现某些模式，这些模式捕捉到了我们训练集潜在总体的规律。如果成功做到了这点，即使是对以前从未遇到过的个体，模型也可以成功地评估风险。 困难在…
t检验与方差分析的区别和联系
一、t检验和方差分析的应用
1、t检验的应用
t检验主要用于比较两组数据之间的均值是否存在显著差异，例如比较两种手术方式对患者的术后疼痛程度是否有显著差异。在医学研究中，t检验可以用于比较不同手术方式或药物对患者的疗效差异。例如，我…
报名仅剩十天！又一开发者公布高分方案源代码，助力软件杯选手高效解题
本文作者：艾宏峰 算法工程师 M6 Global赛道总排名4th KDD Cup 2022风电功率预测飞桨赛道5th “中国软件杯”大学生软件设计大赛——龙源风电赛道，5月31日预选赛截止，80%选手将晋级区域赛，欢迎大家抓紧报名！ 赛题背…
⑪【图自监督学习 · 图表示学习 · 图神经网络 · 时空图】链接预测 | 动态图 | 双注意力 | 时间戳 | GNN编码器 | 局部时空演化模式
生活不会否定任何人，就怕自己否定生活。失败是什么？没有什么，只是更走近成功一步，成功是什么？就是走过了所有通向失败的路，只剩下一条路，那就是成功的路。 🎯作者主页： 追光者♂🔥 🌸个人简介： 💖[1] 计算机专业硕士研究生💖 🌟[2] 2022年度…
机器学习-线性代数-解方程组
解方程组 文章目录 解方程组一、从空间映射的角度研究方程组二、方程解的个数1. r m n2. r n < m3. r m < n4. r < m 且 r < n 三、方程组解求法 一、从空间映射的角度研究方程组
对于如下方程组： a 11 x 1 a 12 x 2 . . . a 1 n x n b 1 a 21…
罗德与施瓦茨FSWP26相位噪声分析仪
罗德与施瓦茨FSWP26 相位噪声分析仪和VCO测试仪
FSWP相位噪声分析仪和VCO测试仪结合极低噪声内源和互相关技术，实现了相位噪声测量的超高灵敏度。因此，即便测量高度稳定的源 (例如在雷达应用中的源) 也只需几秒钟。脉冲信号测量、附加相位噪声 (包括脉冲…
基于深度学习的目标姿态检测方法_kaic
目录 摘要 第1章 引言 1.1 研究背景和意义 1.2 国内外研究现状 1.3 主要内容 第2章 单目相机的目标姿态检测技术 2.1单目相机的工作原理 2.2目标姿态检测 2.3已有的目标姿态检测方法及其局限性 2.4本章总结 第3章 构建数据集 3.1 数据集来源 3.2数据集标注 3.3数据集分析 3.4本…
建模杂谈系列225 小结与反思
说明
一个项目结束了，趁这两三天在休息，把本次的收获和教训都盘点一下，然后再开始一个更刺激的项目。
短暂的停顿，是为了把过去一段时间辛苦的成果固化一下，把那些很容易消散的宝贵知识和经验可以给未来做决策工具。…
机器学习：基于XGBoost对信用卡欺诈行为的识别
机器学习：基于XGBoost对信用卡欺诈行为的识别 作者：i阿极 作者简介：Python领域新星作者、多项比赛获奖者：博主个人首页 😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞Ǵ…
是德DSO9254A示波器/KEYSIGHT DSO9254A：2.5 GHz
KEYSIGHT是德DSO9254A示波器，Infiniium 9000 系列 2.5 GHz 示波器提供 4 个模拟通道、10 Mpts 存储器和 20 GSa/s 采样率。
简介 Keysight(原Agilent) Infiniium DSO9254A 配有 15 英寸 XGA 显示屏，而且包装非常轻巧，仅有 9 英寸深、26 磅重…
【机器学习】正则化详解和过拟合的解决
https://blog.csdn.net/weixin_45434953/article/details/130970273 上一篇文章的例子中，如果使用一个四次多项式去拟合房价函数，会导致过拟合问题 而正则化是解决过拟合的一个方法。右图过拟合是因为其三次方项和四次方项的影响，我们再回顾…
技术视角 | 生成式 AI 对商业世界的革新与影响
2022 年底，ChatGPT 的横空出世让沉寂许久的 AI 产业重新焕发生机，围绕生成式 AI 的热烈讨论直到今天仍在继续。
根据国外一家数据网站 Digitalinformationworld 公布的新数据：ChatGPT 背后母公司 OpenAI 的网站流量，在 3 月份飙升…
龙珠训练营机器学习算法（一）学习笔记
本学习笔记为阿里云天池龙珠计划机器学习训练营的学习内容，学习链接为：点我跳转 感谢各位的阅读为什么突然学阿里学习知识点概要学习内容1 逻辑回归的介绍和应用1.1逻辑回归的介绍1.2 逻辑回归的应用2.基于鸢尾花（iris）数据集的逻…
机器学习----PyTorch入门
PyTorch PyTorch是一个开源的python机器学习库 PyTorch的前身是Torch，其底层和Torch框架一样，使用Python重新写了很多内容 更加灵活，支持动态图，是一个以Python优先的深度学习框架，不仅能实现强大的GPU加速ÿ…
全球生命科学领域正面临转型，AI+生命科学元年正在开启
中国人工智能企业天壤自研的深度学习蛋白质折叠预测平台TRFold在基于CASP14(2020年第14届国际蛋白质结构预测竞赛)蛋白质测试集的企业内测中，获得82.7/100的成绩(TM-Score)，已经超过来自华盛顿大学的生物学家DavidBaker团队研发的RoseTTAFold81.3/100的成…
随机信号的特征—（自相关函数\互相关函数、协方差矩阵、相关矩阵\相关系数矩阵\相关系数）
在学习概率统计之前，我学习的都是确定的函数。概率统计讨论了一次取值时获得的值是不确定的，而随机过程讨论了不确定会发生哪个时间函数。
每个x(t)函数(样本函数)就是实际发生的一个表达式确定的函数，对每个x(t)的处理，都是与之…
2021年焊工（技师）证考试及焊工（技师）作业考试题库
题库来源：安全生产模拟考试一点通公众号小程序
安全生产模拟考试一点通：焊工（技师）证考试根据新焊工（技师）考试大纲要求，安全生产模拟考试一点通将焊工（技师）模拟考试试…
【无标题】2021年西式面点师（高级）考试题库及西式面点师（高级）考试报名
题库来源：安全生产模拟考试一点通公众号小程序
安全生产模拟考试一点通：西式面点师（高级）考试题库参考答案及西式面点师（高级）考试试题解析是安全生产模拟考试一点通题库老师及西式面点师（高级…
2021年机修钳工（中级）及机修钳工（中级）复审模拟考试
题库来源：安全生产模拟考试一点通公众号小程序
安全生产模拟考试一点通：机修钳工（中级）是安全生产模拟考试一点通总题库中生成的一套机修钳工（中级）复审模拟考试，安全生产模拟考试一点通上机修…
TensorHouse仓库介绍
目录
1 TensorHouse介绍
2 说明性例子
3模型列表
4基本组件
5方法
6参考
7后续计划 1 TensorHouse介绍
代码仓库：GitHub - ikatsov/tensor-house: A collection of reference machine learning and optimization models for enterprise operations: marketi…
调用万维易源API实现天气预测
目录 1. 作者介绍2. 关于理论方面的知识介绍2.1 天气预测简介2.2 预测方法 3. 代码实现3.1 需要安装的包3.2 部分代码3.3 实验结果 1. 作者介绍
房庚晨，男，西安工程大学电子信息学院，22级研究生 研究方向：机器视觉与人工智能 电子…
机器学习比较好的视频资源
吴恩达，经典入门课程。
[中英字幕]吴恩达机器学习系列课程_哔哩哔哩_bilibili
www.bilibili.com/video/BV164411b7dx?spm_id_from333.999.0.0正在上传…重新上传取消
[双语字幕]吴恩达深度学习deeplearning.ai_哔哩哔哩_bilibili
www.bilibili.com/video/B…
2021年合成氨工艺找解析及合成氨工艺考试试题
题库来源：安全生产模拟考试一点通公众号小程序
安全生产模拟考试一点通：合成氨工艺找解析考前必练！安全生产模拟考试一点通每个月更新合成氨工艺考试试题题目及答案！多做几遍，其实通过合成氨工艺模拟考试题库很简单。…
tensorflow预定义经典卷积神经网络和数据集tf.keras.applications
自己开发了一个股票软件，功能很强大，需要的点击下面的链接获取：
https://www.cnblogs.com/bclshuai/p/11380657.html
1.1 tensorflow预定义经典卷积神经网络和数据集
1.1.1 预定义模型tf.keras.applications
tensorflow有很多已…
【材料整理】 --Pytorch基础知识2
文章目录 文章目录写在前面神经网络的基本骨架 - nn.Module神经网络卷积层神经网络——非线性激活神经网络-线性层及其他层介绍写在前面
本系列内容主要是对小土堆的《Pytorch》课程的笔记整理。 b站地址：https://www.bilibili.com/video/BV1hE411t7RN?spm_id_fro…
独立成分分析ICA/FastICA
最近在学习CSP，然后又注意到了ICA，这个算法之前就用过，但是没有系统的整理一下，所以就在这里梳理一下相关内容，方便以后查阅。 独立成分分析ICA/FastICA1 盲源分离（BlindSource Separation，BSS&…
LCA（Lobe Component Analysis）：叶成分分析
前面提到的CCIPCA可以算作翁巨扬教授提出的第一个心智发育框架IHDR的核心算法，而LCA则是他现阶段提出的where-what-network框架的核心算法，也即是他提到的发育网络的“基因”组成。 CCIPCA对应于PCA（主成分分析）算法，是…
基于AIC评价指标的逐步回归Python语言实现
常用评价指标简介 当前统计学以计算机科学作为支撑，机器于人工的优势是计算速度，但机器无法自行判断运算何时退出，因此需要定量指标作为运算退出的标志。对于预测类的统计模型来说，常见的指标有赤池信息准则（AIC&#…
目标跟踪之GOTURN：Learning to Track at 100 FPS with Deep Regression Networks
一. 简介 选择这篇文章的原因在于能实现 100帧的效果，对于跟踪来讲，大多数应用场景需要实时跟踪，应该说仅仅实时跟踪还不够，还需要计算资源来做 视频解码、检测、比对 等多个工作。 这篇文章 2016年来自 Stanford 大学的 David H…
机器学习读书笔记之1 - 最小二乘法
最小二乘法 是指 根据测量数据，得到这组数据规律的公式表示，其原则是 误差的平方和最小。“二乘” 即为平方，最小二乘拟合是机器学习最简单也是最实用的方法之一。 最小二乘法是用于 模型逼近 和 曲线拟合 的常用手段。 上图表示根据一组数据…
基于Python和Spacy的命名实体识别
命名实体识别（Named Entity Recognition，简称NER）是一种自然语言处理（NLP）方法，用于检测和分类文本中的命名实体，包括人物、组织、地点、日期、数量和其他可识别的现实世界实体。
Spacy是一个基…
目标检测综述——Paddle
本篇为《深度学习》系列博客的第十四篇，该系列博客主要记录深度学习相关知识的学习过程和自己的理解，方便以后查阅。
本篇ppt来自于百度的《百度顶会论文复现营第2期》课程，如想了解详情，请移步上述课程链接。 目标检测综述目标检…
台大林轩田·机器学习基石记要
台大林轩田机器学习基石记要
昨天开始看林轩田的机器学习基石，从今天起开始去粗取精 第一讲比较基础，一些概念自己早已经理解了，所以不再做笔记，有点印象的是讲到了ML、DL、AI的一些联系与区别，ML主要是想从数据中学习…
肌电数据归一化并显示灰度图片
本篇为《信号处理》系列博客的第十篇，该系列博客主要记录信号处理相关知识的学习过程和自己的理解，方便以后查阅。
本片博客为用DNN分类肌电数据的准备工作的第一篇，主要内容为，将肌电数据归一化，并借用图片的形式展示…
Filter特征筛选+随机森林建模+交叉验证（kaggle-Elo Merchant Category Recommendation）
数据预处理流程 思路 数据读取
import pandas as pd
import numpy as np
from sklearn.model_selection import KFold
from numpy.random import RandomState
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_errortrain pd.r…
Filter特征筛选+随机森林建模+网格搜索调优（Kaggle--Elo Merchant Category Recommendation）
数据预处理流程 思路 import pandas as pd
import numpy as np数据读取
train pd.read_csv("preprocess/train.csv")
test pd.read_csv("preprocess/test.csv")随机森林模型预测
特征选择–皮尔逊相关系数
(train.shape, test.shape)((201917, 1700),…
贝叶斯调参报错：Object has no attribute ‘integers‘
报错版本：python version：3.9.7
hyperopt version：0.2.7
报错代码段：rstateRandomState(seed)
报错完整信息：
AttributeError: ‘numpy.random.mtrand.RandomState’ object has no attribute ‘integers’
解决方…
JDK的下载和安装最新版
JDK的下载 进入网站 product-》java 点击oracle jdk 点击jdk-download 选择jdk版本-zip和exe都一样 登录账号即可下载 jdk安装：
注意：路径不要有空格和中文 这样就安装成功了
这是文件目录的相关内容
KNN（K临近算法）的简单模拟实现
文章目录计算距离主函数效果图：KNN算法又称K临近算法，其主要思想是计算训练集点和测试集点之间的距离（以欧氏距离或其他计算方法），然后对这些距离由小到大排序，检查前k个距离所代表的点属于训练集哪一类点更…
2.3 监督学习-2
2.2 监督学习关注在输入x 输入y的回归问题
2.3 监督学习也可以是一种分类问题
1 分类：
乳腺癌检测：肿块是否癌变，数据集标记肿瘤是否良性1/恶性0，只有两种输出0或1。
输入可以是多输入，综合的得到输出。 2 小结&am…
1.1 欢迎来到机器学习
机器学习无处不在，比如搜索软件，自动匹配结果......还是很广泛的！
欢迎大家补充，此处暂时留白啦~
PyPI和非官方python模块下载网站的区别
PyPI
PyPI是官方的Python模块管理网站，通过pip命令可以很方便的在线安装模块，就是得益于PyPI网站的存在。使用pip安装的模块都是从PyPI网站下载安装的。如果在线安装的话直接使用pip install 模块名很方便，同时可以指定模块的历史版本&#…
LWN：针对多层内存系统重新进行NUMA平衡！
关注了就能看到更多这么棒的文章哦～NUMA rebalancing on tiered-memory systemsMay 2, 2022This article was contributed by David VernetDeepL assisted translationhttps://lwn.net/Articles/893024/传统的 NUMA 架构是围绕 node （节点）建…
Faster R-CNN网络架构详解和TensorFlow Hub实现（附源码）
文章目录 一、RPN网络1. RPN网络简介2. backbone网络简介 二、Faster R-CNN网络架构1. Faster R-CNN网络简介2. 基于TensorFlow Hub实现Faster R-CNN 前言：Faster R-CNN的简介见
上一篇文章 一、RPN网络
1. RPN网络简介 RPN网络全称Region Proposal Network&#…
Doc2Vec模型详解
Doc2Vec模型，是一种基于word2vec模型和分布式内存模型的文本特征提取方法。它是用于将单词序列转换为固定长度的向量表示的无监督算法。另外，与word2vec和分布式内存模型不同的是，doc2vec可以理解为单词和句子之间的关联关系，从而…
路径规划算法：基于热交换优化的路径规划算法- 附代码
路径规划算法：基于热交换优化的路径规划算法- 附代码 文章目录 路径规划算法：基于热交换优化的路径规划算法- 附代码1.算法原理1.1 环境设定1.2 约束条件1.3 适应度函数 2.算法结果3.MATLAB代码4.参考文献 摘要：本文主要介绍利用智能优化算法…
只会标准答案，是不可救药的愚蠢
听说今天高考，谨以此文作为高考寄语。 前段时间网上看到一个金句，非常值得分享，“最难沟通的，不是那些头脑空空的人，而是满脑子只有标准答案的人”。 前两天直播我放了一首何勇的老歌，当时年轻的时候&#…
只需一个Prompt，ChatGPT秒变万能导师，轻松学习任意领域知识
AI正在改变我们生活的方方面面，包括我们学习的方式。AI已经证明自己有能力成为我们的助手甚至是老师，帮助我们更有效地获取知识。
拿ChatGPT来说，我们平时有什么问题都可以向它提问，不过想让它更高效的帮助我们，还是需…
2023年6月第2周大模型荟萃
2023年6月第2周大模型荟萃
2023.6.12版权声明：本文为博主chszs的原创文章，未经博主允许不得转载。
1、百度推出代码助手 Comate
6 月 6 日，在文心大模型成都技术交流会上，百度智能云推出 Comate 代码助手，并正式开放…
算法学习（九）——MuZero模型
论文：
Mastering Atari, Go, chess and shogi by planning with a learned model
github复现：
https://github.com/werner-duvaud/muzero-general
参考文章：
https://blog.csdn.net/jsjytc/article/details/108318156
http://deeprl.ne…
自制机器学习工具库源码解释（KNN线性回归）
欢迎大家提出宝贵意见源码：简易KNN网格搜索版KNN正则版线性回归梯度下降版线性回归：防止重复库安装方法以及更新命令安装更新测试代码以及截图（部分）KNN&鸢尾花线性回归&波士顿房价预测源码：
由于刚开始写&am…
ICA(Independent Componet Analysis) Apply to FECG
独立分量分析的解析：
独立分量分析，又称独立成分分析，其目的是将观察到的数据表示为相互统计独立的成分 进行线性变化的结果，并且这些相互统计独立的成分均是非高斯的。ICA算法的基础是非高斯且统计独立，即观测信号由…
不懂财务报表的后果？_富爸爸_新浪博客
现在，我们来计算一下一个看不懂财务报表，甚至不知道什么是财务报表的人的损失。或者说，这个人不知道资产和负债，良性债务和不良债务，债务和股本的区别；或者不知道被动收入，主动收入和股票收入的…
一文说清楚你头疼不已的熵们：信息熵、联合熵、条件熵、互信息、交叉熵、相对熵（KL散度）
文章目录1. 信息熵2. 联合熵3. 条件熵4. 互信息5. 交叉熵6. 相对熵（KL散度）7. 总结说起熵，相信看本文的你一定听过这个概念，我们以前高中的时候在化学里学过，我们有一种大致的概念就是：熵是描述系统混乱程度…
机器学习三剑客之Numpy
Numpy简单创建数组
import numpy as npa [1, 2, 3]
b np.array(a)
c np.array([[0, 1, 2, 10],[12, 13, 100, 101],[102, 110, 112, 113]], int)
print(c)
print(b)创建一个指定形状（shape）、数据类型（dtype）且未初始化的数组…
六、PyTorch 深度学习 处理多维特征的输入
07处理多维特征的输入
来源：B站 刘二大人
源代码：
import numpy as np
import torch
import matplotlib.pyplot as plt# prepare dataset
xy np.loadtxt(diabetes.csv.gz, delimiter,, dtypenp.float32)
x_data torch.from_numpy(xy[:, :-1]) # 第…
SVM算法原理及Python实现
Svm（support Vector Mac）又称为支持向量机，是一种二分类的模型。当然如果进行修改之后也是可以用于多类别问题的分类。支持向量机可以分为线性核非线性两大类。其主要思想为找到空间中的一个更够将所有数据样本划开的超平面，并且使得本本集中所有数据到这个超平面的距离最短…
机器学习之逻辑回归算法
下面是转载的内容，主要是介绍逻辑回归的理论知识，先总结一下自己看完的心得 简单来说线性回归就是直接将特征值和其对应的概率进行相乘得到一个结果，逻辑回归则是这样的结果上加上一个逻辑函数 这里选用的就是Sigmoid函数，在坐标尺…
Machine Learning - Coursera 吴恩达机器学习教程 Week9 学习笔记（异常检测，推荐系统）
异常检测（Anomaly detection） 建立模型p，类似表示属于正常情况的概率，小于某个值就认为它是异常的。
应用场景
诈骗检测异常零件检测数据中心电脑工作情况监控
高斯分布 / 正态分布(Gaussian Distribution) 参数估计
给你一组…
【论文汇总】 ECCV 2020 语义分割paper汇总
语义分割 segmentation paperECCV 2020
ECCV 2020语义分割文章总结，文章下载链接。 文章目录语义分割 segmentation paperECCV 2020前言边缘语义分割1.JSENet: Joint Semantic Segmentation and Edge Detection Network for 3D Point Clouds2.Improving Semantic S…
【CS229 lecture18】linear quadratic regulation(LQR) 线性二次型调节控制
lecture18 今天来讨论我最喜欢的算法之一，用以控制MDP，我觉得是一个优雅、高效、强大的算法。先讨论MDP的几个常见变种（与现有的MDP定义会有不同）。 Agenda state-action rewards finite horizon MDPs linear dynamical syste…
线性回归Python（梯度下降法）
import numpy as np
import matplotlib.pyplot as plt
data np.genfromtxt("data.csv",delimiter ",")
x_data data[:,0]
y_data data[:,1]
plt.scatter(x_data,y_data)
plt.show()#学习率
lr 0.0001
#截距
b 0
#斜率
k 0
#迭代次数
epochs 50#最小…
Live800：三大升级，智能营销机器人让业绩升级
随着AI、大数据、5G等新技术的广泛应用，客户服务场景发生了多元的变化，千亿级别的企业客服市场正迎来新挑战与新变革。人工客服服务成本高、培训周期长、运营管理难等痛点凸显，传统客服向智能客服升级转型是大势所趋。
客服智能化升级&#…
Live800:用它，在线客服提升效率的秘密！
"在线下世界，如果一个客户不满意，他会告诉6个朋友。在互联网世界，他会告诉6000个人。" 亚马逊的创始人杰夫贝佐斯提到。随着互联网时代的蓬勃发展，消费者之间的关系互联正击穿以前人与人之间的圈层链——消费者的声音被…
transH算法实现知识图谱补全实验
transH算法实现知识图谱补全实验
1. 目的
使用transH算法进行知识图谱补全实验
2. 数据集
本次实验采用freebase数据集的FB15k, 该数据集共有entity2id.txt，relation2id.txt，test.txt，train.txt和valid.txt共五个文件。实验过程中&#x…
【机器学习】Reinforcement Learning-强化学习学习笔记
一、强化学习的定义
1.1 什么是强化学习？
首先，强化学习并不是某一种特定的算法，而是一类算法的统称。
解决序列决策问题的一类方法，通过寻求最优策略，获取最大回报。
强化学习就是智能体从环境到动作映射的学习&…
一次关于架构的“嘴炮”
动手点关注 干货不迷路 👆文章标题很随意，些微有一些骗点击的“贼意”；但内容却是充满了诚意，想必你已经感受到了。这是一次源于头条 Android 客户端软件架构问题的探讨，之所以冠上“嘴炮”之名，是因为它有…
NLP 样本不平衡问题
1. 什么是样本不平衡问题？
所谓的样本不平衡问题指的是数据集中各个类别的样本数量不均衡。以二分类问题为例，通常情况下把样本类别比例超过4:1的数据就可以称为不平衡数据，极端情况下正负样本比例有可能达到1:1000。
2. 如何解决样本不平衡…
error: subprocess-exited-with-error（fasttext）
先把import库重新搞一下
pip install importlib_metadata --force-reinstall然后手动下载whl 点我下载 注意： 下载对应版本的wheel，amd64对应win64；cp3X-cp3Xm对应python3.X 运行这个：
pip install "本地路径(刚下载的文件…
你真的懂熵了吗（含交叉熵）
感谢阅读1.熵(Entropy)1.1 熵的多种说法1.2 首次提出1.3 直接计算熵2.交叉熵(Cross-Entropy)2.1 交叉熵的由来2.2 熵的估计受到的影响2.3 交叉熵损失函数公式1.熵(Entropy)
1.1 熵的多种说法
不同的人、不同的领域对熵都做出了不同的解释：混乱程度，不确…
龙珠训练营机器学习-LightGBM学习笔记
本学习笔记为阿里云天池龙珠计划机器学习训练营的学习内容，学习链接为：点我跳转 感谢各位的阅读学习知识点概要学习内容1.LightGBM的介绍与应用1.1 LightGBM的介绍1.1.1 LightGBM的主要优点1.1.2 LightGBM的主要缺点1.2 LightGBM的应用2.代码流程3.英雄联…
概率论：随机变量之非离散变量
在讲非离散变量之前，先要讲讲分布函数： 相信你也发现了，这就是概率密度函数的积分。 分布函数有几条性质： 有了分布函数这个工具以后，我们就可以学习连续的随机变量了。 概率密度就是分布函数的微分。
概率密度的性质…
概率论：随机变量及其分布
定义： 随机变量的特点： 随机变量可以分为离散的和非离散的，离散的可以一个一个列出来（可以无限），非离散无限且不可列。 离散随机变量： 分布列可以用图表，公式，画图展示。…
pytorch学习——第四章迁移学习
迁移学习
迁移学习是在已有模型上进行学习 使用resnet18进行迁移学习，实现蚂蚁和蜜蜂的二分类任务
可以在resnet18参数权重基础上继续训练可以冻结resnet18的卷积层，仅训练最后的全连接层
from __future__ import print_function, division
import to…
HDU 2086 P - A1 = ?（推表达式）
传送门：http://acm.geekxiong.tech/vjudge/contest/view.action?cid14#problem/P P - A1 ?Time Limit:1000MS Memory Limit:32768KB 64bit IO Format:%I64d & %I64u Submit StatusDescription 有如下方程：A i (A i-1 A i1)/2 - C i (i …
概率论1：随机事件与概率
随机实验是什么？： 即：重复进行，结果多样，不能确定。
用E代表随机实验。 样本空间： 只有一个样本点的叫基本事件。 必然事件： 用样本空间的名字代表必然事件。 注意：事件中的一个样…
UG后处理—文件格式大小判断研究
文件格式大小判断研究
前言：
问题描述：
最近看的东西比较多，所以就先水一篇。在数控加工中，有的设备对数控程序的大小有严格的限制，那么这个时候输出相关的数控程序大小，甚至进行报警提醒就很有必要的
…
Python NumPy新手必备入门教程
Python NumPy库的讲解
一些个人学习NumPy时的总结，不太全面，欢迎大家一起学习交流！
认识数组创建数组数组数据类型数组运算索引与切片转置和轴对称NumPy 通用函数NumPy进行数据分析线性代数模块随机数
import numpy as np # 导入numpy包1…
机器学习（9）：最大熵模型
最近自己会把自己个人博客中的文章陆陆续续的复制到CSDN上来，欢迎大家关注我的 个人博客，以及我的github。
本文将讲解有关最大熵模型的相关知识。 本文主要是依据李航老师的《统计学习方法》和邹博老师的机器学习教学视频总结编写的。文中所用到的有关…
机器学习（4）：决策树和随机森林
最近自己会把自己个人博客中的文章陆陆续续的复制到CSDN上来，欢迎大家关注我的 个人博客，以及我的github。
本文将讲解决策树和随机森林的基本思想，以及信息增益、信息增益率（比）、Gini系数等理论部分的内容ÿ…
机器学习（2）：K近邻（KNN）算法
最近自己会把自己个人博客中的文章陆陆续续的复制到CSDN上来，欢迎大家关注我的 个人博客，以及我的github。
本文将讲解有关K近邻算法的相关知识，主要从算法思想、KNN算法三大基本要素以及KNN算法的实现之kd树来做介绍。 本文主要是依据李航老…
【已解决】Microsoft Visual C++ Redistributable is not installed
【Error】导入torch，提示报错： Microsoft Visual C Redistributable is not installed, this may lead to the DLL load failure. 【Cause】 Anaconda没有默认安装在C盘；系统没有安装VC Redistributable程序。 【Resolve】
VC Redistributab…
深度学习笔记——手稿推导BP算法（附代码实现）
相信很多小伙伴在学习深度学习的过程中，都无法逃避BP（Back Propagation）反向传播算法的学习，确实如此，BP算法是ML、DL的经典算法之一，想深入研究深度学习，那就有必要去深入了解BP算法了。 接下来…
机器学习算法工程师成长之路
迷茫了就进来看看努力到哪个阶段了，瞬间就理清思路了！！！ 机器学习算法工程师成长之路总结自，诸葛越.百面机器学习[M].北京:人民邮电出版社.2018.
计算机视觉(1)--摄像头采集视频信息
摄像头采集视频信息 环境搭建: 下载python-opencv的包 sudo pip install python-opencv代码实现如下: #-*- coding: utf-8 -*-
import cv2# 初始化网络摄像头
cap cv2.VideoCapture(0)# 定义网络摄像头采集的帧的比例系数
scaling_factor 0.5# 启动一个无限循环来采集帧 直到…
机器学习——房屋价格预测【回归问题】
机器学习——房屋价格预测【回归问题】
1. 导工具包
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
warnings.filterwarnings(ignore) #过滤所有警告2. 读取数据
# 读取数据集
train pd.read_csv("…
sklearn模型保存
from sklearn import svm
from sklearn import datasets
import pickle # 保存模块clf svm.SVC()
iris datasets.load_iris()
x, y iris.data, iris.target
clf.fit(x, y)
"""方法一:使用 pickle 保存"""
# 保存Model(注:save文件夹要预先建…
Python一种保存模型的简单方式：用joblib保存训练模型
在机器学习中，我们训练模型后，需要把模型保存在本地。利用joblib,实现简单的模型保存方式：
import joblib#保存模型
def save_model(model, filepath):# 后缀一般用pkljoblib.dump(model, filenamefilepath)def load_model(filepath):model …
为什么是Softmax？
一、softmax函数
softmax用于多分类过程中，它将多个神经元的输出，映射到（0,1）区间内，可以看成概率来理解，从而来进行多分类！
假设我们有一个数组，V，Vi表示V中的第i个元…
线性判别分析（Fisher）
线性判别分析（Fisher）
Fisher线性判别分析
【符号约定】：
训练数据集 T{(x1⃗,y1),(x2⃗,y2)...(xN⃗,yN)},xi⃗∈Rp,yi∈{−1,1},i1,2,3，...，NT\{ (\vec{x_1},y_1),(\vec{x_2},y_2)...(\vec{x_N},y_N)\},\vec{x_i}…
SVD——奇异值分解的原理机制
篇章目录 背景
一、SVD用途概况
优缺点分析
主要应用领域
二、预备知识
1.线性代数、概率论与数理统计常用分布
2.隐形语义含义：隐形语义检索（LSI）
*3.PCA 降维算法原理与应用
三、SVD概念与求解
1. 与PCA的区别
2.求解各种分解矩阵…
计算机毕业设计之Python大数据招聘爬虫可视化 招聘推荐系统 职位薪资预测算法 大数据招聘数据分析 大数据毕业设计 职位可视化(机器学习：预测+推荐+爬虫+可视化)
创新点
预测算法、招聘推荐、薪资预测、数据爬虫、可视化
技术
requestsflaskmysql
适合方向
招聘类计算机毕业设计、大数据毕业设计、数据分析类毕业设计，含有丰富的算法，一定是适合你的哦！
说明
爬虫模块是最新的，实时维…
LearningCurve检视过拟合
from sklearn.model_selection import learning_curve
from sklearn.datasets import load_digits
from sklearn.svm import SVC # Support Vector Classifier
import matplotlib.pyplot as plt
import numpy as np"""加载digits数据集，其包含的是手…
sklearn做Normalization正则化
# 数据标准化模块
from sklearn import preprocessing
# 将资料分割成train与test的模块
from sklearn.model_selection import train_test_split
# 生成适合做classification资料的模块
from sklearn.datasets._samples_generator import make_classification
# Support Vecto…
sklearn模型属性与方法
from sklearn import datasets
from sklearn.linear_model import LinearRegression
import matplotlib.pyplot as pltloaded_data datasets.load_boston()
data_x loaded_data.data
data_y loaded_data.targetmodel LinearRegression()
# model.fit 用来训练模型
model.fi…
人工智能-概括资源梳理
人工智能-概括资源梳理
QQ 1285575001 Wechat M010527 技术交流 QQ群599020441 纪年科技aming 数据科学 kaggle机器学习/深度学习 NLP (Natural Language Processing) 自然语言处理 word2vec获取词向量 TensorFlow 基于数据流编程 符号数学系统 广泛应用于各类机器学习&#…
鲁棒主成分分析RPCA
WHY?
传统的PCA算法对于噪音敏感，于是有人提出了RPCA将一个含有稀疏噪声的数据矩阵分解为低秩矩阵和稀疏噪音矩阵两部分。
WHAT？ HOW? CODE
import numpy as np
import pandas as pd
Y数据矩阵alpha 步长pre 收敛的精度r 低秩为多少def RPCA(Y,alp…
泰坦尼克乘客生存预测
1. sklearn 中的决策树模型
首先，我们需要掌握 sklearn 中自带的决策树分类器 DecisionTreeClassifier，方法如下：
clf DecisionTreeClassifier(criterionentropy)到目前为止，sklearn 中只实现了 ID3 与 CART 决策树，…
通俗易懂方差（Variance）和偏差（Bias）
看了沐神的讲解，恍然大悟，b站可以不刷，但沐神一定要看。 在统计模型中，通过方差和偏差来衡量一个模型。
1 方差和偏差的概念
偏差（Bias）：预测值和真实值之间的误差 方差（Variance&…
机器学习十大基本算法列举
机器学习十大基本算法列举
线性回归算法 Linear Regression支持向量机算法 (Support Vector Machine,SVM)最近邻居/k-近邻算法 (K-Nearest Neighbors,KNN)逻辑回归算法 Logistic Regression决策树算法 Decision Treek-平均算法 K-Means随机森林算法 Random Forest朴素贝叶斯算…
机器学习基础算法二：K-Means回归算法实验
K-Means回归算法实验
一、K-Means算法介绍
原理： K-Means聚类是最常用的聚类算法，最初起源于信号处理，其目标是将数据点划分为K个类簇，找到每个簇的中心并使其度量最小化。该算法的最大优点是简单、便于理解，运算速度…
《雷锤3》魔数你见过吗？这10行代码简直吊炸天!
引言你会如何通过代码写出下面这个公式？如果是我的话，一行代码搞定float y 1 / sqrt(x);而《雷神之锤3》实现的方式就非常有趣：float Q_rsqrt( float number )
{long i;float x2, y;const float threehalfs 1.5F;x2 number * 0.5F;y numb…
机器学习基础算法一：KNN算法分类实验
【KNN分类实验】
什么是KNN？
概念： KNN（K-nearest neighbor），即K近邻算法。当需要一个样本（值）的时候，就使用与该样本最接近的K个邻居来决定。KNN既可用于分类，也能用于…
深度学习训练集和测试集loss损失值关系
train_loss是训练集的损失值，test_loss是测试集的损失值
train_loss不断下降，test_loss不断下降，说明模型仍有训练空间; train_loss不断下降，test_loss趋于不变，说明模型过拟合; train_loss趋于不变，test_…
Python学习 Day74 Matplotlib进阶 画布上创建多个子图 03
matplotlib进阶使用（2）
画布上创建多个子图
（一）subplot()
原型：plt.subplot(nrows, ncols, index)
作用：返回给定网格位置的axes对象
说明：
在当前图中，该函数创建并返回一个…
决策树算法（ID3,CART,C4.5）
一 基本流程
1. 决策树思想
在生活中，我们如何判别一个学生是否优秀？我们可能先会判断其成绩如何、再判断其能力如何、再判断其形象如何，判断等等属性，最后得出结论他优秀或不优秀。而且判别流程因人而异，不唯一。
…
zip函数和zip(*)函数
zip() 函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组，然后返回由这些元组组成的列表。
如果各个迭代器的元素个数不一致，则返回列表长度与最短的对象相同。
zip(*)函数利用 * 号操作符，可以将元组解压为列…
【星际争霸2中的强化学习-1】使用 PySC2 构建虫族机器人
中文网站上关于星际争霸2中AI模型的训练资料非常少，这里找到一篇比较好的pysc2使用的文章，翻译一下，方便阅读。
代码：GitHub - skjb/pysc2-tutorial: Tutorials for building a PySC2 botTutorials for building a PySC2 bot. Co…
算法学习（二十）——GAE
全称是generalized advantage estimator，几乎所有最先进的policy gradient算法实现里面都使用了该技术，适合高维状态，一般都是PPOGAE。
该算法主要改进在于对A的估计。
优势函数可以写成如下： 一步的优势函数进一步展开为&#…
算法学习（十七）——A2C和PPO
个人理解：
ACadvantage A2C
A2C重要性采样TD(n) PPO
A2C：
所谓A2C就是在AC的基础上加了一个Advantage，公式有如下改进： 但是Q可以由V计算而来，因此转变位： 目的在于：给Q值增加一个基线&am…
git命令复现github模型代码：git clone（不是git clong），不是get clone
git命令复现github模型代码：
第一个命令：git clone（不是git clong）
git clong gitgithub.com:xxxx2019/DeepInf.git
#（不是git clong）xxxDESKTOP-TTPHC4V MINGW64 ~
$ git clone gitgithub.com:xxx2019/D…
从零开始弄懂LightGBM_实战篇
作者：楼观白楼 出处：https://zhuanlan.zhihu.com/p/98926322 写在前面 在本次比赛中，我们团队恶魔妈妈买面膜（经主办方建议，决赛时队名修改为秋名山车神）在初赛A榜，初赛B榜，复赛A榜&…
从零开始弄懂LightGBM_背景篇_无数理推算
目录
有监督学习 和 无监督学习
集成学习 Ensemble Learning
Boosting 和 Bagging
决策树 Decision Tree
损失函数 Loss Function 和 目标函数 Object Function
梯度下降 Gradient Descent
梯度迭代 Gradient Boosting
GBDT Gradient Boost Decision Tree
信息熵 和…
sklearn中的支持向量机SVM（上）
1 概述
支持向量机（SVM，也称为支持向量网络），是机器学习中获得关注最多的算法。它源于统计学习理论，是除了集成学习算法之外，接触到的第一个强学习器。 从算法的功能来看，SVM囊括了很多其他算法…
DW李宏毅机器学习Task6
Self-Supervised Learning自监督学习
从芝麻街的人物引入自监督学习的相关概念方法。ELMo、BERT、ERNIE、Big Bird BERT是非常复杂的模型，包含340million个参数。模型变得越来越复杂，参数越来越多。
自监督学习介绍
有监督和自监督学习的区别&…
DW李宏毅机器学习Task1
1、机器学习介绍
Artifical intelligence：人工智能（目标） Machine Learning：机器学习（手段） Deep Learning：深度学习，是机器学习其中的一种方法 机器学习：从数据中找到…
通过anaconda下载 opencv的方法
**
通过anaconda下载 opencv的方法(python接口)
** 文章目录通过anaconda下载 opencv的方法(python接口)前言一、opencv是什么？二、使用步骤1.下载anaconda2.下载opencv总结前言
本篇文章只是提供下载opencv的一个简单方法。个人认为这是一个简单，快捷…
【全文翻译】EXPLAINABLE ARTIFICIAL INTELLIGENCE: UNDERSTANDING, VISUALIZING AND INTERPRETING DEEP LEARNING
Explainable artificial intelligence :understanding,...（可解释的人工智慧：理解，可视化和解释深层学习模型1. Introduction2. Why do we need explainable AI ?3. Methods for visualizing, interpreting and explaining deep learning mo…
苹果神经网络是什么意思_用神经网络预测苹果股价
苹果神经网络是什么意思Stock price prediction is definitely not an easy task as there are many factors that need to be taken into consideration. Overall market conditions, competitors’ performance, new product releases, temper of global relations are just …
Python vs R：头对头数据分析
哪个更适合数据分析？ (Which is better for data analysis?) There have been dozens of articles written comparing Python and R from a subjective standpoint. We’ll add our own views at some point, but this article aims to look at the languages more…
利用BLEU进行机器翻译检测（Python-NLTK-BLEU评分方法）
双语评估替换分数(简称BLEU)是一种对生成语句进行评估的指标。完美匹配的得分为1.0，而完全不匹配则得分为0.0。这种评分标准是为了评估自动机器翻译系统的预测结果而开发的，具备了以下一些优点： 计算速度快，计算成本低。容易理解。…
网易大数据用户画像实践
【与数据同行】已开通综合、数据仓库、数据分析、产品经理、数据治理及机器学习六大专业群，加微信号frank61822701 为好友后入群。新开招聘交流群，请关注【与数据同行】公众号，后台回复“招聘”后获得入群方法。正文开始分享嘉宾：…
枕头Python 3
PIL is on its way to Python 3 via Pillow. PIL正在通过Pillow到Python 3。 Support from Brian Crowell and others has been merged into master here: 来自Brian Crowell和其他人的支持已合并到此处，成为master： https://github.com/python-imagin…
如何在Python中四舍五入数字
It’s the era of big data, and every day more and more business are trying to leverage their data to make informed decisions. Many businesses are turning to Python’s powerful data science ecosystem to analyze their data, as evidenced by Python’s rising p…
usb 2.2.0移植_psutil 2.0移植
usb 2.2.0移植This my second blog post is going to be about psutil 2.0, a major release in which I decided to reorganize the existing API for the sake of consistency. At the time of writing psutil 2.0 is still under development and the intent of this blog p…
主函数有形参_有形–将数据转换为有形3D模型
主函数有形参In the past, making data tangible was a complicated, manual process. Digital 3D representations of complex data have been around for quite a while, but they were always confined to the digital world. Mostly because it was impractical to convert…
Failed to load joint1_position_controller 错误
启动gazebo一些模型爆出Failed to load joint1_position_controller 错误，可以尝试安装control以及controllers试试
sudo apt-get update
sudo apt-get install ros-noetic-ros-control
sudo apt-get install ros-noetic-ros-controllers
pandas 数据清洗教程_使用Pandas进行数据操作：简要教程
pandas 数据清洗教程Learn three data manipulation techniques with Pandas in this guest post by Harish Garg, a software developer and data analyst, and the author of Mastering Exploratory Analysis with pandas. 在软件开发人员和数据分析师，《 熊猫探索…
python 实现工厂模式_工厂方法模式及其在Python中的实现
python 实现工厂模式This article explores the Factory Method design pattern and its implementation in Python. Design patterns became a popular topic in late 90s after the so-called Gang of Four (GoF: Gamma, Helm, Johson, and Vlissides) published their book …
图像中查找直线_教程：通过聚类查找图像中的主要颜色
图像中查找直线Analyzing images with code can be difficult. How do you make your code “understand” the context of an image? 用代码分析图像可能很困难。 您如何使代码“理解”图像的上下文？ In general, the first step of analyzing images with AI is…
Python编程师/数据科学家na Catho
Voc gosta de trabalhar com inteligncia aplicada?Vocgosta de trabalhar comintelignciaaplicada？ No tem medo de aprender novas tecnologias?Notem medo de aprender novas tecnologias？ Venha trabalhar conosco!Venha trabalhar conosco&#x…
python 方差分析_使用Python的重复测量方差分析
python 方差分析A common method in experimental psychology is within-subjects designs. One way to analysis the data collected using within-subjects designs are using repeated measures ANOVA. I recently wrote a post on how to conduct a repeated measures ANOV…
预测比赛结果 实验_碗比赛选择结果
预测比赛结果 实验If you haven’t read my previous post on picking bowl game winners with elote, this may not make a whole lot of sense, but basically I wrote a rating system, trained it on the college football season thus far, and used it to predict winner…
学习曲线 机器学习_机器学习的学习曲线
学习曲线 机器学习Diagnose Bias and Variance to Reduce Error 诊断偏差和方差以减少误差 When building machine learning models, we want to keep error as low as possible. Two major sources of error are bias and variance. If we managed to reduce these two, then…
熊猫压缩怎么使用_将Excel与熊猫一起使用
熊猫压缩怎么使用Excel is one of the most popular and widely-used data tools; it’s hard to find an organization that doesn’t work with it in some way. From analysts, to sales VPs, to CEOs, various professionals use Excel for both quick stats and serious d…
SQL刷题:从不充钱的游戏玩家
如题 我们可以使用子查询和 NOT IN子句
如果我们有一份曾经订购过的客户名单，就很容易知道谁从未订购过，我们可以使用下面的代码来获得这样的列表：
SELECT customerid FROM orders;然后我们就可以使用NOT IN来查询不在这个列表的客户
SELE…
python lime_本地可解释模型不可知的解释– LIME in Python
python limeWhen working with classification and/or regression techniques, its always good to have the ability to ‘explain’ what your model is doing. Using Local Interpretable Model-agnostic Explanations (LIME), you now have the ability to quickly provide…
Matt Fornito的“我如何采访数据科学家”
由Matt Fornito | 2016年12月13日 (by Matt Fornito | December 13, 2016)This interview is featured in Springboard’s guide to data science interviews. Matt is also a mentor for Springboard’s Data Science Career Track, the first data science bootcamp to guara…
数据科学的应用案例_应用数据科学
数据科学的应用案例数据科学如何改善产品？ (How can data science improve products?) 什么是预测模型？ (What are predictive models?) 您如何从见识到原型到生产应用？ (How do you go from insight to prototype to production applicati…
卷积 、 图像去噪、边缘提取
参考:https://www.bilibili.com/video/BV1V54y1B7K3?p8&spm_id_frompageDriver&vd_source36b7c8676358c983e1f9ccb9cfe786b4
卷积与图像去噪
图像去噪与卷积
卷积核/卷积模板（带权重的矩阵）
定义： 卷积对图像进行操作
性质
叠…
蒜头跳木桩_花园棚和木桩
蒜头跳木桩For the past couple of years this website has been pretty much all about software or the business of writing/selling software. But as it turns out, that is not all a person should really do, so here is a totally unrelated post. My house has a a…
c# 跨数据库事物_数据科学事物综述＃9
c# 跨数据库事物Things got a bit busy and I feel off the wagon posting, but here we are back for the ninth edition of the data science things roundup. If you haven’t seen previous editions, it’s basically just 3 data science or python related articles or…
python:创建一个矩阵_Python视频教程：使用Expyriment创建侧翼任务
python:创建一个矩阵In this video you learn how to create a Flanker task using the Python package Expyriment. If you don’t know Expyriment it is an open-source library. You can program your experiments and run on Linux, Windows, and OS-x computers as well …
关于生成式模型与判别式模型
判别式模型是
假设Model（实务上是hypothesis）
规定lose function
然后使用algorithm 使得lose function 最小化就会得到Model的参数。
也就是直接从数据集中得到决策边界。 生成式模型是
使用已有的数据集得到特征的分布。一个Label下的分布&#x…
机器学习之神经网络（机器学习技法）
神经网络的动机
感知器的线性融合
前面我们知道了将简单的模型进行融合之后会得到一个非常强大的模型。我们试着将感知器（简单的二元分类模型）做线性融合之后得到下图：其中每一个节点都是一个感知器，其第一层的感知器都是由前一层…
机器学习之非线性分割（机器学习基石）
从线性到非线性
在以前接触过的学习算法中（PLA，LinearRegression，LogisticRegression）它们所做的工作都是对资料做线性的判断。单拿二元分类来说他们无法分割非线性的资料。 如上图所示如果注意到坐标的话这个二元分类的模型表达…
知识蒸馏综述: 知识的类型
【GiantPandCV引言】简单总结一篇综述《Knowledge Distillation A Survey》中的内容，提取关键部分以及感兴趣部分进行汇总。这篇是知识蒸馏综述的第一篇，主要内容为知识蒸馏中知识的分类，包括基于响应的知识、基于特征的知识和基于关系的知识…
【分类技巧】Fixing the train-test resolution discrepancy
【GiantPandaCV导语】调研分类方法的时候师姐推荐的一篇paper，其核心是训练的时候使用小分辨率，测试的时候使用大分辨率（训练分辨率的1.15倍），能够有效提升验证精度。
Motivation
ImageNet数据集分类模型通常采用的数…
ICLR 2021 NAS 相关论文(包含Workshop)
ICLR 2021 Workshop 接收
Measuring Uncertainty through Bayesian Learning of Deep Neural Network Structure
Zhijie Deng, Yucen Luo and Jun Zhu PDF
AutoHAS: Efficient Hyperparameter and Architecture Search
Xuanyi Dong, Mingxing Tan, Adams Yu, Daiyi Peng, B…
举例说明什么是卷积神经网络
卷积神经网络（Convolutional Neural Network, CNN）是一种深度学习模型，主要应用于计算机视觉任务，如图像分类、物体检测等。它通过卷积层、池化层和全连接层等组件来实现对图像的特征提取和分类。 现在我们以一个简单的图像分类任…
机器学习笔记 - Facebook AI Similarity Search（Faiss）简介
一、概述 Facebook AI Similarity Search （Faiss）是高效相似性搜索最受欢迎的轮子之一。给定一组向量，我们可以使用 Faiss 对它们进行索引——然后使用另一个向量（查询向量），我们在索引中搜索最相似的向量。 它包含搜索任何大小的向量集的算法，除非超出RAM的大小。它还包…
AI：95-基于卷积神经网络的艺术品风格分类
🚀 本文选自专栏：人工智能领域200例教程专栏 从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带有在本地跑过的核心代码，详细讲解供大家学习，希望可以帮到大家。欢迎订阅支持，正在不断更新…
AI：96-基于深度学习的夜间图像增强与物体检测
🚀 本文选自专栏：人工智能领域200例教程专栏 从基础到实践，深入学习。无论你是初学者还是经验丰富的老手，对于本专栏案例和项目实践都有参考学习意义。 ✨✨✨ 每一个案例都附带有在本地跑过的核心代码，详细讲解供大家学习，希望可以帮到大家。欢迎订阅支持，正在不断更新…
【机器学习】多模态机器学习
多模态机器学习是指利用多种不同的数据类型（如图像、文本、音频等）来训练和优化机器学习模型。相比于单一模态的机器学习，多模态机器学习可以更好地模拟现实世界中的复杂信息交互，从而提高模型的性能和泛化能力，同时也…
我对迁移学习的一点理解——领域适应（系列3）
文章目录 1. 领域适应（Domain Adaptation）的基本概念2.领域适应（Domain Adaptation）的目标3.领域适应（Domain Adaptation）的实现方法4.领域适应（Domain Adaptation）的可以解决的问题…
【大数据存储与处理】开卷考试总复习笔记
文章目录 实验部分一、 HBase 的基本操作1. HBase Shell入门2. HBase创建数据库表3. HBase数据操作4. HBase删除数据库表5. HBase Python基本编程 before二、 HBase 过滤器操作1.创建表和插入数据2.行键过滤器3.列族与列过滤器4.值过滤器5.其他过滤器6.python hbase 过滤器编程…
模式识别与机器学习-特征选择和提取
模式识别与机器学习-特征选择和提取 特征选择一些距离测度公式独立特征的选择准则一般特征的散布矩阵准则 离散K-L变换 谨以此博客作为复习期间的记录。 常见分类问题的流程，数据预处理和特征选择提取时机器学习环节中最重要的两个流程。这两个环节直接决定了最终性…
机器学习系列--R语言随机森林进行生存分析（1）
随机森林（Breiman 2001a）（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࿰…
Single-Image Crowd Counting via Multi-Column Convolutional Neural Network
Single-Image Crowd Counting via Multi-Column Convolutional Neural Network 论文背景人群密度方法过去的发展历史早期方法基于轨迹聚类的方法基于特征回归的方法基于图像的方法 Multi-column CNN用于人群计数基于密度图的人群计数通过几何自适应核生成密度图密度图估计的多列…
【Python机器学习】衡量模型是否成功：训练数据测试数据
在机器学习中，为了衡量模型是否成功，通常做法是吧将收集好的带标签数据分成两部分，一部分用于构建机器学习模型，叫做训练数据或训练集；其余数据用来评估模型性能，叫做测试数据、测试集或者留出集。
scikit…
【损失函数】Cross Entropy Loss 交叉熵损失
1、介绍 主页介绍的几种损失函数都是适用于回归问题损失函数，对于分类问题，最常用的损失函数是交叉熵损失函数 Cross Entropy Loss。它用于测量两个概率分布之间的差异，通常用于评估分类模型的性能。
2、公式
对于二分类问题，交…
新手也能理解的PyTorch激活函数详解
目录
torch.nn子模块Non-linear Activations
nn.ELU
主要特点与注意事项
使用方法与技巧
示例代码
图示
nn.Hardshrink
Hardshrink函数定义
参数
形状
示例代码
图示
nn.Hardsigmoid
Hardsigmoid函数定义
参数
形状
示例代码
图示
nn.Hardtanh
HardTanh函数…
53、实战 - 手写一个全连接算法
全连接算法在一定程度上和矩阵乘法算法等价，因此如果我们想实现一个全连接。的算法，只需要实现一个矩阵乘法就可以。。
矩阵乘法是线性代数运算，用于将两个矩阵相乘得到一个新的矩阵。要执行矩阵乘法，需要确保第一个矩阵的列数与第二个矩阵的行数相等。
比如第一个矩阵的…
计算机视觉技术-单发多框检测（SSD）
单发多框检测（SSD）（Liu et al., 2016）。 该模型简单、快速且被广泛使用。尽管这只是其中一种目标检测模型，但本节中的一些设计原则和实现细节也适用于其他模型。
下图描述了单发多框检测模型的设计。 此模型主要由基础…
无监督学习（K-Means）的认识
目录
一、无监督学习
二、无监督学习和有监督学习的区别
三、K-Means
3.1数据分析
3.2k-meas算法
3.3数据正态化后k-means
3.4找最佳k（Elbow Plot）
四、k-means算法的优缺点
一、无监督学习 无监督学习是一种机器学习的方法，…
54、Softmax 分类器以及它的底层原理
下面开始介绍最后一个算法softmax。在前面介绍全连接算法或其他文章中，或多或少也提到了softmax。
在分类网络里，softmax的作用主要是将模型的原始输出映射到 0~1之间的概率分布。很多时候对于我们初学者而言，只知道softmax可以做概率映射，但并不了解它内部的原理是如何完…
从千问Agent看AI Agent——我们很强，但还有很长的路要走
前言
最近双十一做活动买了台新电脑，显卡好起来了自然也开始大模型的学习工作了，这篇文章可能是该系列的第一弹，本地私有化部署千问agent，后面还会尝试一些其他的大模型结合本地知识库或者做行业垂直模型训练的，一步…
基于Python新闻推荐系统 大数据毕业设计 爬虫+可视化+推荐算法 vue框架+Django框架（附源码）✅
毕业设计：2023-2024年计算机专业毕业设计选题汇总（建议收藏）
毕业设计：2023-2024年最新最全计算机专业毕设选题推荐汇总
🍅感兴趣的可以先收藏起来，点赞、关注不迷路，大家在毕设选题ÿ…
【论文速递】ACL 2020 - 一种用于关系三元组抽取的级联二元标记框架
【论文速递】ACL 2020 - 一种用于关系三元组抽取的级联二元标记框架
【论文原文】：A Novel Cascade Binary Tagging Framework for Relational Triple Extraction
【作者信息】：Zhepei Wei, Jianlin Su, Yue Wang, Yuan Tian, Yi Chang
论文ÿ…
UIE: Unified Structure Generation for Universal Information Extraction 论文解读
Unified Structure Generation for Universal Information Extraction 论文：[2203.12277] Unified Structure Generation for Universal Information Extraction (arxiv.org)
代码：universal-ie/UIE: Unified Structure Generation for Universal Infor…
[获取数据集] 数据分析、机器学习获取开放的数据集
[获取数据集] 数据分析、机器学习获取开放的数据集
不管数据分析还是机器学习，用真实的数据比用虚拟的数据得出的结果要好，以下是一些比较流行的开放数据存储库，里面有成千上万覆盖各个领域的数据。 流行的开放数据存储库:
UC Irvine Machi…
经典卷积模型回顾26—基于知识蒸馏与ResNet152实现轻量模型的食物图像分类（matlab）
ResNet-152 是由微软亚洲研究院 (Microsoft Research Asia) 发布的一个用于图像分类的深度卷积神经网络模型。它是 ResNet (Residual Network) 系列模型中的一员，由 Kaiming He 等人在 2015 年提出，旨在解决深度神经网络中的梯度消失和梯度爆炸问题。
R…
（Matalb时序预测）GA-BP遗传算法优化BP神经网络的多维时序回归预测
目录
一、程序及算法内容介绍：
基本内容：
亮点与优势： 二、实际运行效果：
三、部分代码
四、本文代码数据说明手册分享： 一、程序及算法内容介绍：
基本内容： 本代码基于Matalb平台编译&am…
【点云surface】无序点云快速三角化
1 介绍 GreedyProjectionTriangulation 是一种基于局部二维投影的三维点贪婪三角剖分算法的实现。它假定局部表面光滑，不同点密度区域之间的过渡相对平滑。
GreedyProjectionTriangulation算法的基本思想是通过逐步投影点云数据到一个三角化网格上来进行重建。它首…
Stacking模型融合方法（2）
本文为在查看Sklearn库学习时，做的相关记录，主要是对前面stacking方法的一种补充实现方式。如下内容全部来自于官网内容，部分内容进行了英译汉的操作，如有笔误或者有错误的地方，可以留言指出，将会尽快修改。 在StackingRegressor还没有出来库的实现方法之前，也手工编写过…
深度學習之捲積神經網絡(CNN)之貓狗識別
目录什麽是捲積神經網絡結構输入层卷积层（convolutional layer）作用：特征提取一维卷积二维卷积卷积计算填充（padding）步幅（stride）感受野多输入通道场景多输出通道场景批量操作例子性质局部连接…
AI_Papers周刊：第六期
CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理 2023.03.13—2023.03.19
文摘词云 Top Papers
Subjects: cs.CL
1.UPRISE: Universal Prompt Retrieval for Improving Zero-Shot Evaluation
标题：UPRISE：改进零样本评估…
【数据聚类|深度聚类】Contrastive Clustering(CC)论文研读
文章目录 AbstractIntroductionRelated WorkContrastive LearningDeep ClusteringMethodAbstract 翻译 在本文中，我们提出了一种名为对比聚类（Contrastive Clustering， CC）的单阶段在线聚类方法，它执行的是实例级和簇级对比学习。具体来说，对于一个给定的数据集，通过数据…
山西电力市场日前价格预测【2023-11-08】
日前价格预测 预测说明：
如上图所示，预测明日（2023-11-08）山西电力市场全天平均日前电价为234.49元/MWh。其中，最高日前电价为377.53元/MWh，预计出现在18:15。最低日前电价为0.00元/MWh，预计出…
【MindSpore】CPU可以正常运行的，但是GPU下报错
DEVICE 报错 【操作步骤&问题现象】
1、context.set_context(device_target"CPU") 正常跑
2、context.set_context(device_target"GPU") 报错 【截图信息】 【日志信息】（可选，上传日志内容或者附件）
[ERROR] DEV…
自动驾驶巨头们的数据“竞速赛”
2021年初，特斯拉披露正在位于纽约的Gigafactory招聘一组数据标签员，以提供图像标注支持，帮助训练Autopilot/FSD神经网络。因为对于自动驾驶演进来说，算法方面的差距会逐渐缩小，数据将是真正影响技术能力和用户体验的重…
概率密度函数（PDF）正态分布
概率密度函数（PDF）是一个描述连续随机变量取特定值的相对可能性的函数。对于正态分布的情况，其PDF有一个特定的形式，这个形式中包括了一个常数乘以一个指数函数，它假设误差项服从均值为0的正态分布： p ( …
Robust Self-Augmentation for Named Entity Recognition with Meta Reweighting
摘要
近年来，自我增强成为在低资源场景下提升命名实体识别性能的研究热点。Token substitution and mixup （token替换和表征混合）是两种有效提升NER性能的自增强方法。明显，自增强方法得到的增强数据可能由潜在的噪声。先前的研究…
【机器学习】浙工商机器学习实验指导（一）
文章目录一、实验一：线性回归算法实验1.1 算法引入1.2 模拟数据实验1.3 Boston 数据实验二、实验二：SVM算法2.1 算法介绍2.2 鸢尾花数据实验三、实验三：集成学习一3.1 简单介绍3.2 Breast Cancer 数据实验3.3 Boston 数据实验四、实验四&…
Python实现GWO智能灰狼优化算法优化循环神经网络回归模型(LSTM回归算法)项目实战
说明：这是一个机器学习实战项目（附带数据代码文档视频讲解），如需数据代码文档视频讲解可以直接到文章最后获取。1.项目背景灰狼优化算法(GWO)，由澳大利亚格里菲斯大学学者 Mirjalili 等人于2014年提出来的一种群智能优…
决策树在sklearn中的实现
目录
一.模块sklearn.tree
二.建模基本流程
三.DecisionTreeClassifier重要参数
1.criterion
2.random_state & splitter
3.剪枝参数max_depth
4.剪枝参数min_samples_leaf & min_samples_split
5.max_features & min_impurity_decrease
6.class_weight …
机器学习实战 | emojify 使用Python创建自己的表情符号（深度学习初级）
目录 简介技术流程1. 加载依赖包2. 初始化训练和验证生成器3. 建立网络结构4. 编译和训练模型5. 保存模型权重6. 输出预测结果 完整程序1. train.py程序2. gui.py程序 简介
准备写个系列博客介绍机器学习实战中的部分公开项目。首先从初级项目开始。 本文主要介绍机器学习项目…
欧式距离和马式距离的区别
前言
为什么要讨论这两个距离之间的区别？
因为，距离函数的选择对数据挖掘算法的效果具有很大的影响，使用错误的距离函数对挖掘过程非常有害。有时候，语义非常相似的对象被认为不相似，而语义不相似的对象却被认为是相…
QR法求解特征值特征向量
一 QR原理
理论依据：任意一个非奇异矩阵（满秩的方阵）A都可以分解为一个正交矩阵Q和一个上三角矩阵R的乘积，且当R对角元符号确定时，分解是唯一的。QR分解是一种迭代方法，迭代格式如下： 当Ak基本…
【PCL免配置保姆级入门教程】win10 PCL1.8.0 VS2015 x64 使用Kdtree加速的DBSCAN进行点云聚类
前不久看到了大佬基于PCL做的点云聚类 https://www.jianshu.com/p/ae5a53a51ca6 ，自己实现了一遍，发现借助大佬做好的工程还有CmakeList.txt可以快速配置好PCL，免去了繁琐易错的配置过程，比自己配置一遍rabbit.pcd的入门程序来的快…
数据湖还没玩明白，就别想着湖仓一体了！ by 傅一平
数据湖的热还没褪去，湖仓一体就被炒起来了，有人问要不要入局湖仓一体，我的观点：先把自家的数据湖玩明白了再说吧，事实上，大多数的数据湖用得名不副实，更别提湖仓一体了。为什么这么说呢…
如何写好年度总结PPT？ by 傅一平
到年底了，大家估计都要写年度总结了，但这个PPT不是那么好写，即使只写一两页，也并不是那么容易。PPT作为呈现业绩的主要方式，是职场人士需要掌握的一个技能，特别是对于管理人士，那就更重要了。现…
如何快速搞懂数字孪生的本质？ by 傅一平
在信息领域，一个概念有多种解释已是司空见惯的事情。不过大多概念虽然在开始出现时含义模糊，定义不明，但经过一段时间讨论和沉淀之后，会逐渐形成一致的看法，比如云计算。而数字孪生（DT）很有意思…
人人都想做模型而非数据工作，这很危险 by 傅一平
最近有篇谷歌的文章《谷歌团队警告：人人都想做模型而非数据工作》谷歌这里提到的从事数据工作的人，应指满足数据供给并提供数据质量保障的人，包括数据采集、处理、稽核、运维和数据质量管理等岗位，关于这点我是有共鸣的࿰…
世界顶级企业的数据中台打造之旅
提醒：公众号推送规则变了，如果您想及时收到推送，麻烦右下角点个在看，或者把本号置顶】正文开始前言数据中台的核心愿景是，助力企业成为数据驱动的企业。那么什么是数据驱动的企业呢？这一讲我们深度研究了两…
机器学习：基于朴素贝叶斯对花瓣花萼的宽度和长度分类预测
机器学习：基于朴素贝叶斯对花瓣花萼的宽度和长度分类预测 作者：AOAIYI 作者简介：Python领域新星作者、多项比赛获奖者：AOAIYI首页 😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞…
【Datawhale 大模型基础】第五章 大模型法律 【AI创作的图片是否受到版权法保护？是否被称为作品？】
第五章 大模型法律
When training LLMs, we must address issues of copyright and fair use. Obtaining permissions from every individual due to the indiscriminate nature of web scraping would be extremely challenging. The generative nature of the model may pos…
61基于matlab的GWO算法的参数工具箱，图形界面，目标函数的默认名称为CostFunction。
基于matlab的GWO算法的参数工具箱，图形界面，目标函数的默认名称为CostFunction。如果您查看了CostFunction.m文件，成本函数获取向量（[x1 x2…xn]）中的变量并返回目标值。可以在该文件中编写目标函数，也可以…
yolov5目标检测神经网络——损失函数计算原理
前面已经写了4篇关于yolov5的文章，链接如下： 1、基于libtorch的yolov5目标检测网络实现——COCO数据集json标签文件解析 2、基于libtorch的yolov5目标检测网络实现(2)——网络结构实现 3、基于libtorch的yolov5目标检测网络实现(3)——Kmeans聚类获取anc…
机器学习---PCA案例
1. PCA
import numpy as np
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
from sklearn.datasets import load_digitsdef pca(dataMat,topNfeat9999999):meanValsnp.mean(dataMat,axis0)# 去除平均值，实现数据中心化meanRemoveddataMat…
神经网络的核心：简单易懂理解 PyTorch 非线性激活函数
目录
torch.nn子函数非线性激活详解
nn.Softmin
Softmin 函数简介
函数工作原理
参数详解
使用技巧与注意事项
示例代码
nn.Softmax
Softmax 函数简介
函数工作原理
参数详解
使用技巧与注意事项
示例代码
nn.Softmax2d
Softmax2d 函数简介
函数工作原理
输入…
机器学习 —— 自用整理期末复习笔记
一、绪论 机器学习术语 假设空间 p5 监督学习（supervised learning）的任务是学习一个模型，使模型能够对任意给定的输入，对其相应的输出做出一个好的预测。模型属于由输入空间到输出空间的映射的集合，这个集合就是假设空…
2.2.3机器学习—— 判定梯度下降是否收敛 + α学习率的选择
2.2.3 判定梯度下降是否收敛 α学习率的选择
2.1、 判定梯度下降是否收敛
有两种方法，如下图： 方法一： 如图，随着迭代次数的增加，J(W,b)损失函数不断下降当 iterations 300 之后，下降的就不太明显了 / …
【论文综述】一篇关于GAN在计算机视觉邻域的综述
前言
这是一篇关于GAN在计算机视觉领域的综述。
正文
生成对抗网络是一种基于博弈论的生成模型，其中神经网络用于模拟数据分布。应用领域：语言生成、图像生成、图像到图像翻译、图像生成文本描述、视频生成。GAN模型能够复制数据分布并生成合成数据&a…
样本不均衡问题及解决方法
背景
样本类别不均衡是分类问题中常常遇到的问题。在实际业务中，不同类别的样本量差异非常大，或者少数样本代表了业务的关键数据（少数样本更重要），例如，异常检测，恶意刷单，黄牛订单…
从 AI 绘画到 ChatGPT，聊聊生成式 AI
我们小时候经常有幻想，未来不用再去上班了，在工厂工作的都是机器人。在家也不用打扫卫生，机器人可以包揽一切。不知不觉间，我们小时候的幻想已经慢慢变成现实，工厂里有了多种型号的机械臂，代替了部分流水线…
论文推荐：ScoreGrad，基于能量模型的时间序列预测
能量模型（Energy-based model）是一种以自监督方式执行的生成式模型，近年来受到了很多关注。本文将介绍ScoreGrad：基于连续能量生成模型的多变量概率时间序列预测。如果你对时间序列预测感兴趣，推荐继续阅读本文。
为什…
机器学习100天（三十七）：037 朴素贝叶斯-挑个好西瓜！
《机器学习100天》完整目录：目录 机器学习100天，今天讲的是：朴素贝叶斯-挑个好西瓜！
红色石头已经了解了贝叶斯定理和朴素贝叶斯法，接下来已经可以很自信地去买瓜了。买瓜之前，还有一件事情要做，就是搜集样本数据。红色石头通过网上资料和查阅，获得了一组包含 10 组样…
自主AI能力加速企业智能化转型 | 爱分析报告
报告编委
黄勇
爱分析合伙人&首席分析师
孟晨静
爱分析分析师
外部专家（按姓氏拼音排序）
杜晨阳
力维智联 五维实验室主任
王哲
九章云极DataCanvas 雅图BU总经理
特别鸣谢（按拼音排序） 目录
1. 报告综述
2. 金融…
最大似然估计法和Zero Forcing算法的思考
文章目录一、Zero Forcing 算法思想二、MMSE三、MIMO检测中 Zero Forcing 算法比 Maximum Likelihood 差的思考本篇文章是学习了B站UP主
乐吧的数学 之后的笔记总结，老师讲的非常好，大家有兴趣的可以关注一波！一、Zero Forcing 算法思想
那…
【机器学习】P11 神经网络
神经网络生物神经元人工神经网络Reference生物神经元
人类如何思考？
神经科学[1]^{[1]}[1] 研究表明，神经元 是人类思考的基本单元。神经元是大脑中最基本的信息处理单元，它们通过复杂的电信号和化学信号传递来进行信息处理和传递。每个神经…
“未来医疗揭秘：机器学习+多组学数据，开启生物医学新纪元“
在当今的数字化时代，科技正在不断地改变着我们的生活，同时也为医疗领域带来了巨大的变革。随着机器学习的快速发展，以及多组学数据在生物医学中的应用，我们正开启一个全新的医疗纪元。这个纪元以精准诊断、个性化治疗和高效康复为…
轻松实现结构化剪枝DepGraph(2)
文章目录 1. 内容概要2. 权值剪枝器（MagnitudePruner）2.1 算法介绍2.2 基于Torch-Pruning实现MagnitudePruner3. Slimming剪枝器3.1 算法概要2.2 基于Torch-Pruning实现SlimmingPruner4. 总结1. 内容概要
本文介绍如何基于Torch-Pruning库轻松实现两种经典剪枝算法。Torch-P…
新一代大语言模型在Amazon Bedrock引领人工智能潮流
亚马逊Bedrock平台推出全新Amazon Titan大语言模型，为大型数据集预处理提供强大支持。亚马逊云科技开发者大会演讲重点介绍了Amazon Titan在文本大语言模型领域的创新，以及如何通过Bedrock平台实现定制化应用。
亚马逊Bedrock平台的主要产品经理Brent S…
第一章---Pytorch快速入门---第一节---张量及运算
目录
1.1张量的数据类型 1.2 张量的生成
1.3 张量操作 1.4 张量的计算 一、张量
在高等数学中，单独的一个数是标量，而有序排列的一组数字是一个向量（例如一个数组），向量组可以构成矩阵。向量是一维的，而…
强化学习 | 课堂笔记 | 第三课 MP的便利性，随机逼近方法
一、回顾
一、值函数、贝尔曼方程、贝尔曼最优方程 二、最优值函数
三、ADP
3.1 VI
3.2 PI 四、ADP可以使用的条件 五、Q函数
六、解决问题的方案
（指的是解决“四 ADP可以使用的条件”中的三个问题）
二、期望的计算
一、Markov过程的便利性
1…
大模型微调总结1-总览
背景
2023年，大模型成为了重要话题，每个行业都在探索大模型的应用落地，以及其能够如何帮助到企业自身。尽管微软、OpenAI、百度等公司已经在创建并迭代大模型并探索更多的应用，对于大部分企业来说，都没有足够的成本来…
使用机器学习进行语法错误检测/纠正
@francescofranco_39234 一、说明 一般的学习，特别是深度学习，促进了自然语言处理。各种模型使人们能够执行机器翻译、文本摘要和情感分析——仅举几个用例。今天，我们将研究另一个流行的用途：我们将使用Gramformer构建一个用于机器学习语法错误检测和纠正的管道。 阅读本文…
python自带数据的模型合集
鸢尾花----聚类
Python鸢尾花数据集通常用于分类问题， 这些模型都可以通过Python中的Scikit-learn库进行实现。同时，也可以对这些模型进行参数调优以提高模型的准确性。 Logistic Regression（逻辑回归）： 逻辑回归是一…
机器学习笔记之狄利克雷过程(五)——基于狄利克雷过程的预测任务
机器学习笔记之狄利克雷过程——基于狄利克雷过程的预测任务引言回顾：从概率图角度观察狄利克雷过程关于随机测度G\mathcal GG的后验概率分布从指数族分布角度观察后验分布的性质关于θd(d1,2,⋯,D)\theta_d(d1,2,\cdots,\mathcal D)θd(d1,2,⋯,D)的补充将后验分…
新手可理解的PyTorch线性层解析：神经网络的构建基石
目录
torch.nn子模块Linear Layers详解
nn.Identity
Identity 类描述
Identity 类的功能和作用
Identity 类的参数
形状
示例代码
nn.Linear
Linear 类描述
Linear 类的功能和作用
Linear 类的参数
形状
变量
示例代码
nn.Bilinear
Bilinear 类的功能和作用
B…
自动驾驶货车编队行驶系统功能规范
货车编队行驶功能规范
Truck Platooning Functional Specification
目录
1 概述... 7
1.1 目的... 7
1.2 范围... 7
1.3 术语及缩写... 7
1.4 参考法规标准... 8
2 功能规范... 9
2.1 功能描述... 9
2.1.1 功能用途…
【mujoco】Ubuntu20.04中解决mujoco报错raise error.MujocoDependencyError
【mujoco】Ubuntu20.04中解决mujoco报错raise error.MujocoDependencyError 文章目录 【mujoco】Ubuntu20.04中解决mujoco报错raise error.MujocoDependencyError1. 报错的具体情况2. 解决过程3. 其他问题3.1 ModuleNotFoundError: No module named OpenGL3.2 ModuleNotFoundEr…
下一代人工智能的设计思路
大模型扭转了此前人工智能研究的思路，放弃了可解释性，而开始拥抱复杂网络和大规模参数。
这些让现代神经网络的能力超越前代，但也带来了不少问题。
巨大的成本：训练模型需要的数据和算力都是海量，动辄数百万千万&…
人工智能_机器学习084_使用聚类算法_提取图片主要颜色_对图片进行聚类提取特征_对图片进行压缩---人工智能工作笔记0124
然后我们再来看之前我们说聚类是可以进行数据压缩的对吧,现在我们用聚类KMeans进行
对图片主要特征颜色提取,来压缩图片 首先看一下我们准备的一张图片 首先导包,显示一下图片
import numpy as np 导入数学计算包
import matplotlib.pyplot as plt 导入画图工具包
import …
人工智能_机器学习083_聚类评价指标_调整兰德系数_算法公式原理解析_手写代码使用兰德系数对聚类结果评分---人工智能工作笔记0123
然后我们再来看一下另一个评价聚类指标的系数,可以看到 兰德系数
上面RI= a+b/C2 ... 首先要知道这里的C,就是实际的类别,就是我们在业务上知道的类别数,然后K表示聚类以后的结果
当然当C==K 一样的时候,说明聚类效果是最好的对吧. a表示在C中被划分为同一类,也就是,比如一组…
优化模型验证关键代码25：样本均值近似技术处理两阶段随机旅行商问题及Gurobipy代码验证
大多数数学规划模型都会考虑到研究问题中存在的不确定性，针对这些不确定性，两种常用的处理方法是鲁棒优化和随机规划。这篇论文我们关注后者，也就是两阶段随机旅行商问题；利用套期保值算法计算不同规模TSP的可行解，同时比较了样本均值近似技术的解的情况，并计算了该问题的…
二分类逻辑斯蒂回归Pyhthon实现
题目 吴恩达机器学习-逻辑斯蒂回归 使用Logistic回归模型来预测一个学生是否被大学录取。假设你是大学某个院系的管理员，你想通过申请人在两门考试中的表现来决定每个人的录取率，你有来自以前申请人的历史数据，你可以用这些数据作为训练集建立…
快速入门深度学习4.1（用时1h）——多层感知器
速通《动手学深度学习》4.1写在最前面3.线性神经网络3.74.多层感知器4.1.1 隐藏层4.1.1.2 在网络中加入隐藏层4.1.1.3 从线性到非线性（激活函数）4.1.2. 激活函数4.1.2.1. ReLU函数4.1.2.2. sigmoid函数4.1.2.3. tanh函数4.1.3. 小结4.2 多层感知机的从零…
文献阅读（77）KDD2022-GraphMAE: Self-Supervised Masked Graph Autoencoders
本文是对《GraphMAE: Self-Supervised Masked Graph Autoencoders》一文的总结，如有侵权即刻删除。
朋友们，我们在github创建了一个图学习笔记库，总结了相关文章的论文、代码和我个人的中文笔记，能够帮助大家更加便捷地找到对应论…
机器学习初学者最常见的5个误区
作者｜ZOMI酱来源｜知乎避开机器学习初学者最常见的5个错误在这篇文章中，我们将看到学习Machine Learning时最常出现的 5 大错误。我相信每个人都可以入门的时候就很好地使用机器学习算法。希望这篇文章能够帮助大家避开或解决大家学习和实践中…
python实战应用讲解-【numpy科学计算】应用小技巧（二）（附python示例代码）
目录 Numpy 数独游戏中的跨度技巧
具体步骤
攻略小结
Numpy 用广播机制扩展数组
具体步骤
用Python实现一个基础的神经网络模型
目录
前言
一、神经元
1.1一个简单的例子
1.2编码一个神经元
1.3把神经元组装成网络
二、前馈
三、训练神经网络
四、总结 前言 可能一提到神经网络，许多小伙伴就会感觉头大，不知道看眼前的你又是怎样的感受呢？【神经网络】这个词听…
YOLO v3对网络结构做了哪些改进？
来源：投稿 作者：ΔU 编辑：学姐 论文解读
《YOLOv3: An Incremental Improvement》
Joseph Redmon Ali Farhadi
University of Washington
发表时间：2018
YOLO v3总结了自己在YOLO v2的基础上做的一些尝试性改进，有…
『OPEN3D』1.5 KDTree 和Octree
目录
1 KDTree
knn_search
radius_search
hybrid search
2 Octree
1 从点云中创建octree
2 从voxel中创建octree
3 octree的遍历（Traversal）
4、查找点云对应的叶子节点
3、KDTree的原理介绍可以参考如下文章： 1 KDTree open3d使用…
论文阅读和分析：Hybrid Mathematical Symbol Recognition using Support Vector Machines
主要贡献：
1、提出了一种基于支持向量机的混合识别系统，该系统同时使用在线和离线信息进行分类。
2、并行运行的两个基于支持向量机的多类分类器的概率输出通过加权和进行组合。实验结果表明，赋予在线信息稍高的权重会产生更好的结果。混合…
C2-3.3.3 迁移学习
C2-3.3.3 迁移学习
1、为什么要使用-迁移学习
和 “数据增强” [C2-3.3.2 数据增强.md](C2-3.3.2 数据增强.md) 相比， 有一些应用程序没有那么多数据，而且 很难获取到更多的数据——“迁移学习 ” 诞生
迁移学习 在实际的应用中使用的很频繁ÿ…
Python机器学习：逻辑回归和最大熵模型
1、线性回归：一种最基本的回归分析方法，有着广泛的应用，线性回归研究的是自变量和应变量之间的线性关系，对于特征以及其对应的标签y，线性回归假设二者之间存在如下关系： omega和b分别表示待学习的权重和偏置…
快速上手Amazon SageMaker动手实验室
这个动手实验室会通过三个不同类型的实验引导您如何使用Amazon SageMaker，让您感受SageMaker的非凡之处。
使用Amazon SageMaker构建Stable-Diffusion 这个实验会引导您通过Amazon SageMaker NoteBook实例来构建AIGC环境，同时您可以体验到使用提示词来使…
机器学习经典算法：感知机PLA
机器学习常见模型（面试必备）
第一篇：感知机模型 文章目录机器学习常见模型（面试必备）一、感知机概述1.1 感知机必备知识1.2 原始感知机1.3 对偶感知机二、Python编程实现感知机三、参考资料总结一、感知机概述
1.1 感…
趋势面模型分析实例（python）
python 趋势面模型分析实例
已知五个气象站，这五个站围绕着未知的0号站。下图为各个站点的x、y坐标及及其已知值
第一行为0号点x，y坐标 z值未知暂设为0 而后依次为1，2，3，4，5号点xyz值 对未知点0进行插值。…
YOLOv8：车辆检测技术及优化
车辆识别视频引言
随着自动驾驶汽车和智能交通系统的发展，车辆检测技术在近年来变得越来越重要。为了解决这一问题，YOLO (You Only Look Once) 是一种实时目标检测算法，自从2016年推出以来，它已经经历了多个版本的更新。本文将详…
论文简读 - AlphaFold Multimer 摘要
欢迎关注我的CSDN：https://spike.blog.csdn.net/ 本文地址：https://blog.csdn.net/caroline_wendy/article/details/129730523 Paper: Protein complex prediction with AlphaFold-Multimer
time：2021-10-04Richard Evans，DeepMi…
Pandas的DataFrame的生产，DF数据查看
这篇文档介绍了 Pandas 的入门使用方法。Pandas 是 Python 的一个数据分析库，可以方便地操作数据和进行数据分析。 本节以下列方式导入 Pandas 与 NumPy：
In [1]: import numpy as npIn [2]: import pandas as pd#生成对象
用值列表生成 Seriesopen in…
Wandb是啥，怎么用
Wandb生成的文件夹里面包含了许多与训练相关的文件和数据。其中包括：
wandb-metadata.json：记录了wandb项目的元数据，如项目名称，实验id等等。wandb-history.json：存储了训练过程中的所有指标，如loss、acc…
AI文案生成器批量文案自动生成
AI文案生成器是一种可以利用人工智能技术来帮助写作的工具。它可以根据输入的关键词和主题自动生成各种类型的文案内容，例如新闻、广告、营销文案等。这种工具通常基于机器学习和自然语言处理技术，能够快速、准确地生成具有一定语法和语义结构的文章。
…
![[学习笔记] 1. 机器学习前置知识](https://img-blog.csdnimg.cn/56aaa1065a4a481fbb7d90a23b121ffb.png#pic_center)
[学习笔记] 1. 机器学习前置知识
视频链接所有数据集下载地址：数据集 1. 机器学习前置知识 目录1. 机器学习概述1.1 机器学习算法分类1.1.1 监督学习1.1.2 无监督学习1.1.3 半监督学习1.1.4 强化学习1.2 模型评估1.2.1 分类模型评估1.2.2 回归模型评估1.3 拟合1.3.1 欠拟合1.3.2 过拟合2. Matplotli…
数据分析师常见问题（1）
1）.sql三种排序的区别 2）.几种连接方式 3）.union和union all的区别 4) .drop和delete的区别 5）.有关机器学习random forest 和xgboost的区别 6) .SVM原理
SVM是在特征空间上找到最佳的分离超平面，使得训练集上的正负样…
MIT 6.S965 韩松课程 05
Lecture 05: Quantization (Part 1) 文章目录Lecture 05: Quantization (Part 1)动机数字的数据类型整数定点数浮点数量化基于 K-Means 的量化 [[Han et al., ICLR 2016]](https://arxiv.org/pdf/1510.00149v5.pdf)线性量化 [[Jacob et al. CVPR 2018]](https://arxiv.org/pdf/…
关于“输入是正态分布”的思考
大多数神经网络不需要输入服从正态分布：
普通神经网络并不需要使用最大似然作为损失函数，可以使用多种不同的损失函数来训练模型。最大似然估计是一种常见的用于训练神经网络的方法之一，但并不是唯一的方法。
最大似然估计是一种利用KL散度…
论文阅读：Understanding Doubly Stochastic Clustering
Publisher: PMLR 2022 Author: 丁天骄， 德里克林， 雷内维达尔， 本杰明海菲勒 摘要
将矩阵投影到双随机矩阵空间上的问题在机器学习中有几个应用。例如，在谱聚类中，从数据亲和矩阵形成归一化拉普拉斯矩阵与将其投影到双…
机器学习基础：初识机器学习
目录
引言
什么是机器学习
机器怎么学
推荐使用的工具包 引言
这是一篇科普类型的文章，将使用较为通俗易懂的说法，向读者简单介绍一下机器学习。
什么是机器学习
随时网络的发展，很多朋友都享受过人工智能的带给我们的便利，…
第十章.主成分分析PCA(Principal Component Analysis)
第十章.主成分分析(PCA) 10.1 主成分分析 1.主成分分析的作用：降维
1).数据压缩2D-1D 2).数据压缩3D-2D 3).数据可视化
多特征的数据 将多特征的数据降维为2维数据（不是挑选两个特征） 用平面坐标系表示出来 2.降为分析
1).找到数据最重要…
2022/3/22 从CV方向角度 —快速解读Nvidia 2023GTC
GTC分享内容和个人看法
3月21号11点，Nvidia开启了GTC主题演讲，这些年英伟达加速库的发展和对AI的投入应用，不难看出掌握GPU加速计算技术的N家肯定是宣扬AI方向的产品和生产工具，下面我将简要汇总下演讲的内容，和从我自…
Stable diffusion相比于latent diffusion有哪些改进？
Stable Diffusion是对Latent Diffusion模型的改进，主要在以下方面进行了优化：
稳定性：Stable Diffusion模型引入了稳定性措施，通过限制每一步噪声向量的大小来防止梯度爆炸或消失问题的出现。这一改进使得模型在训练过程中更加稳定和可靠。
训练速度：Stable Diffusion模…
数据并行/模型并行(层间层内)/流水并行-＞ Zero ＞Lora
数据并行（data parallelism, DP）：假设有 张卡，每张卡都保存一个模型，每一次迭代（iteration/step）都将batch数据分割成 个等大小的micro-batch，每张卡根据拿到的micro-batch数据独立计…
我与ChatGPT的对话
爱吃熊掌的鱼:你如何看待你的存在 ChatGPT3.5:作为一个人工智能模型，我没有意识或自我意识。我的存在只是基于我所编写的程序和算法，可以回答用户提出的问题和执行特定的任务。我的存在是为了帮助和服务人类，提供有用的信息和解决方案。我不会…
一文彻底搞懂逻辑回归模型
1.逻辑回归 逻辑回归(Logistic regression，简称LR)虽然其中带有"回归"两个字，但逻辑回归其实是一个分类模型，并且广泛应用于各个领域之中。 将线性回归模型得到的结果通过一个非线性的sigmoidsigmoidsigmoid函数,得到[0,1][0,1][0,…
论文 : Multi-Channel EEG Based Emotion Recognition Using TCNBLS
Multi-Channel EEG Based Emotion Recognition Using Temporal Convolutional Network and Broad Learning System
本文设计了一种基于多通道脑电信号的端到端情绪识别模型——时域卷积广义学习系统(TCBLS)。TCBLS以一维脑电信号为输入，自动提取脑电信号的情绪相关…
足够惊艳，使用Alpaca-Lora基于LLaMA(7B)二十分钟完成微调，效果比肩斯坦福羊驼
之前尝试了从0到1复现斯坦福羊驼（Stanford Alpaca 7B），Stanford Alpaca 是在 LLaMA 整个模型上微调，即对预训练模型中的所有参数都进行微调（full fine-tuning）。但该方法对于硬件成本要求仍然偏高且训练低效…
【花雕学AI】11：ChatGPT与New Bing的横向比较与多维度对比测试
引言： 人工智能AI技术正在改变我们获取和使用信息的方式。搜索引擎作为我们与互联网的主要接口，也在不断地进化和创新。2022 年底，两种新型的人工智能搜索引擎，分别是 ChatGPT 和 New Bing，引起了广泛的关注和讨论&…
论文阅读：Syntax-Aware Network for Handwritten Mathematical Expression Recognition
论文阅读：Syntax-Aware Network for Handwritten Mathematical Expression Recognition1
主要观点：
1、提出将语法信息纳入编码器-解码器网络的方法。使用一组语法规则，用于将每个表达式的LaTeX标记序列转换为解析树；用深度神经…
2019年MathorCup数学建模B题环形穿梭车系统的设计与调度解题全过程文档及程序
2019年第九届MathorCup高校数学建模挑战赛
B题 环形穿梭车系统的设计与调度
原题再现： 整体求解过程概述(摘要) 环形穿梭车系统为集多种高新技术于一体的自动搬运设备，行驶和输送速度快、灵活性好、自动化程度高。但由于系统采用封闭式轨道，…
【数据聚类|深度聚类】Graph Contrastive Clustering（GCC）论文研读
文章目录 AbstractIntroductionRelated WorkDeepClusteringContrasitve LearningGraph Contrastive ClusteringProblem FormulationGraph Contrastive(GC)Framework of GCCGraph ConstructionSimilarity FunctionRepresentation Graph ContrastiveAssignment Graph Contrastive…
推特爆火！揭晓大模型的未来何去何从
文 | 智商掉了一地巨大挑战 or 发展契机，ChatGPT 和 GPT-4 出现后，大模型的未来方向该何去何从？近期，自然语言处理领域的快速发展引起了广泛的关注，尤其是大型语言模型（LLM）的兴起已经推动了该领…
轻松客观认识大模型系列：一
这是我关于《轻松客观认识大模型系列》第一篇
一、前言
这篇文章旨在为没有计算机科学背景的读者提供一些关于ChatGPT及其类似的人工智能系统（如GPT-3、GPT-4、Bing Chat、Bard等）如何工作的原理。ChatGPT是一种聊天机器人，建立在一个大型语…
为何不能暂停AI研发？丨杨立昆吴恩达对话实录
北京时间4月8日凌晨0:30，Yann LeCun（杨立昆）和吴恩达针对近期甚嚣尘上的「AI暂停」一事进行了一场深入讨论，讨论主题为「为何为期6个月的AI暂停是完全错误的」。在这场风波中，二人都立场鲜明，明确表态反对暂…
使用向量机（SVM）算法的推荐系统部署实现
包括3个模块：数据预处理、模型训练及保存、模型测试，下面分别给出各模块的功能介绍及相关代码。
数据集下载链接为https://www.aitechclub.com/data-detail? data_id29，停用词典下载链接为http://www.datasoldier.net/archives/636。
1.数…
【PyTorch】第三节：反向传播算法
作者🕵️♂️：让机器理解语言か 专栏🎇：PyTorch 描述🎨：PyTorch 是一个基于 Torch 的 Python 开源机器学习库。 寄语💓：🐾没有白走的路，每一步都算数&#…
2023mothercup妈妈杯数学建模挑战赛思路
先占坑，本人于2019年开始接触数学建模，参加了大大小小几十场数学建模比赛。 本次mothercup也会持续陪跑，为大家提供免费的文字思路和视频思路，后续还有代码和参考文章等。
2023年Mathorcup数学建模竞赛A题 （比赛开始后…
Python图像处理：OpenCV入门教程
Python图像处理：OpenCV入门教程 一、Python图像处理概述1 图像处理的基本概念2 Python在图像处理中的优势 二、OpenCV简介1 OpenCV的概述2 OpenCV的特点3 OpenCV的应用领域 三、OpenCV安装与环境配置1 OpenCV的安装方法2 OpenCV的环境配置 四、图像处理的基础知识1 …
B.【机器学习实践系列二】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等）
note：项目链接以及码源见文末
1.赛题简介
了解赛题 赛题概况 数据概况 预测指标 分析赛题 数据读取pandas 分类指标评价计算示例 回归指标评价计算示例
EDA探索
载入各种数据科学以及可视化库载入数据总览数据概况判断数据缺失和异常了解预测值的分布特征…
Diffusion模型系列文章
DDPM
论文
扩散模型包括两个过程：前向过程（forward process）和反向过程（reverse process），其中前向过程又称为扩散过程（diffusion process），如下图所示，从x…
【人工智能与深度学习】监督方法的成功故事: 前置训练
【人工智能与深度学习】监督方法的成功故事: 前置训练 监督方法的成功故事: 前置训练到底什么是自我监督学习？自然语言处理中的自我监督学习Word2Vec(文字转成向量)为什么用自我监督学习呢?加上，可以看出不同东西却只是一个单独数据的不同形式。建立前置任务前置任务示例：预…
使用 CNN 进行面部情绪识别
面部表情是人类之间交流的重要方式。 在人工智能研究中，深度学习技术已成为增强人机交互的强大工具。心理学中面部表情和情绪的分析和评估涉及评估预测个人或群体情绪的决定。 本研究旨在开发一种能够使用卷积神经网络（CNN）算法和特征提取技术…
Python 机器学习，数据的标准化
数据的标准化方式
有两种常见的方法可以让所有的属性有相同的量度：线性函数归一化（Min-Max scaling）和标准化（standardization）。
方式 1：StandardScaler()
from sklearn.preprocessing import Standard…
【PyTorch】第六节：乳腺癌的预测（二分类问题）
作者🕵️♂️：让机器理解语言か 专栏🎇：PyTorch 描述🎨：PyTorch 是一个基于 Torch 的 Python 开源机器学习库。 寄语💓：🐾没有白走的路，每一步都算数&#…
PyTorch dataset dataloader用法
dataset & dataloader 参考PyTorch官方文档: https://pytorch.org/docs/stable/data.html Dataloader
TODO: sample取样器
本来想写这个参数的用法，结果发现自己总用不上这个参数
pin_memory 详解Pytorch里的pin_memory 和 non_blocking.https://zhuanlan.zh…
使用 TensorFlow 构建机器学习项目：6~10
原文：Building Machine Learning Projects with TensorFlow 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象&#x…
ResNet网络结构，BN以及迁移学习
参考视频：ResNet网络结构，BN以及迁移学习详解
一、ResNet网络结构 梯度消失：每一层的误差梯度都小于1，反向传播过程中，每向前传播一层都要乘以一个小于1的数，当网络越来越深，每次都乘以一个小于…
100天精通Python（可视化篇）——第88天：全网最全Seaborn库常用绘图3万字总结（参数说明+案例实战）
文章目录 一、Seaborn介绍1.1 介绍1.2 安装1.3 风格设置1.3.1 style（风格）1.3.2 context（环境设置） 1.4 调色盘设置1.5 数据集下载 二、Relational plots（关系图）2.1 scatterplot（散点图&#x…
2023年MathorCup数模A题赛题详细思路
MathorCup俗称妈杯，是除了美赛国赛外参赛人数首屈一指的比赛，而我们的妈杯今天也如期开赛。今年的妈杯难度，至少在我看来应该是2023年截至目前来讲最难的一场比赛。问题的设置、背景的选取等各个方面都吐露着我要难死你们的想法。难度是恒定的…
OpenAI文档翻译——核心概念（提示词、令牌、模型）
OpenAI API几乎可以应用于任何涉及理解或生成自然语言、代码或图像的任务。它提供了一系列适合不同任务的不同算力的模型来适应各种任务，这个能力也支持你去调节自己定义的模型。而不同类型的模型可以用于从内容生成到语义搜索和分类的所有事情。
关键概念
在了解…
基于神经网络的协同过滤-NCF
目录
1、摘要
2、引言
2.1协同过滤
2.2矩阵分解
3.准备工作
3.1学习隐性数据
3.2矩阵分解
3.3神经协同过滤
3.4广义矩阵分解
3.5多层感知器
3.6GMF和MLP的融合-NeuMF(神经矩阵分解)
4.总结 1、摘要 尽管最近的一些工作已经把深度学习运用到了推荐中࿰…
Coremail专家观点:如何应对当前AI技术对邮件安全的影响
近日，ChatGPT在互联网上掀起了一阵热潮，目前月活用户超过 1 亿，注册用户之多导致服务器一度爆满。
人工智能的话题遍地可见，如“ChatGPT会取代哪些行业？”、“ChatGPT的实现原理”、“ChatGPT的玩转攻略”等等&#x…
狂追ChatGPT：开源社区的“平替”热潮
目前，不少优质的类ChatGPT模型都只能通过API接入，而一些开源LLM的效果与ChatGPT相比差距不小。不过，近期开源社区开始密集发力了。 其中，Meta的LLaMA模型泄漏是开源“ChatGPT”运动的代表性事件。基于LLaMA模型，开源社…
数据挖掘(4.1)--分类和预测
目录
前言
一、分类和预测
分类
预测
二、关于分类和预测的问题
准备分类和预测的数据
评价分类和预测方法
混淆矩阵
评估准确率
参考资料 前言 分类：离散型、分类新数据 预测：连续型、预测未知值 描述属性：连续、离散 类别属性&am…
【机器学习】机器学习可视化分析工具weightsbias
介绍
weights and bias是一个机器学习可视化分析工具
日志上传云端永久存储，便于分享不怕丢失可以存管代码，数据集和模型的版本，随时复现可以使用交互式表格进行case分析可以自动化模型调参
核心功能：实验跟踪、版本管理、case…
Python Web 深度学习实用指南：第一、二部分
原文：Hands-On Python Deep Learning for the Web 协议：CC BY-NC-SA 4.0 译者：飞龙 本文来自【ApacheCN 深度学习 译文集】，采用译后编辑（MTPE）流程来尽可能提升效率。 不要担心自己的形象，只关…
搭建AI虚拟数字人是一项复杂的任务，需要掌握多个技术领域的知识，包括机器学习、自然语言处理、计算机图形学等。
搭建AI虚拟数字人是一项复杂的任务，需要掌握多个技术领域的知识，包括机器学习、自然语言处理、计算机图形学等。以下是搭建AI虚拟数字人的一般步骤：
确定需求和功能：首先需要确定虚拟数字人的用途和需要实现的功能，例…
使用Python实现Hull Moving Average (HMA)
赫尔移动平均线（Hull Moving Average，简称HMA）是一种技术指标，于2005年由Alan Hull开发。它是一种移动平均线，利用加权计算来减少滞后并提高准确性。
HMA对价格变动非常敏感，同时最大程度地减少短期波动可…
提示工程师是什么工作？
提示工程师是什么工作？
因为ChatGPT的爆火，大家都把眼光锁定在这个号称“ChatGPT新兴职业” 的“提示工程师”上。“提示工程师”是什么工作？为什么说未来所有职业 都需要提示工程的能力？
先解释一下“提示”，它最早…
【深度学习】第一门课 神经网络和深度学习 Week 2 神经网络基础
2.1 二元分类
前言
第二周的主题是学习神经网络的基础知识。
实现神经网络需要用到一些重要的技术和技巧，比如怎样处理包含大量样本的训练集。
在神经网络的计算中，还会有前向暂停、前向传播、反向暂停和反向传播等步骤，本周会对它们进行…
AIOps在美团的探索与实践——故障发现篇
【提醒：公众号推送规则变了，如果您想及时收到推送，麻烦右下角点个在看，或者把本号置顶】正文开始AIOps，最初的定义是Algorithm IT Operations，是利用运维算法来实现运维的自动化，最终走向无人化…
数据治理：90%的人搞不清的事情
【与数据同行】已开通综合、数据仓库、数据分析、产品经理、数据治理及机器学习六大专业群，加微信号frank61822701 为好友后入群。新开招聘微信群，请关注【与数据同行】公众号，后台回复“招聘”后获得入群方法。正文开始作者丨石秀峰全文共73…
K倍交叉验证配对t检验
K倍交叉验证配对t检验
比较两个模型性能的K倍配对t检验程序
from mlxtend.evaluate import paired_ttest_kfold_cv
概述
K-fold交叉验证配对t检验程序是比较两个模型（分类器或回归器）性能的常用方法，并解决了重采样t检验程序的一些缺点&a…
如何免费阅读 Medium 中的 Member-Only Articles
如何免费阅读 Medium 中的 Member-Only Articles
Medium 会员费用 $5/月 虽然需要付费阅读网页, 但是其中大部分的博客内容质量都很高, 相较于 XXdn. 如何免费阅读呢?
隐身窗口浏览器扩展 Medium Unlimited: Read for free Firefox: https://addons.mozilla.org/zh-CN/firef…
探索 YOLO v3 源码 - 完结篇 预测
探索 YOLO v3 源码 - 完结篇 预测 已更新： 第1篇 训练： https://mp.weixin.qq.com/s/T9LshbXoervdJDBuP564dQ 第2篇 模型： https://mp.weixin.qq.com/s/N79S9Qf1OgKsQ0VU5QvuHg 第3篇 网络： https://mp.weixin.qq.com/s/hC4P7iRGv…
算法工程师的三个境界
【与数据同行】已开通综合、数据仓库、数据分析、产品经理、数据治理及机器学习六大专业群，加微信号frank61822702 为好友后入群。新开招聘微信群，请关注【与数据同行】公众号，后台回复“招聘”后获得入群方法。正文开始公元七世纪࿰…
DataOps：数据中台的必备底座
【与数据同行】已开通综合、数据仓库、数据分析、产品经理、数据治理及机器学习六大专业群，加微信号frank61822702 为好友后入群。新开招聘微信群，请关注【与数据同行】公众号，后台回复“招聘”后获得入群方法。前言数据中台的崛起代表了企业…
我们有多少机会将数据、信息、知识转化为智慧？
这是大鱼先生的第6篇原创正文开始数据、信息、知识和智慧是数据创造价值的四个层次，也许你每天都碰到它们，但并不表示对其有深刻的理解，下面是一个从数据到智慧的例子。事实上，大多数据从业者都停留在采集数据、创造信息这个层次上…
Conv1D 训练数据完整示例
目录前言数据集简介：imdb数据位置IMDb数据集详细信息keras IMDB通过 keras 中 load_data 载入数据集keras模型搭建训练并测试数据完整代码：前言
本次将利用 Conv1D 在数据集上做一个完整的示例。其中包括：数据集简介、网络搭建和结果分析。 …
图像分割整理之FCN
FCN网络结构网络输出与数据标注损失函数FCN是第一篇将深度学习算法引入图像分割中的论文，这篇论文将那些经典的网络结构(如VGG、AlexNet)改造成端到端的图像分割网络。下面以VGG为例，说一说FCN的思想。解读顺序为网络结构、网络输出/数据标注与损失函数。…
目标检测算法整理之YOLOV1
YOLOV1网络结构网络输出/数据标注(这里以VOC2012数据集(20个类别)为例)损失函数(每一项参数详细讲解)后记其实之前准研一的暑假就接触目标检测分割系列了也整理了一些资料，那会一直放在自己电脑中，后来研究方向转成了红外可见光图像融合，也就…
【机器学习基础】最大边缘分类器
本系列为《模式识别与机器学习》的读书笔记。 一，最大边缘分类器
考察线性模型的⼆分类问题，线性模型的形式为 y(x)wTϕ(x)b(7.1)y(\boldsymbol{x})\boldsymbol{w}^{T}\boldsymbol{\phi}(\boldsymbol{x})b\tag{7.1} y(x)wTϕ(x)b(7.1)
其中 ϕ(x)\bold…
SQL刷题：查询返回符合条件的结果
如题 解答
方法一：使用WHERE子句和OR逻辑判断
根据定义，满足下面的其中一个条件： 条件1：面积超过300万 条件2：人口超过2500万 先使用下面语句获得满足条件1的大国家：
SELECT name, population, area FRO…
SQl刷题：查找比之前高的温度
如题 解答
方法一：使用JOIN和DATEDIFF（）子句
使用DATEDIFF来比较两个日期类型的值，因此我们可以通过将weather与自身结合，然后使用DATEDIFF（）比较
SELECT weather.id AS id FROM
weather JO…
CBOW如何将one-hot向量转换成低维词向量
具体例子假设我们现在的Corpus是这一个简单的只有四个单词的document：{I drink coffee everyday}我们选coffee作为中心词，window size设为2也就是说，我们要根据单词"I","drink"和"everyday"来预测一个单词&…
sklearn的knn模型学习
参考： Scikit Learn - KNN Learning 1.6最近邻算法 https://scikit-learn.org/stable/user_guide.html 机器学习中的几种常用距离度量方法
k-NN 最近邻算法
特点
非参数化：没有数据分布的假设，模型架构由数据集决定 惰性/基于实例机制&…
《推荐系统实践》 第五章 利用上下文信息 读书笔记
本章之前提到的推荐系统算法主要集中研究了如何联系用户兴趣和物品,将最符合用户兴趣的物品推荐给用户，但这些算法都忽略了一点，就是用户所处的上下文( context)。这些上下文包括用户访问推荐系统的时间、地点、心情等，对于提高推荐系统的推荐…
Kubeflow机器学习工具包-概述
参考网址：Kubeflow-K8S的机器学习工具包，太牛了！ - 知乎 什么是Kuberflow
Kubeflow是Kubenetes的机器学习工具包。Kubeflow是运行在k8s之上的一套技术栈，这套技术栈包含了很多组件，组件之间的关系比较松散，…
GBDT的原理和应用
参考地址：GBDT的原理和应用 - 知乎
一直以来，GBDT-LR凭借着良好的表达能力和可解释性成为各大厂最重要的模型之一。
概述
DT-Decision Tree决策树，GB是Gradient Boosting，是一种学习策略，GBDT的含义就是用Gradient …
少样本 N-way K-shot
在少样本分类论文中，经常会遇到N-way K-shot概念。很多初次接触少样本领域的人虽然能很快知道N-way是指N个类，K-shot是指每个类的样本数量，然后再结合对大规模监督学习的认识，自然的就认为N-way K-shot就是指训练集中有N个类别&am…
机器学习算法（四）-GBDT
本文转自：理解GBDT算法（一）——理论 关于决策树decision tree的组合模型有两种：random forest 和 GBDT （gradient boosting decision tree）。上一篇我们说了《理解随机森林》，这次我们来说下以下…
GPT和GPT2结构的区别
GPT1结构图如下所示： GPT2结构图如下： 注意，GPT2的最后一个LayerNorm在24个transformers或是12个transformers结构之后添加的， 这里layernormalization放在前面类似于预激活函数的设定，在另外一篇文章Identity mapping…
手把手教你学Python之异常处理（一文掌握异常处理）
目录
1、Python中的常见错误
2、Python中的常见异常
3、Python中的异常处理
（1）异常处理之try…except…结构
（2）异常处理之try…except…finally…结构
（3）异常处理之try…except… else… finally……
手把手教你学Python之字符串
目录
10.1 字符串的创建
10.2 字符串的常见方法
10.3 字符串应用举例
10.4 字符串格式化 字符串是由字符组成的一个不可变序列，和元组作用类似，也支持索引、切片、重复、合并等操作。Python中统一了“字符”和“字符串”的概念，字符串的内…
Initialization（吴恩达课程）
Initialization（吴恩达课程）
# GRADED FUNCTION: initialize_parameters_zeros def initialize_parameters_zeros(layers_dims):"""Arguments:layer_dims -- python array (list) containing the size of each layer.Returns:parameters…
Building your Deep Neural Network: Step by Step（吴恩达课程）
Building your Deep Neural Network: Step by Step（吴恩达课程）
# GRADED FUNCTION: initialize_parametersdef initialize_parameters(n_x, n_h, n_y):"""Argument:n_x -- size of the input layern_h -- size of the hidden layern_y …
Logistic Regression with a Neural Network mindset（吴恩达课程）
Logistic Regression with a Neural Network mindset（吴恩达课程）
#(≈ 3 lines of code)
# m_train
# m_test
# num_px
# YOUR CODE STARTS HERE
m_train train_set_x_orig.shape[0]
m_test test_set_x_orig.shape[0]
num_px train_set_x_ori…
主成分分析系列（一）概览及为什么数据要中心化
一、概览
主成分分析（Principle Component Analysis，PCA）算法属于数据降维算法里面的一种。数据降维算法的主要想法是从高维度数据中找到一种结构，这种结构蕴含了数据中的大部分信息，从而将高维数据降维到低维数据&am…
【Matlab电力负荷预测】日特征气象因素支持向量机SVM电力负荷预测【含源码 1612期】
一、代码运行视频（哔哩哔哩）
【Matlab电力负荷预测】日特征气象因素支持向量机SVM电力负荷预测【含源码 1612期】
二、matlab版本及参考文献
1 matlab版本 2014a
2 参考文献 [1]李杰,靳孟宇,马士豪.改进粒子群算法优化支持向量机的短期负荷预测[J]. …
集成算法学习（3）-Boosting(GBDT分类)（举例说明，通俗易懂）
通过前面两贴Bagging、Boosting(AdaBoost)原理与公式推导和Boosting(GBDT回归)（举例说明，通俗易懂）对GBDT有了大致了解，这帖就来讲一讲GBDT分类。
GBDT分类是对类别变量进行分类。
还是通过例子了解。
1、案例讲解
总共有 6 个…
闲鱼搜索相关性——体验与效率平衡的背后
背景闲鱼搜索是闲鱼APP最大的成交场景入口， 成交归因中搜索占一半以上，所以提高成交效率是工程和算法迭代优化的主要目标，然而只以效率为最终的衡量标准不但会影响搜索的质量阻碍成交，还会恶化整个平台的长期生态建设无法成长&…
NLP-D7-李宏毅机器学习---X-AttentionGANBERTGPT
—0521今天4:30就起床了！真的是迫不及待想看新的课程！！！ 昨天做人脸识别系统的demo查资料的时候，发现一个北理的大四做cv的同学，差距好大！！！我也要努力呀！&am…
NLP-DAY5-李宏毅机器学习L2
今天起的很早，3:30就起了。我真的很喜欢早起的感觉。 早上第一次尝试用notability做笔记，梳理了一个slide的内容。大概是什么是机器学习，神经网络的搭建步骤（对理解神经网络很有帮助）。
后来又看了一些L2的正课&#…
机器学习 --- 模型评估、选择与验证
机器学习的目的是使学到的模型不仅对已知数据而且对未知数据都能有很好的预测能力。不同的学习方法会训练出不同的模型，不同的模型可能会对未知数据作出不同的预测，然而我们手上并没有“未知”的数据。所以，如何评价模型好坏，并选…
《统计学习方法》 第一章 统计学习及监督学习概论
统计学习的对象，目的，方法：
统计学习对象 ： 数据统计学习目的 ： 对数据进行分析，预测统计学习方法 ： 基于数据构建概率统计模型而对数据进行预测分析统计学习方法的实现步骤：
1 得…
打散算法的三种解决方案及其选型场景
背景打散是在推荐、广告、搜索系统的结果基础上，提升用户视觉体验的一种处理。主要方法是对结果进行一个呈现顺序上的重排序，令相似品类的对象分散开，避免用户疲劳。算法端传出的推荐结果，往往具有以下几个痛点：相似品…
Tensorflow学习笔记（四）变量、张量
一、创建变量
x tf.Variable()tf.Variable(initial_valueNone, trainableTrue, collectionsNone, validate_shapeTrue,
caching_deviceNone, nameNone, variable_defNone, dtypeNone, expected_shapeNone,
import_scopeNone)tf.get_variable(name, shapeNone, dtypeNone, i…
如何建立数学模型系列之【一.通俗解释及相关概念】
如何建立数学模型系列之【一.通俗解释及相关概念】第一章.数学模型相关定义1.1 原型 与 模型1.2 数学模型最简单的例子1.3 数学建模的基本方法和步骤1.4数学模型的特点和分类1.4.1数学模型的特点1.4.2 数学模型的分类1.5 如何学数学建模第二章.简化的优化模型用处说明ÿ…
《集体智慧编中文版》读书笔记——第三章：发现群组
前言
发现群组是一个典型无监督学习问题，目的是要在一组数据中找寻某种结构。
关于分级聚类
分级聚类的算法比较简单，主要步骤如下： 1. 从原数据集中挑选最接近的两个样本作为一个组。 2. 生成该组的中心作为一个赝本加入原数据集中。 …
几款开源的自动驾驶仿真平台项目
几款开源的自动驾驶仿真平台项目包括Carla、AirSim、Udacity self-driving car simulator、Apollo和Autoware，项目在Github上都有详细的代码和文档。
需要注意的是，从技术上讲，这些平台主要分为两类：
第一类是基于合成的数据，对环境、感知及车辆进行模拟，这里的感知大多…
神经网络如何进行预测
在我们得知如何将数据输入到神经网络以后，那么神经网络是如何根据这些数据进行预测的呢？ 问题来到，我们给训练好的神经网络一个图片，他如何告诉我们这张图片是一个什么。
预测的过程其实就是一个简单的公式 Z WX b（…
WAPE、WMAPE理解
背景： 刚入AI行业小白，搜了半天也没有找到wape指标解释，后来找到一篇英文解释，翻译过来跟大家分享一下 1.导言
在我们所处的时代，学习如何正确使用数据并充分利用数据非常重要。零售商很清楚这一点，因此会…
机器学习笔记(10)决策树
引用：《西瓜书》 要点
其中叶节点对应于决策结果，其他各个节点对应于一个属性。 决策树的目的是为了生成一棵泛化能力强、即处理未见示例能力强的决策树。基本流程是分而治之。 划分选择
决策树一个递归过程 由上图可看出，决策树学习的关…
图网络 MixHop 简介
1 模型提出 标题：MixHop: Higher-Order Graph Convolutional Architectures via Sparsified Neighborhood Mixing 链接：https://arxiv.org/abs/1905.00067 标准GCN只能学习到相邻结点之间的信息，不能学习邻里混合关系。
为了解决这个缺点&am…
python机器学习——聚类评估方法 K-Means聚类 神经网络模型基础
目录 聚类模型的评价方法（1）轮廓系数：（2）评价分类模型 【聚类】K-Means聚类模型（1）聚类步骤：（2）sklearn参数解析（3）k-means算法特点 神…
![[PRML]马尔可夫随机场](https://img-blog.csdnimg.cn/20200518111555367.png)
[PRML]马尔可夫随机场
从《有向图》和《条件独立》中，我们已经了解有向图形模型(directed graphical models)指定了一组变量上的联合分布的因式分解为局部条件分布(local conditional distributions)的乘积。它们还定义了一组条件独立属性( conditional independence properties)…
![[PRML]图模型-有向图模型](https://img-blog.csdnimg.cn/20200508142307583.png)
[PRML]图模型-有向图模型
首发于 我不爱机器学习 公众号，微信号：learning_free 1 简介
概率在现代模式识别中起着核心作用。概率论可以用两个简单的方程来表示，它们分别对应着求和法则和乘积法则。因此，完全可以通过代数操作来建立和解决复杂的概率模型。…
5328笔记 Advanced ML Chapter11-Causal Inference
辛普森悖论的原因是样本数量不匹配。TreatmentA对大小结实治愈率都高过TreatmentB，但是总的治愈率却低于B。 当添加了Age后，biking和cholesterol的关系从正相关变为了负相关。 correlation正相关，causation因果关系 从上面冰激凌的例子…
随机森林的简单学习记录
随机森林小记
这里采用的随机森林的库选择sklearn库
1.首先是导入数据：
path "D:/Epileptic Seizure Classification.csv"
# 针对csv文件
rawdata pd.read_csv(path)
# 针对xlsx文件
rawdata pd.read_excel(path) 2.根据数据分布，选出样…
从零构建神经网络-不使用框架（纯纯手撕）
一、从零构建神经网络-不使用框架（纯手撕）
神经网络从0开始
动手从零开始实现一个神经网络，不使用框架，一步一步推理应该可以加深一下对神经网络的理解。
网络结构为三层全连接网络，节点个数依次为784、250、10。对…
R生物信息学统计分析
执行定量 RNAseq
用 edgeR 估计差异表达 | 用 edgeR 估计差异表达 | 使用 powsimR 进行功效分析 | 使用 GRanges 对象查找未注释的转录区域 | 使用bumphunter从头开始查找显示高表达的区域 | 微分峰分析 | 使用 SVA 估计批次效应 | 使用 AllelicImbalance 寻找等位基因特异性表…
Arduino使用TinyML实现手势识别
什么是TinyML
TinyML是在Pete Warden于2014年加入Google时发现的，当时OK Google小组是如何使用在DSP上运行的仅14 KB的神经网络来处理Android智能手机的“ OK Google”唤醒词的。沃登的背景是从房子的侧面看的，所以看到在如此有限的空间中奔跑的东西激发…
Datawhale 南瓜书学习
Task01：概览西瓜书南瓜书第1、2章（2天）
学习要点
基本术语 样本：是关于一个事项或对象的描述。通过数字化对事物进行描述展示。把现实世界的事物转换为计算机可以理解的数字。 样本空间：样本的特征所在的空间 数据…
TensorFlow Android Camera Demo(Ubuntu Trusty 14.04 LTS)
第一部分 Tensorflow重要学习资料 英文官网 中文社区 极客学院 Tensorflow Github 0 资料介绍 Tensorflow Mobile 官网：https://www.tensorflow.org/mobile.html Github–Android Camera Demo Github：https://github.com/tensorflow/tensorflow/…
从零开始学习机器学习和深度学习：基础知识、编程工具和实践经验
当涉及到机器学习和深度学习时，许多人可能感到不知所措。本文将为您提供入门机器学习和深度学习的基础知识。 什么是机器学习？
机器学习是人工智能的一个分支，其主要目的是通过训练算法来实现任务，而不是手动编程来实现任务。机器…
【代码】一个LVQ神经网络的详解实例
本站原创文章，转载请说明来自《老饼讲解-BP神经网络》bp.bbbdata.com LVQ神经网络是用于样本分类的一个常用算法，本文先简单回顾LVQ神经网络是什么，然后展示如何用matlab工具箱来训练一个LVQ神经网络 目录
一. LVQ神经网络简介
1.1 LVQ神经…
浅谈月出月落和月相的计算方法以及替代工具 - 月出月落和月相 API
引言
如果你想知道精确的月出月落时间，又或者你想设计一个月出月落时间查询的应用，又或者你只是好奇点进来了，还是可以过来围观一下涨涨知识，今天想跟大家聊一聊的是月出月落的计算方法以及替代工具 - 月出月落和月相 API 。
月…
使用sklearn，报错Library not loaded: @rpath/libgfortran.3.dylib
因为需要使用sklearn，去做一些数据分析，所以使用conda命令进行安装 conda install scikit-learn 在安装完成之后，导入，并使用拟合优度R2函数评估，发生如下报错； import sklearn as sk r2 sk.metrics.r2_sc…
多智能体深度强化学习在移动边缘计算的联合多通道访问和任务卸载中的应用
多智能体深度强化学习在移动边缘计算的联合多通道访问和任务卸载中的应用主要贡献与相关工作比较的贡献三、系统模型（only 2 pages）3.1 网络模型3.2 通信模型3.3 计算模型3.3.1 本地计算3.3.2 卸载计算四、预备知识（only 1 page）五…
【PyTorch】第二节：梯度的求解
作者🕵️♂️：让机器理解语言か 专栏🎇：Pytorch 描述🎨：PyTorch 是一个基于 Torch 的 Python 开源机器学习库。 寄语💓：🐾没有白走的路，每一步都算数&#…
Python算法设计 - 蒙特卡洛法
版权声明：原创不易，本文禁止抄袭、转载，侵权必究！ 目录一、蒙特卡洛法二、求圆周率π三、Python算法实现四、作者Info一、蒙特卡洛法
蒙特卡洛方法又称统计模拟法，随机抽样技术，是一种随机模拟方法&#x…
混合精度是如何加速大模型训练的？
混合精度是如何加速大模型训练的？ 基础知识回顾float-32从float-32 到float-16 混合精度计算bfloat16 基础知识回顾
float-32
在深度学习中，通常使用float-32 精度的数值训练模型，其中pytorch默认的也是float-32。 float32，也就…
快速入门matlab——单元数组
matlab中数组和矩阵的区别
基于matlab满天星制作
matlab中有关数组的基础知识
学习目标：深入掌握单元数组的各种使用方法
单元数组的一般建立方法
clear all;
c{大仙,daxian;[5 4 7 8 3],7} %两行两列，每个元素都可以类型不一样
c{1,1}
c{2,1…
【NGBoost实战】
NGBoost实战 一级目录二级目录三级目录 ngboost分类实战常用参数介绍基学习器定义定义训练函数 一级目录
二级目录
三级目录
ngboost分类实战
常用参数介绍
n_estimators: 学习器数量learning_rate: 学习率minibatch_frac: 每次迭代的样本比例col_sample: 每次迭代的特征比…
机器学习实战：Python基于SVD奇异值分解进行矩阵分解（八）
文章目录 1 前言1.1 奇异值分解1.2 奇异值分解的应用 2 简单计算SVD2.1 NumPy 计算 SVD2.2 scikit-learn 计算截断 SVD2.3 scikit-learn 计算随机 SVD 3 demo数据演示3.1 导入函数3.2 导入数据3.3 计算SVD 4 讨论 1 前言
1.1 奇异值分解
奇异值分解（Singular Valu…
每日学术速递4.21
CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理 Subjects: cs.CV
1.Pretrained Language Models as Visual Planners for Human Assistance 标题：预训练语言模型作为人工协助的视觉规划器
作者：Dhruvesh Patel, Hamid Eghbal…
随机过程 Brown 运动（上）
文章目录 随机过程 Brown 运动（上）基本概念与性质Guass 过程Brown 运动的鞅性质Brown 运动的 Markov 性 随机过程 Brown 运动（上）
基本概念与性质
例：（随机游走）设有一个粒子在直线上随机游动…
体验 GPT-4 后，回顾 OpenAI 发展历程及感悟
从 ChatGPT Plus 发布第一天就开始重度使用，刚刚和新发布的 GPT-4 进行了 20 多轮对话，来简单介绍下这几个模型背后的技术，并且分享下感受。
GPT 在发展历程中，一共经历了 4 个阶段，分别是 1、2、3、4。这几个阶段分别…
20.考虑用户舒适度的冷热电多能互补综合能源系统优化调度
说明书
MATLAB代码：考虑用户舒适度的冷热电多能互补综合能源系统优化调度
关键词：用户舒适度 综合能源 PMV 优化调度
参考文档：《冷热电气多能互补的微能源网鲁棒优化调度》基础模型加舒适度部分模型；
仿真平台：MA…
【Hydro】半图解法调洪演算步骤，附Python代码
说明 半图解法计算步骤如下: (1)根据水位～库容关系、水位～泄流关系以及计算时段等绘制辅助曲线； (2)确定起调水位 Z 1 Z_1 Z1及相应的 q 1 q_1 q1、 V 1 V_1 V1计算各时段平均入库流量 Q p Q_p Qp； (3)在水位坐标轴上确定…
YoloV8改进策略：来自谷歌最新的优化器——Lion，在速度和精度上双双提升。Adam表示年轻人不讲武德
文章目录 摘要论文翻译摘要1、简介2、算法的符号发现2.1、程序搜索空间2.2、高效搜索技术2.3、泛化:方案选择与简化3、Lion的推导与分析3.1、求导3.2、分析4、Lion评估4.1、图像分类4.2、视觉-语言对比学习4.3、扩散模型4.4、语言建模与微调4.5、与其他流行优化器的比较4.6、消…
【机器学习】sklearn的集成学习用于图像分类从0到1，注意点和坑点
文章目录 前言1.需求分析1.1 场景1.2 解决方案 2. 代码2.1 提取特征2.2 构建分类器2.4 集成模型2.5 总的训练代码 3.fast api 封装4.总结 前言
深度学习崛起后，好像机器学习就没落了，但在固定场景下，还是很好用的。下面就是展厅项目的识别任…
体验 nanoGPT
体验 nanoGPT 1. 使用预训练模型2. 训练自己的模型2-1. 准备训练数据2-2. 模型训练2-3. 模型验证 1. 使用预训练模型
在我们尝试训练自己的模型之前，我们先使用其他人训练好的模型，看看如何在自己的环境中运行聊天机器人。
今天我们使用 GPT4ALL 并从 …
AI 工具合辑盘点（七）持续更新 之 AI 音乐制作工具
AI 音乐制作工具
AI 也正在民主化音乐。它正在改变音乐创作的方式，赋予每个人成为音乐家的机会。创作音乐杰作所需的一切只是一个想法、一台电脑和一个 AI 音乐生成器。🎶
AI 生成的音乐可以在几分钟内创作出来，结果取决于你的提示——几乎…
PyTorch是什么?
在现代人工智能领域，深度学习技术发挥着至关重要的作用。要实现深度学习，研究人员和工程师需要依赖一些高效、灵活的软件库。PyTorch就是这样一款深受欢迎的库。本文将对PyTorch进行简要介绍，以帮助你更好地理解这一强大工具。
什么是PyTorc…
NLP作业01：利用HMM实现词性标注
作业头
这个作业属于哪个课程自然语言处理这个作业要求在哪里利用HMM实现词性标注作业要求我在这个课程的目标实现词性标注这个作业在哪个具体方面帮助我实现目标代码实现参考文献1.隐马尔科夫模型 2.基于HMM的词性标注 3.基于HMMViterbi算法的词性标注 Python 文章目录 作…
![[论文分享] jTrans: Jump-Aware Transformer for Binary Code Similarity](https://img-blog.csdnimg.cn/f72e9f084be64fc2b7141c6be203e0a5.png)
[论文分享] jTrans: Jump-Aware Transformer for Binary Code Similarity
jTrans: Jump-Aware Transformer for Binary Code Similarity [ISSTA 2022]
二进制代码相似性检测(Binary code similarity detection, BCSD)在漏洞检测、软件构件分析、逆向工程等领域具有重要应用。最近的研究表明，深度神经网络(DNNs)可以理解二进制代码的指令或…
每日学术速递5.26
CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理 Subjects: cs.CV
1.Text2NeRF: Text-Driven 3D Scene Generation with Neural Radiance Fields 标题：Text2NeRF：具有神经辐射场的文本驱动 3D 场景生成
作者：Jingb…
机器学习——弹性网估计
机器学习——弹性网估计 文章目录 机器学习——弹性网估计[toc]1 模型介绍2 模型设定3 弹性网估计 1 模型介绍
弹性网估计属于惩罚回归，常见的惩罚回归包括岭回归(ridge)、套索回归(lasso)和弹性网(elasticnet)回归等。
岭回归用于缓解高维数据可能的多重共线性问…
编译 TensorFlow 模型
本篇文章译自英文文档 Compile Tensorflow Models。
更多 TVM 中文文档可访问 →TVM 中文站。
本文介绍了如何用 TVM 部署 TensorFlow 模型。
首先安装 TensorFlow Python 模块（可参考 https://www.tensorflow.org/install）。
# 导入 tvm 和 relay
i…
第三章. Types of Learning
第三章. Types of Learning 3.1 Learning with Different Output Space Y 1.机器学习解决问题的类型
1).分类问题—输出值为离散值
①.二元分类问题：
二元分类是机器学习领域的基本核心问题，二元分类有线性模型和非线性模型，根据具体情况&…
每日学术速递5.14
CV - 计算机视觉 | ML - 机器学习 | RL - 强化学习 | NLP 自然语言处理 Subjects: cs.CV
1.An Inverse Scaling Law for CLIP Training 标题：CLIP 训练的逆比例定律
作者：Xianhang Li, Zeyu Wang, Cihang Xie
文章链接：https://arxiv.…
VINS预积分推导2
协方差矩阵传播
由式子可以看出，预积分噪声是IMU高斯白噪声的线性组合，因此预积分噪声也满足零均值的高斯分布： η i j [ δ ϕ i j δ v i j δ p i j ] N ˜ ( 0 9 1 , Σ i j ) {\eta _{ij}} \left[ \begin{array}{l}\delta {\phi _{…
Transformer 估算 101
本文主要介绍用于估算 transformer 类模型计算量需求和内存需求的相关数学方法。 引言 其实，很多有关 transformer 语言模型的一些基本且重要的信息都可以用很简单的方法估算出来。不幸的是，这些公式在 NLP 社区中鲜为人知。本文的目的是总结这些公式&am…
推荐系统系列之推荐系统概览（下）
在推荐系统概览的第一讲中，我们介绍了推荐系统的常见概念，常用的评价指标以及首页推荐场景的通用召回策略。本文我们将继续介绍推荐系统概览的其余内容，包括详情页推荐场景中的通用召回策略，排序阶段常用的排序模型，推…
第三章--第二篇--开放式对话系统
开放式对话系统是一种能够与用户进行自由、灵活、多轮的对话的系统。与传统的任务驱动型对话系统不同，开放式对话系统不限定对话的目标和话题，允许用户自由发表言论、提问、分享意见等。开放式对话系统的目标是模拟人类对话，实现与用户的自然、富有表达力的交流。 开放式对话…
ggplot绘制带误差棒、置信区间的柱状图，并调整颜色为渐变
ggplot绘制带误差棒、置信区间的柱状图，并调整颜色为渐变 简单绘制柱状图控制柱状宽度，间距调整颜色渐变简单绘制柱状图
要在ggplot中绘制带有置信区间的柱状图，你可以使用geom_bar和geom_errorbar函数来完成。下面是一个示例代码：
library(ggplot2)# 创建一个示例数据集…
【最新整理】一起看看86 个 ChatGPT 插件
今天我们来看看这86个插件都是做什么的？ Shimmer：跟踪膳食并获得更健康生活方式的见解
World News：总结新闻头条
Bohita：用您能描述的任何图像制作服装
Portfolio Pilot：您的 AI 投资指南：投资组合评估…
特征缩放（Scale Features）、特征缩放预测CO2 值、df列索引扩展
目录 1、特征缩放
2、预测CO2 值 3、df列索引扩展 1、特征缩放
特征缩放可以用于不同的度量单位。度量单位不同的情况下，特征的数值大小也会有所不同，这可能会影响到某些机器学习算法的表现。例如，如果一个特征的单位是英寸，而另…
KNN中不同距离度量对比和介绍
k近邻算法KNN是一种简单而强大的算法，可用于分类和回归任务。他实现简单，主要依赖不同的距离度量来判断向量间的区别，但是有很多距离度量可以使用，所以本文演示了KNN与三种不同距离度量(Euclidean、Minkowski和Manhattan)的使用。…
数字人发展趋势，精神外骨骼 or 精神内陪伴？
Mixlab虚拟数字人有哪些发展路线？如何理清发展趋势？随着计算机图形学与深度学习等基础技术的发展，虚拟数字人的 “形象” 特征与 “智能程度” 会愈加支持 “超写实” 风格与更 “聪慧” 功能的实现。小杜工具、技术始终服务于内容产出&#…
python里x.pow2_使用pow（x，a）打印矢量/矩阵元素的幂| 使用Python的线性代数
python里x.pow2Prerequisite: 先决条件： Defining a Vector 定义向量 Defining a Matrix 定义矩阵 Numpy is the library of function that helps to construct or manipulate matrices and vectors. The function pow(x, a) is a function used for generating a …
推荐系统 理论笔记 六（推荐算法 详解）
用户信息标签化的过程，就是用户画像。 特征工程： 推荐系统常见的反馈数据
基于人口统计学的，是用户的人口统计学信息，而user-cf是基于用户的行为数据。 泰坦尼克号5分，查分成…
Neural Ordinary Differential Equations
神经常微分方程（2018）Abstract1 Introduction2 Reverse-mode automatic differentiation of ODE solutions(反向模式的自动微分ODE的解决方案)3 Replacing residual networks with ODEs for supervised learning4 Continuous Normalizing Flows4.1 CNF试…
（二）基于图像结构张量的粗到细光流估计——2013
基于图像结构张量的粗到细光流估计Abstract1. Introduction2. MethodA. The data termB. The smoothing termC. The coarse-to-fine method for optical flow estimation3. EXPERIMENTSA. Measurement indexAbstract
提出了一种基于图像局部结构张量的粗到细光流方法。将所提出…
机器学习15：神经网络-Neural Networks
神经网络是特征交叉的更复杂版本。本质上，神经网络会学习适当的特征组合。本文主要介绍神经网络的结构、隐藏层、激活函数等内容。
目录
1.神经网络：结构
2.隐藏层
3.激活函数
3.1 常用激活函数
3.2 小结
4.神经网络小练习
4.1 第一个神经网络
…
KD-Tree二叉树检索学习笔记和Python实现
KD-Tree应用于中低量的维度数据，是检索二叉树，可以很快速的完成检索，但是对于大量的维度数据，速度慢就不能用，此时用的是LSH。
算法的步骤：
这里假定多维度向量组成的shape是[rows，cols]&…
机器学习/深度学习准备资料（待更新）
朴素贝叶斯
假设不同的特征是相互独立的
属于监督学习的生成模型，实现简单，没有迭代，并有坚实的数学理论（即贝叶斯定理）作为支撑。
贝叶斯方法是以贝叶斯原理为基础，使用概率统计的知识对样本数据集进…
自带魔法棒的 DALL·E | 一文图解热词
CHUNFANG：大家最近在聊的热门词儿 DALLE 是什么？具备什么功能？大铮：DALLE 能按照文字的描述，画出十分自然的图像。目前的模型对于选词比较敏感，官方释出的例子是类似完形填空的形式，给句子中的名…
如何生成酷炫的背景图片？ | 数字艺术 Perlin Noise
观察下面的动图，你是否对其流动的线条顺滑性感到惊讶？当我第一次看到这张图的时候，第一反应就是，这不就是一张随机的运动图嘛，把每粒子的运动轨迹位置添加一个通过random函数获取数值不就可以了？但是后来在…
从人文关怀到创作AI｜Mix+人工智能 No.51
Knowledge/ def mix( ):本期收录新增16NO. 51#看护系统# #智能家居#Cherry Home人工智能家居系统通过人脸、四肢的长度、衣服和头发的颜色以及步态或姿势的变化来分辨用户。在一个房间里进行三角定位，并绘制出周围环境的示意图，护理人员通过点击这些示意…
TeachAI实验思考｜shadow的实验室
设计师／产品经理只有懂得技术的新特性，才能为产品融入新的玩法。设计师也应该关注新技术带来的新的交互方式的变化，研究怎么样的交互方式才适合基于浏览器的深度学习应用。tensorflowJS 官方有个基于 MobileNet 的迁移学习例子：该…
torch调用masked_fill函数
masked_fill_(mask, value) 掩码操作 用value填充tensor中与mask中值为1位置相对应的元素。mask的形状必须与要填充的tensor形状一致。
a torch.randn(5,6)x [5,4,3,2,1]
mask torch.zeros(5,6,dtypetorch.float)
for e_id, src_len in enumerate(x):mask[e_id, src_len:] …
Transformer t5代码relative_position计算
Transformer t5模型代码解读3总结回到T5Attention的内容之中上面的调用self._relative_position_bucket函数是在compute_bias函数之中，这里我们重新梳理一下T5Attention的compute_bias的函数内容context_position torch.arange(query_length, dtypetorch.long, dev…
如何识别假视频？二等奖 DeepFake 挑战赛 项目记录
1 比赛概述DeepFake技术是可以生成换脸的视频。这些内容生成和修改的技术可能会影响公共话语的质量或者侵犯他人的权力，尤其是考虑到这种伪造的视频可能被而已用来误导、操纵、骚扰和诈骗。识别这种合成视频是一个要求高技术、且迫切需要的一种技术。这次挑战的目标…
sml完整形式_DVD的完整形式是什么？
sml完整形式DVD：数字视频光盘/数字多功能光盘 (DVD: Digital Video Disc / Digital Versatile Disc) DVD is an abbreviation of "Digital Video Disc" / "Digital Versatile Disc". DVD是“ Digital Video Disc” /“ Digital Versatile Disc…
线性代数中两个向量相乘_加两个向量| Python的线性代数
线性代数中两个向量相乘Prerequisite: Linear Algebra | Defining a Vector 先决条件： 线性代数| 定义向量 In the python code, we will add two vectors. We can add two vectors only and only if the both the vectors are in the same dimensional space. For…
DecisionTreeRegressor（）作用详解
作用
用于构建回归树模型。回归树是基于决策树算法的一种模型，用于解决回归问题，即预测连续型变量的值。 DecisionTreeRegressor()类的主要作用是通过输入的训练数据，构建一个回归树模型，然后可以使用该模型对新的数据进行预测。…
ruby中、.reject_Array.reject！ Ruby中的示例方法
ruby中、.rejectArray.reject！ 方法 (Array.reject! Method) In this article, we will study about Array.reject! Method. You all must be thinking the method must be doing something related to the selection of objects from the Array instance. It is no…
归纳AI数据增强的方法
数据、算法、算力是人工智能发展的三要素。数据决定了Ai模型学习的上限，数据规模越大、质量越高，模型就能够拥有更好的泛化能力。然而在实际工程中，经常有数据量太少(相对模型而言)、样本不均衡、很难覆盖全部的场景等问题，解决这…
线性代数分块矩阵求逆矩阵_矩阵的调用列 使用Python的线性代数
线性代数分块矩阵求逆矩阵Linear algebra is the branch of mathematics concerning linear equations by using vector spaces and through matrices. Matrix is the key to linear algebra. All the linear algebra revolves around matrices. Columns are the heart of a Ma…
线性代数矩阵转置乘法_转置矩阵的行列式| 使用Python的线性代数
线性代数矩阵转置乘法Prerequisite: 先决条件： Defining Matrix using Numpy 使用Numpy定义矩阵 Determinant of a Matrix 矩阵的行列式 Transpose Matrix 转置矩阵 Here, we will learn that the determinant of the transpose is equal to the matrix itself. Th…
线性判别准则与线性分类编程实践
目录一、线性判别准则（LDA）1.LDA的思想2. 瑞利商（Rayleigh quotient）与广义瑞利商（genralized Rayleigh quotient）3. 二类LDA原理4. 多类LDA原理5. LDA算法流程6.优缺点二、线性分类算法（支持向…
计算机组成原理-存储器
一、存储器分类
1.按存储介质分类
存储介质是指能寄存 ‘0’ 、‘1’两种代码并能区别两种状态的物质或元器件
1.1半导体存储器
存贮原件由半导体器件组成的存储器叫做半导体存储器。
1.1.1现代半导体存储器：
优点： 体积小、功耗低、存取时间短。 …
CS188 Project 4: Inference in Bayes Nets(4-6)
CS188 Project 4: Inference in Bayes NetsQuestion 4 (4 points): Eliminate原理方法代码结果Question 5 (4 points): Normalize原理方法代码结果Question 6 (4 points): Variable Elimination原理方法代码结果数据及效果对比EliminateNormalizeVariable Elimination收获Quest…
Tomcat安装（详细）
1、Tomcat下载安装
1、安装
（一）Tomcat官网下载
（二）解压
（三）配置环境变量
（四）启动-关闭Tomcat （五）访问测试 Tomcat 输入http://localhost:8080…
【小白写论文】技术性论文结构剖析
文章来自微信公众号【机器学习炼丹术】。欢迎加入AI友好互助交流群~
文章目录： 文章目录1 introduction1.1 Aims and Objectives1.2 Background and Literature Survey2 Background Theories3 Methodology and Implementation4 Results, Analysis and Evaluation5 …
【小白学图像】Group Normalization详解+PyTorch代码
文章转自公众号【机器学习炼丹术】，关注回复“炼丹”即可获得海量免费学习资料哦！ 文章目录1 BN的优点2 BN的缺点2.1 受限于Batch size2.2 训练集与测试集的分布3 Group Normalzation4 PyTorch实现GN总的来说，GN是对BN的改进，是IN…
python正确的的画出ROC曲线
ROC曲线简介
受试者工作特征曲线 （receiver operating characteristic curve，简称ROC曲线），又称为感受性曲线（sensitivity curve）。得此名的原因在于曲线上各点反映着相同的感受性，它们都是对同…
（一）基于结构张量的分数阶变分光流模型——2021
基于结构张量的分数阶变分光流模型1. Introduction2. Related Work3. HS Optical Flow Model4. Local Structure Constraint Equation4.1. Image Structure Tensor4.2. Local Structure Constancy Constrain5. Fractional Smoothness Constraint Equation6. Improved Fractiona…
一文搞懂：Adaboost及手推算法案例
boosting
Boosting 算法的特点在于：将表现一般的弱分类器通过组合变成更好的模型。代表自然就是我们的随即森林了。
GBDT和Adaboost是boost算法中比较常见的两种，这里主要讲解Adaboost。
Adaboost
Adaboost算法的核心就是两个权重。对于数据有一个权…
一文搞懂：线性回归与逻辑回归（似然参数估计）
线性回归解决的是回归问题，逻辑回归相当于是线性回归的基础上，来解决分类问题。
公式
线性回归(Linear Regression)是什么相比不用多说了。格式是这个样子的： fw,b(x)∑iwixibf_{w,b}(x)\sum_i{w_ix_i}bfw,b(x)∑iwixib
而逻辑回归…
无监督学习之K-Means
1.K-Means要完成的事情
1.1簇分类
遍历所有数据，判断其与聚类中心点的距离，将与划分到与其最近的点的一类
1.2移动聚类中心
将K个聚类中心点移动到其所在点的均值处 若出现某一个聚类中心点没有点，要么重新初始化所有的据类中心点&#x…
机器学习模型攻防cleverhans库中的mnist_tutorial_tf.py例子 介绍
cleverhans是一个机器学习模型攻防库，里面有很多的攻防技术实现。
下面来具体介绍一下其下mnist_tutorial_tf.py文件的例子。
它实现了以下方法：
实现了TensorFlow创建一个使用minst训练的模型。然后使用FGSM方法生成对抗样本。然后通过对抗训练使得模…
从零学习pytorch 第1.5课 训练集、验证集和测试集的作用
课程目录（在更新，喜欢加个关注点个赞呗）： 从零学习pytorch 第1课 搭建一个超简单的网络 从零学习pytorch 第1.5课 训练集、验证集和测试集的作用 从零学习pytorch 第2课 Dataset类 从零学习pytorch 第3课 DataLoader类运行过程 从…
忽略电池优化_被忽略的优化：图片
忽略电池优化#1 This guest post from Billy Hoffman is the last post in the Velocity countdown series. Velocity starts first thing tomorrow! Hope you enjoyed the ride and please welcome Billy Hoffman! ＃1这是Billy Hoffman的来宾帖子，是Vel…
对比度受限的自适应直方图均衡化(CLAHE)（转）
直方图均衡化（HE）是一种很常用的直方图类方法，基本思想是通过图像的灰度分布直方图确定一条映射曲线，用来对图像进行灰度变换，以达到提高图像对比度的目的。该映射曲线其实就是图像的累计分布直方图（CDF&am…
SVM深入理解：解决线性不可分类时，对特征集进行多项式、核函数转换将其转换为线性可分类问题
目录一、核函数1.格式2.多项式核函数3.优点 / 特点4.SVM 中的核函数5.多项式核函数二、高斯核函数（RBF）1.思想2.定义方式3.功能4.特点5.高斯函数6.其它三、重做例子代码四、对鸢尾花、月亮数据集进行SVM训练1、鸢尾花数据集2.月亮数据集五、总结参考资料…
图像缩放算法 | Mixlab算法工具箱
JS image carver 今天给大家推荐一款开源项目。一个采用接缝裁剪（seam carving）算法的在线工具，可以任意改变图片的高度和宽度，而不会扭曲图像。所采用的Seam Carving算法，来源于2007年siggraph《Seam Carving for Con…
建筑设计的未来是什么？| 建筑 · 人工智能专栏
建筑是这个人类方程式的一小部分。但对于我们之中那些实践它的人来说，相信它有能发挥作用做出改变的潜力，来启发和丰富人类的经验，穿越充满误解的障碍，从而为生活这出戏提供一个美丽的场景。弗兰克盖里（Frank Gehry&am…
生物学不必以我们已经知道的形式存在｜无学科专栏
非西方的技术和文化视角，如何影响世界各地人们对“无生命”、“有生命”或“半生命” 的思考和设计方式的建立？宗教对生物提供新定义西澳大学艺术与科学实验室的联合创始人，生物艺术家 Ionat Zurr 与东京新兴技术博物馆馆长内田田雄ÿ…
【遗传编程/基因规划】Genetic Programming
文章目录背景介绍程序表示初始化 (Initialization)Depth定义Grow方法Full方法Ramped half-and-half方法适应度(Fitness)与选择(Selection)Fitness & Fitness Function选择 Selection遗传算子Genetic Operators交叉 Crossover变异 Mutation复制 Reproduction (Copy)参考资料…
TSNE高维数据降维可视化工具 + python实现
文章目录1.概述1.1 什么是TSNE1.2 TSNE原理1.2.1入门的原理介绍1.2.2进阶的原理介绍1.2.2.1 高维距离表示1.2.2.2 低维相似度表示1.2.2.3 惩罚函数1.2.2.4 为什么是局部相似性1.2.2.5 为什么选择高斯和t分布2 python实现参考内容喜欢的话请关注我们的微信公众号~《你好世界炼丹…
《classification and regression》分类与回归+神经网络基本介绍+统计独立 data mining课程笔记 第一课
文章目录概述supervised Learning回归与分类错误率error rate整体流程N-fold Cross-validation小结线性/非线性模型概述过拟合overfittingmean of squared errors(MSE)如何计算wGradient 梯度下降neural networkshyperplane 超平面神经元Feed-forward networkDistribution and …
讲解 最大流问题+最小花费问题+python(ortool库)实现
文章目录基本概念图邻接矩阵最大流问题python解决最大流问题python解决最大流最小费用问题喜欢的话请关注我们的微信公众号~《
你好世界炼丹师》。公众号主要讲统计学，数据科学，机器学习，深度学习，以及一些参加Kaggle竞赛的经验。…
混合整数规划MIP/线性规划LP+python(ortool库)实现 附代码
文章目录相关知识点LP线性规划问题MIP混合整数规划MIP的Python实现（Ortool库）assertMIP的Python实现（docplex库）喜欢的话请关注我们的微信公众号~《你好世界炼丹师》。
公众号主要讲统计学，数据科学，机器学…
机器学习算法的常用评价指标
机器学习算法的常用评价指标一、常用评价指标的介绍二、实例三、结论三、结论一、常用评价指标的介绍
1、TP、TN、FP、FN介绍 TP:被正确诊断为患病的病人
TN:被正确诊断为健康的健康人
FP:被错误诊断为患病的健康人
FN:被错误诊断为健康的病人
2、查全率Recall、查准率Pre…
卡尔曼滤波信号预测python 简单实现
import cv2
import numpy as np
import pandas as pd
from sklearn.metrics import r2_score,mean_absolute_error"""
卡尔曼滤波预测demo
"""#定义卡尔曼滤波模型
class KalmanFilter:kf cv2.KalmanFilter(4, 2)kf.measurementMatrix np.arra…
Python使用MICE填充缺失值的简单实现
#coding:utf-8
import os
import pandas as pd
import numpy as np
# from impyute.imputation.cs import mice
from fancyimpute import MICE"""
使用MICE对数据集缺失值进行填充1.分别读取train/test数据
2.合并训练测试集
3.使用MICE对缺失值进行填充
4.填充…
空间音频技术是如何增强沉浸式体验的？| ARVR
- Apple的3D声音Apple正在开发一种新的音频格式，即使在用户移动，戴着“ Apple Glass ”或其他AR设备时，也可以更轻松沉浸式地在用户周围放置“3d声音”。Apple希望建立一种音频格式，例如.MP3或.AAC，并结合了AR所需的额…
catBoost regression Python 简单实现
# coding:utf-8
import time
notebookstart time.time()
import pandas as pd
from sklearn import metrics
from catboost import CatBoostRegressor
from pylab import *
mpl.rcParams[font.sans-serif] [SimHei] #绘图正常显示中文"""
catboost 回归简单实…
多重共线性如何影响显著性？（转载）
怎么“调整”显著性：理解多重共线性 - 知乎多重共线性，是我们学习计量几乎入门时就会接触的一个专业名词。对多重共线性的认识，仅限于在做回归时看一看相关性系数表（而且一般都不会有问题），再了不起的就是算…
Xgboost回归四种调参方法及Python简单实现
前言
Xgboost对特征工程和数据处理比较友好，相比之下调参成为用好Xgboost重要的一环，本文分别从参数、调参方法、Python实现的维度进行梳理，作为调参思路的记录。
本文将关注以下几个问题：
1.Xgboost哪些参数需要调参ÿ…
模型融合之STACKING方法
本文参考了Kaggle机器学习之模型融合（stacking）心得 stacking是用于模型融合的一个大杀器，其基本思想是将多个模型的结果进行融合来提高预测率。，理论介绍有很多，实际的例子比较少，本文将其实例化ÿ…
多元线性回归之基本假定的验证和处理办法
前言
多元线性回归模型统计推断结果的可靠性，建立在一些统计假设的基础上，只有在假设条件满足时，模型输出结果才成立，本文将展开讨论多元线性回归有哪些基本假设、如何检验假设是否成立、以及当基本假设不满足时的处理方案。同时…
机器学习项目之数据清洗
前言
数据清洗是机器学习项目中最为琐碎而又繁重的工作之一，下面总结一些经常用到的数据清洗方法与Python实现，以探索能否用更加自动化的手段来简化数据清洗工作。
包括：
1.缺失值处理
2.格式内容清洗
3.重复值处理
4.不一致数据处理
…
torch.optim.lr_scheduler--学习率调整总结
目录调用例子：方法：一、lr_scheduler的手动方法：1.torch.optim.lr_scheduler.LambdaLR2.torch.optim.lr_scheduler.MultiplicativeLR3.torch.optim.lr_scheduler.StepLR4.torch.optim.lr_scheduler.MultiStepLR5.torch.optim.lr_scheduler.Co…
2021-07-20画决策树
from sklearn.datasets import load_iris import pydotplus from IPython.display import Image from sklearn import tree #训练模型 irisload_iris() clftree.DecisionTreeClassifier() clfclf.fit(iris.data,iris.target) def lgb_plt(model):tree_nums 10for i in range(t…
关于AUC的另一个解释
问题描述：同样的数据，不同的特征，预测是否成交时，当auc越高，精确率在0.6时预测数量越少；auc越低，精确率在0.6时预测数量却增多
本质：AUC的另一解释：一个正例，…
深度学习中backbone网络优缺点（附图文）
backbone
VGG系列
采用连续的几个3x3的卷积核代替AlexNet中的较大卷积核（11x11，7x7，5x5），采用堆积的小卷积核是优于采用大的卷积核，因为多层非线性层可以增加网络深度来保证学习更复杂的模式，…
干货 | 这可能全网最好的BatchNorm详解
其实关于BN层，我在之前的文章“梯度爆炸”那一篇中已经涉及到了，但是鉴于面试经历中多次问道这个，这里再做一个更加全面的讲解。
Internal Covariate Shift（ICS）
Batch Normalization的原论文作者给了Internal Covar…
AI面试之SVM推导
SVM现在主流的有两个方法。一个是传统的推导，计算支持向量求解的方法，一个是近几年兴起的梯度下降的方法。 梯度下降方法的核心是使用了hinge loss作为损失函数，所以最近也有人提出的深度SVM其实就是使用hinge loss的神经网络。
本文的目的是…
探讨已久的人工智能与机器学习，两者之间有何区别？
原文：Artificial Intelligence And Machine Learning: What’s The Difference? 作者：Tobi Bamidele 译者：聂震坤 审校：屠敏 现如今，人工智能与机器学习受到了各行各业的广泛关注，大众对其态度不一。但…
图神经网络的直推式(Transductive)学习与归纳(Inductive)学习
一般的定义
如何理解 inductive learning 与 transductive learning? - 王晋东不在家的回答 - 知乎 https://www.zhihu.com/question/68275921/answer/2034667107
Inductive learning，翻译成中文可以叫做 “归纳式学习”，顾名思义，就是从…
测量学5_测量误差理论的基本知识
测量学
lesson 5：
测量误差理论的基本知识
要确定一个三角形的形状，测量其两个内角 ∠A$ 和 $∠B 即可，∠C 180 - ∠A - ∠B。 但是我现在测量了 ∠A 和 ∠B ，同时又测量了 ∠C。
理论上∠A ∠B ∠C 180，…
测量学10_建筑工程测量及道路工程测量
测量学
lesson 10：
建筑工程测量及道路工程测量
任何工程都需要经过勘测、设计和施工三个阶段。在勘测设计阶段，地形图和各种测量数据可以为勘测和设计提供必要的测绘资料。在施工阶段，设计好的平面位置和高程需要以一定的精度在实地标定出…
2020春秋招聘 人工智能方向 各大厂面试常见题整理二（附答案）（阿里腾讯华为字节）
喜欢的话请关注我们的微信公众号~《你好世界炼丹师》。
公众号主要讲统计学，数据科学，机器学习，深度学习，以及一些参加Kaggle竞赛的经验。公众号内容建议作为课后的一些相关知识的补充，饭后甜点。此外，为了…
2020春秋招聘图像处理 人工智能方向 各大厂面试常见题整理一（附答案）（阿里腾讯华为字节）
因为本人近期也要紧临毕业，面临招聘面试，所以整体别人公开的面经，做一个整理，并且加上自己认为的答案，欢迎各位读者对答案进行指正和交流。
深度残差的作用
直观上，深度加深，出现梯度消失和梯…
《西瓜书》-第2章 模型的评估与选择
2.1.经验误差与过拟合
误差（训练误差、泛化误差）
训练误差：学习器在训练集上的误差。
泛化误差：学习器在新样本上的误差。 注：泛化能力是指我们训练所得到的学习器，对于陌生样本（news ample&…
差分进化算法 练习题 （二）
差分进化算法 Difference Evolution和一般的遗传算法的区别在于是先突变（mutation）之后再交叉（Crossover）
mutation crossover 简单的说就是，DE算法中的重组，是有一个trial vector尝试向量的这个概念&…
LDA, Linear Discriminant Analysis（线性判别分析）
上一篇博客简要介绍了基于特征值分解和SVD分解矩阵的PCA方法，本篇博客介绍LDA，并将二者进行比较总结，主要是在文后几篇博客链接基础上总结的阅读笔记。
一、LDA和PCA
LDA的全称是Linear Discriminant Analysis（线性判别分析&…
自监督学习BYOL《Bootstrap Your Own Latent：A New Approach to Self-Supervised Learning》
BYOL算法简要介绍。 论文地址：byol论文链接。 代码链接：https://github.com/deepmind/deepmind-research/tree/master/byol
1、self-supervised learning 当模型越来越大时，模型训练也会越来越难，会存在梯度消失或者梯度爆炸的问…
自监督学习方法Barlow Twins
记录文章《Barlow Twins: Self-Supervised Learning via Redundancy Reduction》阅读笔记，论文地址。
1 Abstract & Introduction
自监督学习正在迅速发展，它主要是通过学习输入样本的不同distortions版本的不变性embedding特征。其中distortions意…
Python复杂网络分析库networkx 看这一篇就够了
文章目录1 基础知识1.1 简介1.2 Graph添加节点访问节点删除节点添加边访问边遍历边生成小世界网络生成规则网络另一种规则图ER随即图BA无标度网络喜欢的话请关注我们的微信公众号~《
你好世界炼丹师》。公众号主要讲统计学，数据科学，机器学习，…
kaggle笔记 2019数据科学碗Data Science Bowl 高分总结
文章目录7th总结这次比赛的重点，在于过拟合问题和模型的泛化能力。我就是疏忽了这一点，然后在Public leaderboard上是13名，然后最后成绩上，调到800多名。7th总结
final models was an emsemble: 0.3LGB, 0.3 CATB, 0.4NN模型总类…
netflix 会员看整部_Netflix –您租了多少部电影
netflix 会员看整部Netflix is a great service, its a shame they dont seem to provide any APIs. Oh, well, well have to resort to other means of extracting data. Netflix是一项出色的服务，可惜他们似乎没有提供任何API。 哦，好吧，我…
看完必会的 python DEAP遗传算法库讲解+实战（中级）
文章目录TSP问题问题描述代码精讲整体代码（方便复制）结果展示(不重要)喜欢的话请关注我们的微信公众号~《
你好世界炼丹师》。公众号主要讲统计学，数据科学，机器学习，深度学习，以及一些参加Kaggle竞赛的经验…
机器学习-西瓜书--第一章（3）
模式识别≈机器学习(目的≈算法的关系) 数据挖掘机器学习数据库 计算机视觉图像处理机器学习 语音识别语音处理机器学习 自然语言处理文本处理机器学习图灵（计算机和人工智能的鼻祖，分别对应于其著名的“图灵机”和“图灵测试”）在 1950 年的…
决策树提升算法：AdaBoost算法
AdaBoost提升算法
AdaBoost原理
sklearn.ensemble 中包括了增强算法AdaBoost
AdaBoost 的核心思想是用反复修改的数据（主要是修正数据的权重）来训练一系列的弱学习器(一个弱学习器模型仅仅比随机猜测好一点, 比如一个简单的决策树),由这些弱学习器的预…
对于《机器学习实战》中决策树的ID3算法详细说明
from math import log
import operatordef createDataSet():dataSet [[1, 1, yes],[1, 1, yes],[1, 0, no],[0, 1, no],[0, 1, no]]labels [no surfacing, flippers] # 特征值return dataSet, labelsdef calShannonEnt(dataSet): # 计算给定数据集的香农熵numEntries len(…
《机器学习实战》基于朴素贝叶斯算法实现垃圾邮件分类
import random
import sys
import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import redef textParse(bigString):listOfTokens re.split(r\W*, bigString) # 返回列表return [tok.lower() for tok in listOfTokens if len(tok) > 0]def cre…
NesT：聚合嵌套的Transformer
目录📝论文下载地址🔨代码下载地址👨🎓论文作者📦模型讲解[背景介绍][模型解读][总体结构][跨图像块混合信息的区块聚合][运用NesT的图像生成][通过可视化树对NesT进行可解释性分析][结果分析][在ImageNet数据集上与…
Pan-GAN：用于遥感图像融合的无监督全色图像锐化方法
目录📝论文下载地址👨🎓论文作者📦模型讲解[背景介绍][模型解读][总体结构][损失函数][生成器损失函数][判别器损失函数][网络结构][生成器网络结构][判别器网络结构][结果分析][消融实验][对比实验]📝论文下载地址 …
RSDet：学习用于旋转目标检测损失
目录📝论文下载地址👨🎓论文作者📦模型讲解[背景介绍][模型解读][旋转框参数化][旋转灵敏度误差][损失不连续性][回归不一致][五参数旋转损失][八参数旋转损失][结果分析][数据集][训练细节][损失消融研究][不同损失对比][DOTA数…
shell常用运算和一些常见bug
常见bug：
提示错误[[: not found
Linux shell脚本执行提示错误[[: not found sh改为bash https://blog.csdn.net/lucykingljj/article/details/48519069 shell Syntax error: "(" unexpected
bash xx.sh 或者直接运行 ，sh 与 bash 有些地方…
《深度学习实战》汇总
对《深度学习实战》杨云、杜飞著这本书进行了学习，完成了所有的编码问题，将所有内容整理完毕。 原本课程代码是Python2，本人使用Python3进行了重写，使用版本Python 3.8.2。
源代码下载：
https://gitee.com/zuiyixin/…
《深度学习实战》第6章 卷积神经网络
卷积神经网络
在本章节的练习中，我们将对卷积，池化，空间批量归一化等内容进行编码，并比较不同实现方式的执行效率。由于python语言运行效率太过缓慢，我们会在第八章的tensorflow介绍章节再次训练卷积网络，…
pytorch中数据增强transforms.py详解
在实际应用过程中，我们会在数据进入模型之前进行一些预处理，例如数据中心化(仅 减均值)，数据标准化(减均值，再除以标准差)，随机裁剪，旋转一定角度，镜像等一系列 操作。PyTorch 有一系列数据增强…
Softmax分类器基本实现
#-*- coding: utf-8 -*-
import numpy as npdef softmax_loss_naive(W, X, y, reg):"""使用显式循环版本计算Softmax损失函数N表示：数据个数，D表示：数据维度，C：表示数据类别个数。Inputs:- W: 形状(D, …
吴恩达 deeplearning.ai - 改善深层神经网络 - 第1周代码
参考链接：https://blog.csdn.net/u013733326/article/details/79847918
开始之前
初始化参数： 1.1：使用0来初始化参数。 1.2：使用随机数来初始化参数。 1.3：使用抑梯度异常初始化参数（参见视频中的梯度消…
Coursera-MachineLearning-Week1题目整理
编号按照对应的内容，1-1代表第一大部分遇到的第一题，R代表Review，C代表运行的代码（Code）。
1-1. 解：计算机的经验E，任务T，标准P。我们在垃圾邮件分类时，我们的任务T就是…
生成抗体的生成GNN：Iterative Refinement Graph Neural Network for Antibody Sequence-Structure Co-design
网址： Iterative Refinement Graph Neural Network for Antibody Sequence-Structure Co-design | OpenReview ICLR 2022的高分论文[8，8，8]，目前没有给代码 内容：抗体结合的特异性是由这些Y形蛋白末端的互补决定区(CDR…
Two stage目标检测算法和One stage目标检测算法的区别（附图片）
1.Two stage目标检测算法
先进行区域生成（region proposal，RP）（一个有可能包含待检物体的预选框），再通过卷积神经网络进行样本分类。
任务：特征提取—>生成RP—>分类/定位回归。 …
引入噪声解决过平滑问题的GNN方法：SIMPLE GNN NOISE REGULARISATION FOR 3D MOLECULAR PROPERTY PREDICTION AND BEYON
论文： ICLR2022的投稿，得分[8,6,6,5] 地址： Simple GNN Regularisation for 3D Molecular Property Prediction and Beyond | OpenReview 内容： 通过引入噪声的方式，减缓了GNN的过平滑问题。使得添加了噪声节点的 、不…
一文读懂：GBDT梯度提升
先缕一缕几个关系：
GBDT是gradient-boost decision treeGBDT的核心就是gradient boost，我们搞清楚什么是gradient boost就可以了GBDT是boost中的一种方法，boost还有XGBoost，adaboost。
基本概念
【Boost】就是让多个弱分类器&a…
XBG和LGB和CATBOOST 要用哪一种？ 深度分析
文章目录概述LightGBM 和 XGBoost 的结构差异为什么 GOSS 方法如此高效？每个模型是如何处理分类变量的CatBoostLightBGMXGBoost超参数中的相似性结果对比概述
尽管最近几年神经网络复兴，并变得流行起来，但我还是更加关注 boosting 算法&…
norm emergency 第四课 norm game在拓扑结构中《Norm Establishment via Metanorms in Network Topologies》
文章目录前置课程论文内容论文实验内容Neighborhood sizePopulation sizesmall world networksneighborhoold size and RPpopulation size and RP前置课程
第一课 什么是norm？（An Evolutionary Approach to Norms） 第二课 什么是norm game&a…
遗传算法/遗传编程 进化算法基于python DEAP库深度解析讲解
文章目录前言概述启发式的理解（重点）优化问题的定义个体编码初始族群的创建评价配种选择**锦标赛****轮盘赌选择****随机普遍抽样选择**变异单点交叉两点交叉均匀交叉部分匹配交叉突变高斯突变乱序突变位翻转突变均匀整数突变环境选择完全重插入(Pure re…
TCN时空卷积网络 python 简单实现
本文基本参照 【python量化】用时间卷积神经网络（TCN）进行股价预测_敲代码的quant的博客-CSDN博客_卷积神经网络对时间序列的预测
对TCN时空卷积网络进行简单的python实现,用于理解TCN网络运行机制并以备后查，运行环境为python3.8.6 &#x…
模型训练常用的一些diy functions
1.1 打印特征重要性
print(get_feature_importance_pair(gbm))
save_feature_importance_pair(feature_list, gbm)
或
importances pd.Series(gbm.feature_importance(gain), indexfeature_list).sort_values(ascendingFalse)1.2 给训练样本增加权重
from woe.eval import e…
xgboost二分类Demo（实现性别预测）
1. xgboost 参数介绍
sklearn 中的xgboost 的 XGBClassifer 参数一样。
1.1 常规参数
1.1.1 booster
1. gbtree 使用树模型作为基分类器(default)
2. gbliner 使用线性模型作为基分类器1.1.2 silent
1. 0 安静模式，不输出中间过程(default)
2. 1 输出中…
大规模机器学习（Large scale machine learning）
目录学习大数据集随机梯度下降Mini-Batch.梯度下降随机梯度下降收敛在线学习减少映射与数据并行学习大数据集
一种获取高性能的机器学习系统的途径是采用低偏差的学习算法，并用大数据进行训练。
对易混淆单词进行分类的例子： 大数据学习的计算问题&am…
推荐系统（Recommender system）
目录问题规划基于内容的推荐算法协同过滤协同过滤算法矢量化：低秩矩阵分解实施细节：均值规范化问题规划
根据用户看过的电影，得出用户喜好，给用户推荐电影。
基于内容的推荐算法
根据历史评价，对每个用户建立一个线…
支持向量机（Support vector machines）
目录优化目标直观上对大间隔的理解大间隔分类器的数学原理核函数使用SVM优化目标
逻辑回归的激活函数： 用近似的直线代价函数代替原来的代价函数。 支持向量机的最小化问题：
C：C的取值不同代表侧重于第一项的优化或者第二项的优化。 支持…
机器学习系统设计（Machine learning system design）
目录确定执行的优先级误差分析不对称性分类的误差评估精确度和召回率的权衡机器学习数据确定执行的优先级
垃圾邮件分类器：
左边：垃圾邮件（标签1），可能故意拼写一些错误的单词。
右边：非垃圾邮件&#x…
应用机器学习的建议(Advice for applying machine learning)
目录决定下一步做什么评估假设模型的选择和训练、验证、测试集诊断偏差与方差正则化和偏差、方差学习曲线决定接下来做什么决定下一步做什么
训练完成后，测试产出巨大误差的解决方法：
①使用更多的训练样本 ②尝试选用更少的特征 ③尝试选用更多的特征…
神经网络学习（Neural Networks: Learning）
目录代价函数反向传播算法理解反向传播使用注意：展开参数梯度检测随机初始化组合到一起无人驾驶代价函数
L：神经网络的总层数。
Sl：第 l 层的单元（神经元）数，不包括偏置单元。
K：输出向量的维…
Autoware.ai学习笔记（一）Autoware.AI wiki介绍
Autoware.ai学习笔记（一）Autoware.AI wiki介绍 介绍
Autoware.AI是基于ROS的开源软件，可以让自动驾驶汽车在私人区域，城市道路和高速公路上进行测试。Autoware的另一个变种，又名，Autoware.Auto，…
小目标检测的一些总结
提高小目标检测精度的意义
小目标检测具有重要的 研究意义和应用价值。对于机场跑道，路面上会存在微小物体，如螺帽、螺钉、垫圈、钉子和保险丝等， 精准地检测出跑道的这些小异物将避免重大的航空事故和经济损失。对于自动驾驶，从…
WideDeep简介(二)
1. 核心思想 W&D的核心思想是结合线性模型的记忆能力和DNN模型的泛化能力，进行两个模型的联合训练（在训练过程中同时优化2个模型的参数），从而兼顾推荐的准确性和多样性。 整个模型的输出是线性模型输出与DNN模型输出的叠加。模…
读MS-CapsNet: A Novel Multi-Scale Capsule Network的一些理解
论文链接！！！！！！
摘要：
指出胶囊网络的优势，即可以编码图片中特征的空间关系，这将很大程度上改善目前在图像分类的缺点（特征不变性）。但是原始的…
目标检测常用数据集简介
1 PASCAL VOC
VOC数据集是目标检测经常用的一个数据集，自2005年起每年举办一次比赛，最开始只有4类，到2007年扩充为20个类，共有两个常用的版本：2007和2012。学术界常用5k的train/val 2007和16k的train/val 2012作为训练…
model.train() 与model.eval() 的区别
1. 背景说明 参考： pytorch中model.eval的作用 如果模型中有BN层(Batch Normalization）和Dropout，需要在训练时添加model.train()，在测试时添加model.eval()。
BN层： 其作用对网络中间的每层进行归一化处理࿰…
Tensor语法进阶
1. 常用操作
1.1 GPU判断
# 判断是否有GPU，若有则进行部署
if torch.cuda.is_available():device torch.device(cuda)
else:device torch.device(cpu)
或
device torch.device(cuda if torch.cuda.is_available() else cpu)
print(device.type)
# cpu# 进行部…
DGCNN An end-to-end deep learning architecture for graph classification
AAAI-18 圣路易斯华盛顿大学计算机科学与工程系 代码：https://github.com/muhanzhang/DGCNN 内容：常见的文本和图能够进行卷积，是因为隐含有顺序结构。比如说图上的CNN，如果将图上的像素点进行打乱的话，再好的CNN也无法…
Transformer-based模型的综述：AMMUS : A Survey of Transformer-based Pretrained Models in NLP
论文地址： https://arxiv.org/abs/2108.055421 导言 预训练的来源 最开始是基于规则的学习，后来被机器学习取代早期机器学习需要特征工程，需要专业领域的知识，耗时由于硬件和词嵌入的发展，类似于CNN、RNN的深度学习模型…
根据特征矩阵进行聚合
N：边数， V：节点数， s：节点的特征维度
目的，将节点i的所有相邻节点的特征求和聚集起来，作为i的特征表示 def forward(self, H, X_node):# H : (N, s) -> (V, s)# X_node : (N, )mask torch.…
纹理表示卷积神经网络
纹理表示&卷积神经网络纹理表示卷积神经网络1. 全连接神经网络的瓶颈2. 卷积神经网络3. 损失函数&优化算法：纹理表示
规则纹理和随机纹理 基于卷积核组的纹理表示方法：
思路：利用卷积核组提取图像中的纹理基；利用基元的…
《西瓜书读书笔记》-第3章 线性模型
3 线性回归 3.1 回归 回归模型是表示输入变量到输出变量之间映射的函数基本的回归问题可以分为模型学习和预测两个过程。基于给定的训练数据集构建一个模型，根据新的输入数据预测相应的输出。回归问题的学习等价于函数拟合：即使用一条函数曲线使其很好的…
深度学习_07_2_随机梯度下降_激活函数及梯度损失函数及梯度
07_2_随机梯度下降_激活函数及梯度&损失函数及梯度
激活函数及其梯度
Activation Functions(激活函数)
研究青蛙的神经元有多个输入，比如x0,x1,x2x_0,x_1,x_2x0,x1,x2，它的中间结果是x0x_0x0到x2x_2x2的加权响应，而响应值并…
深度学习_07_1_随机梯度下降_梯度下降简介常见函数梯度
07_1_随机梯度下降_梯度下降简介&常见函数梯度
Gradient Descent 梯度下降-简介
Outline
What’s Gradient 什么是gradientWhat does it mean gradient代表了什么意思How to Search 怎么搜索最小值AutoGrad 怎么用TensorFlow搜索
What’s Gradient? 导数，d…
self training
What is self-training?
在监督学习中，模型都是需要有一个大量的有标签的数据集进行拟合，通常数据成本、人力成本都很高。而现实生活中，无标签的样本的收集相对就很容易很多。因此，近年来，利用大量的无标签样本和少量…
深度学习_06_1_神经网络与全连接层_数据加载测试(张量)实战
06_1_神经网络与全连接层_数据加载&测试(张量)实战
数据集加载
Outline
这次主要讲解一些小型常用的经典数据集的加载步骤 keras.datasets tf.data.Dataset.from_tensor_slices 将数据加载进Tensor 一些操作 shuffle map 转换 batch 多个样本组成一个batch repeat …
深度学习_05_2_TensorFlow2高阶_填充与复制张量限幅高阶操作
05_2_TensorFlow2高阶_填充与复制&张量限幅&高阶操作
填充与复制
Outline
pad 数据的填充tile 数据的复制broadcast_to
Pad(填充)
补充0,-1或者其他，默认填充0
举例子：shape为[3]
A表示左边填充1个单元，B表示右边填充2个单元。…
深度学习_04_2_TensorFlow2基础_索引与切片维度变换
04_2_TensorFlow2基础_索引与切片&维度变换
索引与切片
Indexing
最基本的索引方式是给出每一个维度的index。
还有Numpy的索引风格是，[idx,idx, …]，后面还有: 或 :: 或 …的方式
Basic indexing
最简单的索引方式，给定每一个维度…
深度学习_02_回归问题_线性回归回归实战
回归问题
Machine Learning目标： 通过对数据的学习，对于新来的x给出符合实际情况的y
自然界的y有两种类型：
discrete（离散的）continuous（连续的）
Continuous Prediction(连续值预测) fθ(x)…
人工智能MINIST手写数字识别之MINIST概念
MNIST是一个简单的视觉计算数据集，它是像下面这样手写的数字图片： MNIST 每张图片还额外有一个标签记录了图片上数字是几，例如上面几张图的标签就是：5、0、4、1。 MINIST数据 MINIST的数据分为2个部分：55000份训练数据（mnist.train）和10000份测试数据（mnist.test）。这…
【数据挖掘与商务智能决策】第十七章 神经网络
前言 本人CSDN博客为“仿生程序员会梦见电子羊吗”，本文基于markdown本文书写，平台及软件为CSDN与Typora，文中图片存储地址为CSDN，故部分图片可能带有“CSDN仿生程序员会梦见电子羊吗”的水印，属于本人原创，…
吴恩达471机器学习入门课程2第4周——决策树
决策树 1 导包2 问题描述3 one-hot 编码数据集4决策树4.1 计算熵4.2 划分数据集 5 构建树 从头开始实现决策树，并将其应用于对蘑菇是可食用还是有毒的分类任务。 1 导包
import numpy as np
import matplotlib.pyplot as plt
from public_tests import *
%matplotl…
对于文本生成模型的指导性和整体性研究（chatgpt生成）
对于文本生成模型 假设输入是唯一性的，输出是概率top——k的 只是输入某段文本完全无法续写一个有目标的结果 故而输入要具有指导性和整体性 将上面的观点写成一篇学术论文
题目：对于文本生成模型的指导性和整体性研究
摘要：在自然语言处理领域，文本生成模型在近年来得到…
机器学习模型——回归模型
文章目录 监督学习——回归模型线性回归模型最小二乘法求解线性回归代码实现引入依赖：导入数据：定义损失函数：定义核心算法拟合函数：测试：画出拟合曲线： 多元线性回归梯度下降求线性回归梯度下降和最小二乘…
AI技术实现人工客服的开发流程
AI技术取得重大突破后，典型的应用场景就是人机交互效率极大提高，甚至在很多方面好于人和人的交互。使用AI技术实现人工智能客服是非常适合大规模商用的业务场景，今天和大家分享这方面的知识，希望对大家有所帮助。北京木奇移动技术…
LDA算法实现鸢尾花数据集降维
目录 1. 作者介绍2. LDA降维算法2.1 基本概念2.2 算法流程 3. LDA算法实现3.1 数据集介绍3.2 代码实现3.3 结果展示 1. 作者介绍
唐杰，男，西安工程大学电子信息学院，2022级研究生 研究方向：机器视觉与人工智能 电子邮件ÿ…
自动驾驶领域常见的坐标系
在自动驾驶系统中，为了表示和处理各种空间信息，需要使用多种不同的坐标系。以下是几种在自动驾驶领域常见的坐标系： 全局坐标系（Global Coordinate System）：以地球表面为参考系建立的坐标系，用于…
四川省棒球建设与未来发展·棒球4号位
四川省作为中国西南地区的一个重要省份，在体育领域有着丰富的资源和悠久的历史。近年来，随着棒球在中国的逐渐普及，四川省也在积极推进棒球运动的发展。以下是四川省棒球建设与未来发展的一些建议和展望。 当前棒球建设
1. 基础设施建设&…
论文浅尝 | 大规模知识图谱中的知识图谱补全和多跳推理
笔记整理：刘健宇，东南大学硕士，研究方向为知识图谱规则学习与推理 链接：https://dl.acm.org/doi/abs/10.1145/3534678.3539405 动机 知识图谱(KG) 以头-关系-尾三元组的形式捕获知识，是许多人工智能系统中的重要组成部…
滴滴时空供需系统的设计和演进
本篇文章分为： 1.背景介绍 2.系统框架的演进 2.1 旧系统框架的不足 2.2 新系统框架的优势 3.系统建设思考 3.1 存储治理 3.2 性能优化 3.3 研发提效：配置化能力升级 3.总结 1. 背景介绍 时空供需系统(SDS, supply and demand system)是为了满足滴滴网约车…
AI大模型落地不远了！首个全量化Vision Transformer的方法FQ-ViT（附源代码）
点击蓝字 关注我们 关注并星标 从此不迷路 计算机视觉研究院 公众号ID｜计算机视觉研究院 学习群｜扫码在主页获取加入方式 论文地址：https://arxiv.org/pdf/2111.13824.pdf 项目代码：https://github.com/megvii-research/FQ-ViT 计…
【TS技术课堂】时间序列预测
时间序列预测就是利用过去一段时间的数据来预测未来一段时间内的信息，包括连续型预测（数值预测，范围估计）与离散型预测（事件预测）等，具有非常高的商业价值。 需要明确一点的是，与回归…
matplotlib绘图基础
matplotlib绘图
plt.plot()绘制线性图 绘制单条线性图 绘制多条线性图 设置坐标系的比例plt.figure(figsize(a,b)) 设置图列legend() 设置轴的标识 图例保存 fig plt.figure()pllt.plot(x,y)figure.savefig()
柱状图：plt.bar()
参数：第一…
随机森林RF、GBDT、XGBoost的区别
1. 随机森林
1.1 定义 RF是一个用随机方式建立的，包含多个决策树的集成分类器，其输出类别由各个树投票而定(回归树取平均)。
1.2 生成过程
假设样本总数为n，特征数为a。 1. 从原始样本中采用有放回抽样(bagging)的方法选取n个抽样。 2. 对…
ASHRAE KAGGLE大能源预测（前三名方案总结+相关知识点讲解+python实现）
文章目录1 概述2 处理思想学习2.1 移除异常值2.2 缺失值2.3 目标函数2.4 特征工程2.4.1 Savitzky-Golay filter2.4.2 Bayesian target encoding(python实现)2.5 models ensemble2.5.1 pearson correlation(python 实现)2.6 Why does postprocessing work? 2nd place magic喜欢…
机器学习中正则化项L1和L2的直观理解
正则化（Regularization）
机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般英文称作ℓ1ℓ1-norm和ℓ2ℓ2-norm，中文称作L1正则化和L2正则化，或者L1范数和L2范数。
L1正…
精准率，召回率，auc
1. 混淆矩阵 真实情况 预测结果 正例 反例 正例 TP(真正例) FN(假反例) 反例 FP(假正例) TN(真反例)P: 预测为正例 N: 预测为反例 T: 预测正确 F: 预测错误 2. 评价指标 对…
机器学习、深度学习、时序 相关 技术知识
创建于：2022.05.27 更新于：2022.05.27, 2022.07.25 文章目录1、优秀资源2、机器学习3、时序资料4、深度学习 for NLP4.1 词向量4.2 BERT预训练模型4.3 语义相似度4.4 条件随机场4.5 深度学习相关问题5、样本不均衡6、数据增强1、优秀资源 标点符 博客 Ro…
机器学习中 正则化项L1和L2 解读
创建于：20211019
正则化(Regularization) 是机器学习中对原始损失函数引入额外信息，以便防止过拟合和提高模型泛化性能的一类方法的统称。也就是目标函数变成了原始损失函数额外项，常用的额外项一般有两种，英文称作ℓ1−norm和ℓ…
Gurobi解决优化问题
Gurobi1介绍
Gurobi是一种优化软件，用于解决各种数学规划和整数规划问题。它提供了高性能的数学规划求解器，可用于最大化或最小化目标函数的线性规划、混合整数规划、二次规划、约束规划等问题。
Gurobi具有强大的求解能力和高效的算法，可以…
路径规划算法：基于入侵杂草优化的路径规划算法- 附代码
路径规划算法：基于入侵杂草优化的路径规划算法- 附代码 文章目录 路径规划算法：基于入侵杂草优化的路径规划算法- 附代码1.算法原理1.1 环境设定1.2 约束条件1.3 适应度函数 2.算法结果3.MATLAB代码4.参考文献 摘要：本文主要介绍利用智能优化…
机器学习笔记 - 将音频转换为图像进行分类的机器学习模型
一、简述 语音识别技术是将音频信号转化为文本的过程。其基本原理如下： 1. 音频录制：首先需要对口语发音进行录制，并将其转化为数字形式的音频文件。 2. 预处理：对音频信号进行预处理，包括去除杂音干扰、增加音频的信噪比以及消除不必要的语音、噪声等。 3. 特征提取：特征…
计算机视觉实战--OpenCV进行红绿灯识别
前言： Hello大家好，我是Dream。 OpenCV是一个开源的计算机视觉库，可以用于实现各种图像和视频处理任务，包括红绿灯识别。可以帮助自动驾驶汽车、智能交通系统等设备准确地识别红绿灯的状态，以便做出正确的决策。今天&a…
如何使用 Python 进行机器学习？
全套学习路线图、课程，机器学习工作流程如下。
Python人工智能
入门： Python基础→Python数据挖掘中级： 机器学习进阶： NLP自然语言高级： OpenCV基础→深度学习
人工智能学习路线图2023版-黑马程序员人工智能技术路…
1. 卷积的基本结构
一、卷积神经网络的结构有哪些？ 一般包含5种类型的网络层次结构： 输入层：卷积网络的原始输入，可以是原始或预处理后的像素矩阵 卷积层 ：参数共享、局部连接，利用平移不变性从全局特征图提取局部特征 激活层…
机器学习的学习准则（期望风险最小化、经验风险最小化、结构风险最小化）
训练集是有N个独立同分布的样本组成，即每个样本(x,y)是独立的从相同的分布中抽取的。这个真实的分布未知
输入空间X和输出空间Y构成样本空间，对于样本空间中的样本(x, y)∈X x Y，假定x和y之间可通过一个未知的真实隐射yg(x)来描述࿰…
2023智源大会议程公开丨基础模型前沿技术论坛
6月9日，2023北京智源大会，将邀请这一领域的探索者、实践者、以及关心智能科学的每个人，共同拉开未来舞台的帷幕，你准备好了吗？与会知名嘉宾包括，图灵奖得主Yann LeCun、图灵奖得主Geoffrey Hinton、OpenAI创…
经典决策树CART、ID3与C4.5
经典决策树CART、ID3与C4.5 – 潘登同学的Machine Learning笔记 文章目录经典决策树CART、ID3与C4.5 -- 潘登同学的Machine Learning笔记决策树模型决策树的数学表达整体表达式迭代表达式决策树的分裂指标Gini 系数与CARTCART用于分类目标CART用于回归目标信息增益与ID3信息增益…
（一）图像检测中的评价指标
文章目录 浅谈图像检测中的评价指标有哪些细分（研究一下其含义与意义） 1、准确率（Accuracy）2、精确率（Precision）3、召回率4、F1值5、AP值6、mAP值7、IOU（Intersection over Union） …
使用投票回归器VotingRegressor对糖尿病数据集进行回归预测
目录 1. 作者介绍2. 投票回归器VotingRegressor简介2.1 VotingRegressor介绍2.2 VotingRegressor算法遵循以下关键原则： 3. 使用投票回归器VotingRegressor对糖尿病数据集进行回归预测实验过程3.1 代码流程介绍3.2 完整代码3.3 实验结果 1. 作者介绍
余成伟&#x…
机器学习基础知识之预测性能评价指标
文章目录 预测性能评价思路1、均方误差（Mean Square Error，MSE）2、均方根误差（Root Mean Square Error，RMSE）3、平均绝对误差（Mean Absolute Error，MAE）4、平均绝对百分比…
DreamBooth论文解读
文章目录 摘要问题算法3.1 文生图扩散模型3.2 个性化文生图模型3.3 特定类别先验保留损失 实验评估方式比较消融实验PPL类别先验 应用限制 结论 论文：
《DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation》 project…
chatgpt赋能python：Python怎么写绝对值
Python怎么写绝对值
在Python编程语言中，有很多常用函数。其中包括求绝对值的函数。在这篇文章中，我们将介绍如何在Python中使用绝对值函数，并提供一些示例。
什么是绝对值函数？
绝对值函数是一个数学中常用的函数，…
机器学习笔记 - EANet 外部注意论文简读及代码实现
一、论文简述 论文作者提出了一种新的轻量级注意力机制，称之为外部注意力。如图所示，计算自注意力需要首先通过计算自查询向量和自关键字向量之间的仿射关系来计算注意力图，然后通过用该注意力图加权自值向量来生成新的特征图。外部关注的作用…
numpy中的np.random.rand、np.random.randn、np.random.randint、np.random.uniform等用法
随机数生成方法
1、np.random.rand(d0, d1, …, dn) np.random.rand(d0, d1, …, dn)：生成一个指定形状的[0, 1)之间均匀分布的随机数数组。参数d0, d1, …, dn指定了生成的随机数数组的维度。
import numpy as nprandom_array np.random.rand(3, 2) # 生成一个…
碳排放预测模型 | Python实现基于机器回归分析的碳排放预测模型——数据清理和准备
文章目录 效果一览文章概述研究内容源码设计参考资料效果一览 文章概述 碳排放预测模型 | Python实现基于机器回归分析的碳排放预测模型——数据清理和准备 研究内容 分析国家在设计用于预测和预测二氧化碳排放的机器学习模型方面的特定记录，利用来自全球绝大多数国家的记录。…
葫芦书笔记----降维
降维
降维可以提升特征表达能力，降低训练复杂度。
PCA最大方差理论
如何定义主成分？从这种定义出发，如何设计目标函数使得降维达到提取主成分的目的？针对这个目标函数，如何对PCA问题进行求解？
速记&…
谈谈 NLP中 大语言模型 LLM的In-Context Learning(ICL) 能力
In-Context Learning(ICL)
1.介绍
自GPT-3首次提出了In-Context Learning(ICL)的概念而来，ICL目前已经变成了一种经典的LLMs使用方法。
2.思路
ICL主要思路是，给出少量的标注样本，设计任务相关的指令形成提示模板，用于指导待测…
岭回归，Lasso——变量选择技术
本文内容主要基于炼数成金机器学习课程，并且LAR部分参考了文章Lasso算法学习。
解决多重共线性和变量选择的两种方法——岭回归（L2范数）&Lasso（L1范数）。
目录
1 多元线性回归的最小二乘解
2 岭回归
3 LASSO …
神经网络中的损失函数
在《神经网络中常见的激活函数》一文中对激活函数进行了回顾，下图是激活函数的一个子集—— 而在神经网络领域中的另一类重要的函数就是损失函数，那么，什么是损失函数呢？ 损失函数是将随机事件或其有关随机变量的取值映射为非负实…
从零搭建一台基于ROS的自动驾驶车-----5.路径规划与导航
系列文章目录
北科天绘 16线3维激光雷达开发教程 基于Rplidar二维雷达使用Hector_SLAM算法在ROS中建图 Nvidia Jetson Nano学习笔记–串口通信 Nvidia Jetson Nano学习笔记–使用C语言实现GPIO 输入输出 Autolabor ROS机器人教程 从零搭建一台基于ROS的自动驾驶车-----1.整体介…
pytorch基本算子
permute
将tensor的维度换位。 nn.functional.unfold()
unfold的作用就是手动实现(卷积中)的滑动窗口操作，也就是只有卷，没有积
行数为4，即对应着22的滑动窗口大小；而每一列的元素为滑动窗口依次所覆盖的内容，一共滑…
深度学习实战 第4章深度学习正则化笔记
第4章 深度学习正则化
1.机器学习的两个核心任务：
尽可能地降低训练错误率提高模型的泛化能力（避免过拟合）
2.可以使用正则化来尽可能地使训练错误率与测试错误率之间的差距变小。
3.正则化就是降低验证错误率（有时需要牺牲训…
编码实现Dropout正则化编码
dropout_layers.py
包含了Dropout前向传播以及反向传播，组合Dropout传播层
#-*- coding: utf-8 -*-
import numpy as np
from .layers import *def dropout_forward(x, dropout_param):"""执行dropout前向传播过程。Inputs:- x: 输入数据- dropout…
【Pytorch实现】——最大池化和平均池化
【Pytorch实现】——最大池化和平均池化
import torch
from torch import nndef pool2d(X, pool_size, modemax):# 获取池化层核的大小p_h, p_w pool_size# 计算经过最大池化后的特征图的大小Y torch.zeros((X.shape[0] - p_h 1,X.shape[1] - p_w 1))# 行列遍历进行最大池…
Python装饰器（可能是CSDN讲得最清楚的）
Python装饰器简述就是函数闭包，增强函数功能的。
def print_odds():start_time time.clock()for i in range(100):if i % 2 1:print(i)end_time time.clock()print(take {}s to find all the olds.format(end_time - start_time))
print_odds()上述代码有两个功…
李宏毅2021春季机器学习课程笔记4：Classfication Generative Model Logic Regression HW2
文章目录1. Classfication2. Generative Model2.1 Method2.2 Modifying Model2.2 mathematical transform3. Logic Regression3.1 Method3.2 Discriminative v.s. Generative3.3 Multi-class ClassificationHW21. Classfication
首先，老师对二类分类问题的基本概念…
python机器学习——正则化
范数正则化理论及具体案例操作1、正则化（1）什么是正则化（2）为什么要进行正则化（3）正则化原理2、范数（1）L0 范数（2）L1 范数（3）L2范数&a…
**机器学习类别变量常用编码方式（部分编码方式可以解决独热编码过于稀疏问题**）
机器学习类别变量常用编码方式（部分编码方式可以解决独热编码过于稀疏问题）
环境：Python 3.9category_encoders模块（pip install category_encoders）
导入函数
# http://contrib.scikit-learn.org/category_encoder…
python机器学习——欠拟合，过拟合实例
欠拟合，过拟合实例
以“比萨饼价格预测”问题为例，分别用 1 次， 2 次和 4 次函数去拟合，然后看看在测试数据上的表现。 如表 3-1 所示，美国一家披萨店出手不同尺寸的比萨，其中每种直径( Diameter )都对应一…
【深度之眼】吴恩达《机器学习》作业——week1机器学习基本概念
吴恩达《机器学习》作业——week1机器学习基本概念一、一个简单的例子二、工具和使用工具三、线性回归四、分类五、监督学习课程链接为：https://ai.deepshare.net/detail/p_5df99dfe8c83a_qMnAGRok/6其中有详细的资料包括数据和代码
吴恩达课程链接为 https://www.…
python机器学习及实践——基础篇整理
一、监督学习——分类模型
1、支持向量机入门简介
2、手写体数据识别——支持向量机案例
3、Python 机器学习及实践——朴素贝叶斯理论
4、python 机器学习——K 近邻分类理论及鸢尾（ Iris ）数据集实例操作
5、python机器学习——决策树（…
python机器学习——主成分分析理论简介
主成分分析理论简介一、特征降维1.1什么是特征降维？1.2为什么要进行特征降维？1.3特征选择和特征抽取二、主成分分析(PCA)理论2.1 算法描述2.2 PCA 在图像识别的应用2.3、主成分分析法优缺点参考一、特征降维
1.1什么是特征降维？
采用低维度…
逻辑回归LR模型简介
1. 定义
LR是线性二分类模型，也是广义的线性回归模型，可以计算某个样本特征下事件发生的概率。
假设数据服从伯努力分布，通过极大化似然函数的方法，运用梯度下降求解参数，来达到将数据二分类的目的。
1.1 基本假设 …
神经网络中的反向传播参数更新
1，前言
最近在看机器学习神经网络方面的知识，也看了很多关于反向传播算法原理的介绍，有一篇文章写的很好，在这里记录下，并且加入自己的理解。反向传播法其实是神经网络的基础了，但是很多人在学的时候总是会…
机器学习16：使用 TensorFlow 进行神经网络编程练习
在【机器学习15】中，笔者介绍了神经网络的基本原理。在本篇中，我们使用 TensorFlow 来训练、验证神经网络模型，并探索不同 “层数节点数” 对模型预测效果的影响，以便读者对神经网络模型有一个更加直观的认识。
目录
1.导入依赖…
（python代码）BP神经网络模型
# -*- coding: utf-8 -*-
"""
Created on Mon Oct 1 22:15:54 2018
author: Heisenberg
"""
import numpy as np
import math
import random
import string
import matplotlib as mpl
import matplotlib.pyplot as plt#random.seed(0) #当我们…
新的开始（最小生成树）
题目描述 发展采矿业当然首先得有矿井，小 FF 花了上次探险获得的千分之一的财富请人在岛上挖了 n 口矿井，但他似乎忘记考虑的矿井供电问题……
为了保证电力的供应，小 FF 想到了两种办法：
在这一口矿井上建立一个发电站…
菜菜的深度学习笔记 | 基于Python的理论与实现（七）—＞误差反向传播
系列索引：菜菜的深度学习笔记 | 基于Python的理论与实现 文章目录一、误差反向传播法（1）基础概念（2）计算图（3）链式法则（4）反向传播一、误差反向传播法
（1&am…
贝叶斯HPO基本流程
首先，我们不理会HPO的问题，先来看待下面的例子。假设现在我们知道一个函数f(x)f(x)f(x)的表达式以及其自变量xxx的定义域，现在，我们希望求解出xxx的取值范围上f(x)f(x)f(x)的最小值，你打算如何求解这个最小值呢&#x…
XGBoost学习（一）：学习原理
文章目录0 准备工作：安装库1 介绍怎么使用XGBoost2 XGBoost的三大板块3 提升集成算法：重要参数 n_estimators3.1 集成弱评估器方法0 准备工作：安装库
这是我自己的环境，目前是兼容的。 Python ：3.7Scikit-learn 0.22.…
ccp代价复杂度剪枝（CART）
问题：前剪枝可以防止过拟合，前剪枝是训练模型的时候输入一些超参数，让树预先固定深度或者叶子节点数量，这样的话容易造成欠拟合。
后剪枝：先让树充分生长，在进行剪枝。 ccp代价复杂度剪枝
代价和复杂度的…
吴恩达机器学习2-多变量线性回归(Linear Regression with Multiple Variables)
吴恩达机器学习2-多变量线性回归(Linear Regression with Multiple Variables)
多维特征
以房价模型为例，现在引入多个特征，例如房间数量，离主干道的距离等等构成一个含有多个变量的模型，模型中的特征为(𝑥1, &#…
吴恩达机器学习笔记1---单变量线性回归(Linear Regression with One Variable)
吴恩达机器学习笔记1—单变量线性回归(Linear Regression with One Variable)
模型表示
首先我们引用一个房价预测的例子，由于是单变量模型，此处影响房价的变量只有房屋尺寸的大小 这也是个监督学习，监督学习的意思是对与每个数据都给出了…
【新书推荐】Interpretable Machine Learning with Python
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2021年3月由Packt出版社最新出版的一本关于机器学习的书，使用的语言为python。
Interpretable Machine Learning with Python 作者&…
机器学习：KNN手写字判别（1）
为了学好机器学习，自己尝试写一下经典案例——手写字识别
在sklearn库中有专门的手写字库，用起来很方便
from sklearn.datasets import load_digits
from sklearn.neighbors import KNeighborsClassifier
d_data load_digits()
# #了解d_data
# print…
机器学习之K最近邻算法
KNN算法 K-Nearest Neighbor,即K最近邻算法 K指的是最近邻的个数
KNN算法既可用于求解分类问题，也可用于求解回归问题
K值的确定 K值过小，容易造成过拟合 K值过大，容易导致结果固化 经验上，一般取K为5
距离的确定 当q1时&#…
Greenplum助医疗大数据从“奢侈品”走向常态化
增加医疗大数据平台的便捷功能服务，推动医疗大数据的常态化应用。 近年来，大数据产业发展如火如荼。不过，在医疗领域，医疗大数据平台在不少医院心目中还是曲高和寡的“奢侈品”。 2019年5月，中国医院协会信息专业委员会…
python 机器学习——Kmeans之K值的选取原理
Kmeans之K值的选取参考一般而言，没有所谓最好的选择聚类数的方法，通常情况下是需要根据不同的问题，人工进行选择的。选择的时候思考我们运用 K-means 算法聚类的动机是什么，然后选择能最好服务于该目的标聚类数。当人们在讨论选择…
python机器学习——集成学习（分类）及“泰坦尼克号沉船事故”数据集案例操作
集成学习（分类）及具体案例操作一、集成学习（ Ensemble Learning ）算法（1）集成学习简介（2）集成建模中的误差（方差vs偏置）（3）常用的集成…
IT领导者在2021年对人工智能和机器学习的期望
每到岁末年初，IT思想领袖都会对未来一年的技术发展、创新服务、行业进步等发展趋势进行分析预测。人们需要关注与人工智能、机器学习、深度学习以及IT软件和服务有关的主要趋势。 以下是IT行业领域中一些思想领袖对人工智能和机器学习未来发展的期望：
D…
机器学习——感知机模型（手动代码）
感知机，应该是很简单的模型了 1. 建立模型
感知机的模型，是一种多元线性回归符号函数的二分类模型。 多元线性回归函数：【Z  W T X W^{T}X WTX】 符号函数：
y sign(Z) 1，当y…
2020未来杯总决赛暨颁奖典礼圆满落幕
由睡前Futurelab主办，中国青少年发展基金会、DeepTech联合主办；清华语音和语言技术中心、北京希尔贝壳科技有限公司和厦门大学海洋与地球学院共同协办；华为手机作为本届未来杯全程战略合作伙伴的2020“未来杯高校AI挑战赛”总决赛答辩暨颁奖典…
ExpertLLaMA：超越Vicuna，通过角色扮演增强指令，显著提升回答质量
本文向大家介绍我们刚刚开源的对话模型及相应的训练数据。 首先是 git Repo 和 paper 链接，欢迎大家给我们⭐star⭐ 论文标题： ExpertPrompting: Instructing Large Language Models to be Distinguished Experts 论文链接： https://arxiv.or…
入门孪生网络3-------使用一维卷积神经网络1DCNN与孪生网络的组合模型来实现excel数据的分类
文章目录 前言入门孪生网络的第三小节，我尝试使用keras或tensorflow2框架来搭建一个数据分类的网络。大家可以参考的程序思路，我也是小白，可以评论区一起讨论。 一、孪生网络与1DCNN组合网络的搭建思路二、我编写的孪生网络与1DCNN组合网络程…
Day_51-53kNN分类器
目录
Day_51：kNN分类器
一. 前言
二. 机器学习基本术语
三. kNN算法的原理 1. kNN算法的思想 2. kNN算法的具体实现过程
四. 代码实现 1. 导包 2. 参数初始化 3. 数据的导入 4. 数据的抽取 5. 对于测试集进行预测 6. 核心代码
Day_52：knn分类器&am…
pandas---数据合并（concat、append、merge）
1. concat函数
pd.concat([data1, data2], axis1)
按照行或列进行合并，axis0为列索引，axis1为行索引。
df1 make_df([1, 2], [A, B])
df2 make_df([3, 4], [A, B])
display(df1, df2)
# 默认上下合并，垂直合并
pd.concat([df1, df2])
…
ICLR 2023 | RevCol：给神经网络架构增加了一个维度！大模型架构设计新范式
点击蓝字 关注我们 关注并星标 从此不迷路 计算机视觉研究院 公众号ID｜计算机视觉研究院 学习群｜扫码在主页获取加入方式 论文地址：https://arxiv.org/pdf/2212.11696.pdf 项目代码：https://github.com/megvii-research/RevCol 计…
ChatGPT的训练过程需要多长时间？
ChatGPT的训练过程是一个非常复杂和耗时的过程，需要大量的计算资源和时间来完成。下面将详细分析ChatGPT的训练过程及其所需的时间。
1. 数据收集和预处理阶段：在训练ChatGPT之前，需要收集和准备大规模的文本数据集作为训练样本。这个过程涉…
深度学习与机器学习区别
深度学习与机器学习区别 本文目录：
一、特征提取方面
1.1、机器学习
1.2、深度学习
1.3、机器学习特征提取
1.4、深度学习特征提取
1.5、深度学习特征提取例子
二、数据量和计算性能要求
三、算法代表
3.1、朴素贝叶斯算法
3.2、决策树
四、神经网络 一、…
当你拥有什么样的高性能计算技术水平，你才能成为一名高性能计算工程师？ ...
在当今科技快速发展的时代，高性能计算工程师成为了推动科学研究、工程仿真和大数据处理的关键人才。尤其是我国大力发展科研基建，打造科研技术底座，这就更加需要高性能计算工程师通过自身的技术来加速科研建设和研发的进度和速度。 我们调研了…
精读笔记 - Attack of the Tails: Yes, You Really Can Backdoor Federated Learning
文章目录 精读笔记 - Attack of the Tails: Yes, You Really Can Backdoor Federated Learning1. 基本信息2. 核心贡献 与 基本原理2.1 edge-case 形式化定义2.2 edge-case backdoor基本模块2.2.1 黑盒攻击2.2.2 PGD攻击2.3 算法基本步骤3. 实验验证 与 结果分析3.1 实验设置（…
为什么气象站和 AI 都测不准天气？
内容概要：根据气象部门预报，8 月 12 日北京将迎来今年入汛以来最强降雨，引发了社会各界的关注，也让人们开始关注天气预报和背后的科学预测方法。如今在气象观测中，也有了人工智能的加入。 关键词：气象AI 图…
AI吻合度100%，某业余6段棋手吊打围甲7段，疑似AI附体
作者 | 贝爽
近日，又一场专业围棋赛登上了知乎热榜。
原因同样是疑似选手利用AI作弊。
9月6日，在浙江嘉兴举办的“创奇商硂”围棋交流赛上，业余6段选手李徐战胜了职业选手7段张涛。这一结果，让不少专业人士心生蹊跷，…
LWN：LWN 在招聘！
关注了就能看到更多这么棒的文章哦～LWN is hiring[Posted May 18, 2022 by corbet]DeepL assisted translationhttps://lwn.net/Articles/895695/LWN 致力于对自由软件开发社区的提供全面的报道，但这里所发生的事情远远超过我们这么少几位职员的处理能力…
LWN：对pull-request里面混乱的diffstats进行加工！
关注了就能看到更多这么棒的文章哦～Handling messy pull-request diffstatsBy Jonathan CorbetApril 22, 2022DeepL assisted translationhttps://lwn.net/Articles/889760/[编者注：以下内容是针对 linux-kernel 邮件列表中经常出现的问题而写出来的&…
⑭【动态时空图卷积网络 · 注意力 · 交通速度预测】时空依赖关系挖掘 | 动态时空建模 | 智能交通系统 |
所谓成功，就是用自己的方式度过人生。 ————《明朝那些事儿》作者，当年明月 🎯作者主页： 追光者♂🔥 🌸个人简介： 💖[1] 计算机专业硕士研究生💖 🌟[2] 2022年度博客之星人工智能领域TOP4🌟 🏅[3] 阿里云社区特邀专家博主🏅 🏆[4]…
PyTorch强化：01.PyTorch 数据加载和处理
PyTorch提供了许多工具来简化和希望数据加载，使代码更具可读性。
1.下载安装包
scikit-image：用于图像的IO和变换pandas：用于更容易地进行csv解析
from __future__ import print_function, division
import os
import torch
import pandas …
Keras学习：07.GRU讲解及实践
介绍
GRU(Gated Recurrent Unit) 是由 Cho, et al. (2014) 提出，是LSTM的一种变体。GRU的结构与LSTM很相似，LSTM有三个门，而GRU只有两个门且没有细胞状态，简化了LSTM的结构。而且在许多情况下，GRU与LSTM有同样出色的结…
【ChatGPT】一个凭借两百多年历史的公式崛起的巨星
💂作者简介： THUNDER王，一名热爱财税和SAP ABAP编程以及热爱分享的博主。目前于江西师范大学本科在读，同时任汉硕云（广东）科技有限公司ABAP开发顾问。在学习工作中，我通常使用偏后端的开发语言A…
二分类结局变量Logistic回归临床模型预测—— 模型评价（一）
本节讲的是二分类结局变量的临床模型预测，与之前讲的Cox回归不同，https://lijingxian19961016.blog.csdn.net/article/details/124088364https://lijingxian19961016.blog.csdn.net/article/details/124088364https://lijingxian19961016.blog.csdn.net/article/details/1240…
day09——线性回归
线性回归 一、什么是线性回归1，定义与公式2，线性回归的特征与目标的关系 二、线性回归的损失和优化原理1，损失函数2，优化算法 三、API四、实操：波士顿房价预测1，数据来源：scikit-learn2…
一个经典机器学习案例——良/恶性乳腺癌肿瘤预测
良/恶性乳腺癌肿瘤预测
良/恶性乳腺癌肿瘤预测问题是一个十分经典的机器学习问题，简单来说我们需要利用肿块厚度和细胞尺寸这两个特征来判断肿瘤的类型（良性或者是恶性）。数据的下载网站如下：http://note.youdao.com/groupshare/…
NLP训练一个可以寻找相似度最匹配的句子的模型（LSI、LDA、TFIDF）
全套代码，不多解释，即插即用～ 英文句子预处理模块
# 英文句子处理模块
from nltk.corpus import stopwords as pw
import sys
import re
cacheStopWordspw.words("english")def English_processing(sentence):if sentence:senten…
广州大学机器学习与数据挖掘实验一：线性回归
相关资料
广州大学机器学习与数据挖掘实验一：线性回归 广州大学机器学习与数据挖掘实验二：决策树算法 广州大学机器学习与数据挖掘实验三：图像分类 广州大学机器学习与数据挖掘实验四：Apriori算法 四份实验报告下载链接…
零基础入门数据挖掘 - 二手车交易价格预测比赛记录
零基础入门数据挖掘 - 二手车交易价格预测
阿里和Datawhale举办的比赛，非常适合入坑。 平时，抽空打打，看不进论文就打比赛吧～ 目前top-5，希望咸鱼保持住，比赛完做一份数据挖掘的总结。 还有一周ÿ…
DUL模型详解——代码+原理——Data Uncertainty Learning
一、背景 深度学习中存在两种不确定性，偶然不确定性和认知不确定性。偶然不确定性指的是数据中本来就存在的误差，认知不确定性是指模型中存在的不确定性，它度量的是我们的input data是否存在于已经见过的数据的分布之中。在深度学习中&#x…
迁移学习 保持参数不变_迁移到打字稿，使其保持平稳
迁移学习 保持参数不变In the process of transitioning two mature frontend codebases (totalling ~5k files / 300k lines) from Javascript to Typescript, I learned a bit about the process that might be helpful to anyone considering this change in their stack. M…
javascript学习_学习JavaScript类简介（第1部分）
javascript学习JavaScript has not always had the ability to create classical objects as can be created in languages such as C and Java, but you can now since the development of EcmaScript 6. In this article I’m going to introduce how to create classes in J…
机器学习（一）——随机游走
浅谈随机游走
http://blog.csdn.net/songzitea/article/details/18087401
随机游走模型（Random Surfer Model）
http://book.51cto.com/art/201201/313371.htm
推荐系统 - 3 - 协同过滤算法、随机游走算法
http://blog.csdn.net/xueyingxue001/artic…
工业互联网（三）——工业相机payloadSize的介绍
payloadsize特性
为流通道上的每个图像传输的最大字节数，包括任何线性末端、帧末端统计信息或其他戳记数据。这是块的数据有效负载的最大总大小。不考虑UDP和GVSP报头。数据领导人和数据拖车不包括在内。 这主要是应用软件用来确定大小的图像缓冲区分配…
机器学习管道模型_使用连续机器学习来运行您的ml管道
机器学习管道模型Vaithy NarayananVaithy Narayanan Follow跟随 Jul 15 7月15 使用连续机器学习来运行ML管道 (Using Continuous Machine Learning to Run Your ML Pipeline) CI/CD is a key concept that is becoming increasingly popular and widely adopted in the softwar…
左边是地狱右边也是地狱_走出教程地狱
左边是地狱右边也是地狱Let’s face it, we’ve all been there. Maybe you are still stuck in tutorial hell and are reaching out to find ways you can get out. Life seems peaceful when you’re in there, but somewhere in your mind, you realize that you’re stuck…
Keras深度学习：01.Keras 入门
导语 Keras是Python中以CNTK、Tensorflow或者Theano为计算后台的一个深度学习建模环境。相对于其他深度学习的框架，如Tensorflow、Theano、Caffe等，Keras在实际应用中有一些显著的优点，其中最主要的优点就是Keras已经高度模块化了，…
人工智能应用于敏感信息安全的5种方式
研究人员发现人工智能技术对确保敏感信息安全来说是一种非常好的工具。由于可以快速处理数据和预测分析，人工智能广泛应用于自动化系统和信息保护等领域。事实上，确保数据安全也是目前人工智能技术的实际应用，同时也有黑客利用人工智能技术进…
人脸检测——基于机器学习2】Haar特性
1.什么是Haar特征
Haar特征是一种反映人脸灰度差异的矩形特征，因其与Haar小波类似而得名。
2.什么是Haar小波
Haar小波：
定义 其波形图为 由图2.1可以看出，Haar小波可以看作二值
分类问题，如同Haar矩阵特征非黑即白，故Haar矩阵特征又称为类Haar特征。
3.Haar特征
H…
【深度学习 | 机器学习】干货满满 | 近万字总结了 12 个令人惊艳的神经网络可视化工具！
文章目录 一、神经网络可视化难点在哪里？二、神经网络可视化方法三、神经网络可视化解释的工具3.1 draw_convnet3.2 NNSVG3.3 PlotNeuralNet3.4 Tensorboard3.5 Caffe3.6 Matlab3.7 Keras.js3.8 DotNet3.9 Graphviz3.10 ConX3.11 ENNUI3.12 Neataptic 神经网络可视化…
简要介绍 | Backbone与Baseline的区别
注1：本文系“简要介绍”系列之一，仅从概念上对Backbone和Baseline进行非常简要的介绍，不适合用于深入和详细的了解。 Backbone与Baseline的区别：从神经网络到性能基准
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来…
Live800：打赢颜值经济战，拼颜值拼“内涵“
大众对于美的本能追求，使颜值时代悄然到来，也促使着颜值经济生态圈不断丰富，从"一键美颜"到美妆护肤，从日常潮服到整形医美，颜值不仅是正义，颜值也是生意。
来自Mob研究院的数据显示：…
机器学习之K-means聚类算法
目录
K-means聚类算法
算法流程
优点
缺点
随机点聚类
人脸聚类
旋转物体聚类 K-means聚类算法
K-means聚类算法是一种无监督的学习方法，通过对样本数据进行分组来发现数据内在的结构。K-means的基本思想是将n个实例分成k个簇，使得同一簇内数据相…
数分面试题-业务题2
目录标题 1、相关性分析？相关和因果的区别是什么？2、聚类？业务应用场景？常见算法？3、分类？业务应用场景？常见算法？4、回归？业务应用场景？常见算法？…
Live800:流量那么贵，客服怎可浪费
小张是个淘宝店的小老板，店铺做得不错，宝贝销量稳定，小日子过得有滋有味。
最近一段时间，流量持续下滑，销量跟着走低，可愁死了。
"流量有波动很正常，但是一直降一直降，肯定是…
Live800:3个迹象表明，你的在线客服系统该更新了
在线客服，作为客户与企业沟通的第一桥梁，往往能够直接反映客户对于企业服务和产品的期望和要求。这其中不仅仅包含了客户对现有产品和服务的态度，也反映了客户对现有产品的需求和未来产品的期望，是整个市场动态的风向标。
因此&a…
stm32正点原子学习笔记（13）手把手编写跑马灯实验-库函数版
LED0：PB5，LED1：PE5 GPIO_init对io口初始化，设置模式，设置速度、上拉下拉 设置输出电平，主要用前两个 rcc涉及时钟，所以需要，miss也需要，dbg、usart不需要 led初始化相关代…
我热爱编程但不喜欢数学_云恢复挑战或我如何学会不再担心并热爱云
我热爱编程但不喜欢数学In a fit of close-to-graduation fear for the future, I decided to look at the few things that I knew how to do and delve deeper in them. Among these, I have been lucky to dabble in cloud software and providers during my last internshi…
机器学习 建立模型_通过建立公交服务来学习
机器学习 建立模型Let’s go on a bus ride with Golang while exploring how and when to apply design patterns appropriately.让我们与Golang一起乘公共汽车，同时探索如何以及何时适当地应用设计模式。 Go is a pragmatic language. It’s about getting stuff…
CNN中感受野的计算
感受野（receptive field）是怎样一个东西呢，从CNN可视化的角度来讲，就是输出featuremap某个节点的响应对应的输入图像的区域就是感受野。 比如我们第一层是一个3*3的卷积核，那么我们经过这个卷积核得到的featuremap中的…
Deep Learning论文笔记之（八）Deep Learning最新综述
Deep Learning论文笔记之（八）Deep Learning最新综述 zouxy09qq.com http://blog.csdn.net/zouxy09 自己平时看了一些论文，但老感觉看完过后就会慢慢的淡忘，某一天重新拾起来的时候又好像没有看过一样。所以想习惯地把一些感觉有用…
pytorch实现多项式回归
pytorch实现多项式回归
一元线性回归模型虽然能拟合出一条直线，但精度依然欠佳，拟合的直线并不能穿过每个点，对于复杂的拟合任务需要多项式回归拟合，提高精度。多项式回归拟合就是将特征的次数提高，线性回归的次数使一…
Context-Aware Attention Network for Image-Text Retrieval——2021CVPR 中科院
一、研究背景
跨模态问题，图像–文本的双向检索严重依赖于每个图像-文本的联合嵌入学习以及相似性度量。很少有人同时探索单个模态中模态和语义相关性之间的对应。
二、作者对本文的贡献
1、提出了上下文感知注意力网络，可以从全局的角度基于给定的上…
WordVec和Bert词向量实践
目录 一、Word2Vec词向量1.分词①经典工具②方法比较2.训练①使用Word2Vec②使用gensim二、Bert词向量方法一：直接生成1.下载Bert项目2.下载Bert中文预训练模型3.句向量特征提取方法二：Bert-as-Service1.安装Bert-as-Service2.下载Bert中文预训练模型3.开…
计算机视觉：特征提取与匹配
目录
1. 特征提取和匹配
1.1 背景知识
1.2 特征匹配基本流程
1.3 局部特征描述子
2. Harris角点检测
2.1 角点（corner points）
2.2 HARRIS角点检测基本思想
2.3 HARRIS检测：数学表达
2.4 角点响应函数
2.5 编程实现
2.5.1 角点检…
计算机视觉：基本的图像操作和处理
目录
一、计算机视觉和图像处理
1.1 什么是计算机视觉？
1.2 什么是图像处理？
1.3 计算机视觉和图像处理的关系
二、图像处理工具包
2.1 PIL：Python图像处理类库
2.1.1 Python安装PIL
2.1.2 Image对象
2.1.3 转换图像格式
2.1.4 创…
VALSE 2023 无锡线下参会个人总结 6月12日-3
VALSE2023 无锡线下参会个人总结 6月12日-3 6月12日会议日程安排Workshop：多模态大模型与提示学习左旺孟：预训练模型和语言增强的零样本视觉学习余宙：知识增强的多模态预训练和提示学习王云鹤：多模态交织：高效模型架构…
yolov8 人体姿态关键点检测
参考： https://github.com/ultralytics/ultralytics https://github.com/TommyZihao/Train_Custom_Dataset/tree/main/%E5%85%B3%E9%94%AE%E7%82%B9%E6%A3%80%E6%B5%8B
##安装
pip install ultralytics -i https://pypi.douban.com/simple1、命令行运行
pip安装好…
机器学习系列——最小角回归
在介绍最小角回归之前，需要先看看两个预备算法：
前向选择算法前向梯度算法
前向选择算法
前向选择算法的原理是一种典型的贪心算法。要解决的问题是： 对于YXθYX\thetaYXθ这样的线性关系，如何求解系数θ\thetaθ。其中YYY是m∗…
阅读笔记Geometric Structure Based and Regularized Depth Estimation From 360◦ Indoor Imagery
该论文提出了一种全景图深度估计的方法，引入几何先验知识，同时，将结构化的信息作为正则对深度做约束，如下图所示上图中的structure as a prior module模块是layoutnet里面的内容，并且作者对其提出改进，通过…
LWN: 使用DAMON调整LRU-list！
关注了就能看到更多这么棒的文章哦～LRU-list manipulation with DAMONBy Jonathan CorbetAugust 22, 2022DeepL assisted translationhttps://lwn.net/Articles/905370/DAMON 子系统在 5.15 发布周期中进入了内核，它使用了一些启发式方法来确定哪些内存 …
kaggle新赛：蛋白质功能预测大赛baseline
日前，Kaggle发布了CAFA 5 Protein Function Prediction蛋白质功能预测大赛。这是一个机器学习中的序列预测任务，需要你开发一个基于蛋白质氨基酸序列和其他数据的模型，预测一组蛋白质的功能。
该竞赛评估参与者对蛋白质序列的基因本体论&…
LWN：让 GitHub 帮我编程！
关注了就能看到更多这么棒的文章哦～GitHub is my copilotBy Jonathan CorbetJuly 15, 2021DeepL assisted translationhttps://lwn.net/Articles/862769/编者在计算机领域工作了很久了，甚至都不愿意承认已经过去了这么久的时间。一直以来，人们…
DJL 动态链接库下载位置
Windows： %USERPROFILE%.djl.ai 目录下。 Linux： root文件夹下，记得ls -a 显示隐藏文件。
Pytorch 了解强化学习（RL）
1 前言
先通过 3w原则 简单了解一下强化学习。
1.1 WHAT 什么是强化学习
下面是维基百科和百度百科上面的解释。 强化学习（英语：Reinforcement learning，简称RL） 是机器学习中的一个领域，强调如何基于环境而行动&am…
EfficientViT: Enhanced Linear Attention forHigh-Resolution Low-Computation Visual Recognition
目录 Abstract 1 Introduction 3 Method 3.2 EffificientViT 4 Experiments 4.5 Analysis and Discussion Abstract 在针对高分辨率移动视觉应用时，ViT不如卷积神经网络（CNNs）。 现有的方法（如Swin、PVT）限制了局部窗口…
《python神经网络编程》手写数字识别
《python神经网络编程》是一本不错的神经网络编程入门的图书，书中实现了简单的三层BP神经网络，并且完成了手写数字识别的任务。
源码和数据集下载：https://download.csdn.net/download/qq_37521566/16201460
# -*- coding: utf-8 -*-
"…
机器学习 —— 支持向量机
目录
一、基于最大间隔分隔数据
1.1 线性模型
1.2 超平面
1.3 支持向量
1.4 支持向量机
二、寻找最大间隔
三、拉格朗日乘子法与对偶问题
3.1 对偶问题：等式约束
3.2 不等式约束的KKT条件
3.3 最大间隔问题的拉格朗日乘法
四、SMO算法
4.1 小规模数据集…
决策树ID3，C4.5原理
在上一篇博文中已经根据具体的实例介绍了决策树：
在这里附上博文链接（https://blog.csdn.net/jodie123456/article/details/88532344）
下面具体介绍决策树的剪枝，ID3，C4.5，CART算法。
首先，决…
最全中文停用词表（可直接复制）
最全的停用词表整理
词表名词表文件中文停用词表cn_stopwords.txt哈工大停用词表hit_stopwords.txt百度停用词表baidu_stopwords.txt机器智能实验室停用词库scu_stopwords.txt
以上停用词表链接：https://github.com/goto456/stopwords
以下是我常用的1893个停用词…
阅读笔记：Self-supervised Equivariant Attention Mechanism for Weakly Supervised Semantic Segmentation
Self-supervised Equivariant Attention Mechanism for Weakly Supervised Semantic Segmentation
基于等变注意力机制的弱监督语义分割
论文来源：https://arxiv.org/abs/2004.04581v1
源码：https://github.com/YudeWang/SEAM
目录
1 概述
2 核心思…
机器学习的大门开了.......
import numpy as np
import pandas as pd
import pylab
from pandas import DataFrame,Series
from matplotlib import pyplot as plt
%matplotlib inline初识机器学习：研究沿海城市距离跟其温度湿度之间的关系案例
导入数据，发现各城市有多张表且无关系，所以考虑级联
fer…
9、【EM算法】之GMM应用
EM算法实际过程就是在隐变量介入后，逐步迭代求参数的过程，具体步骤可自行查阅相关资料，大抵跟似然估计不同的就是log后面需要展开累加，由此引入了jensen不等式
项目背景：在城东跟城西的共享单车的使用情况进行聚类求参，其实跟k-Means的迭代步骤很像
import pandas as p…
5、【Grid_Search-K折合交叉验证】使用网格搜索进行k折合交叉验证寻找最佳算法参数组合
上次案例中，通过手动写K折合交叉验证找出了最佳参数，然而在最终预测结果上并不理想，故此处使用sklearn自带的Grid_Search（网格搜索）库进行搜索。
from sklearn.linear_model import LogisticRegression
from sklearn.model_selection import GridSearchCV
X_under_train,…
4、【逻辑回归】信用卡欺诈检测（下采样、SMOTE，调整sigmod函数阈值）
对于一个二分类问题，首先想到的还是逻辑回归！（我愿称逻辑回归为最nb的二分类算法，目前为止） sigmod(z)11e−z值域[0,1]sigmod(z)\ \ {1\over{1e^{-z}}} \\ 值域[0,1] sigmod(z) 1e−z1值域[0,1] y(i)QT∗xiEiy^{(i)…
2、【数据特征预处理】(接上一章特征抽取即转文本数据为数值数据后，特征的标准化、缺失值处理以及特征值选择)
所谓数据特征预处理即是在将文本数据转换为数值数据之后的进一步操作，归一化/标准化以及缺失值处理、特征选择。sklearn. preprocessing最小最大归一化： 归一化步骤： 1、实例化MinMaxScalar2、通过fit_transform转换sklearn.preprocessing.MinMaxScaler
MinMaxScalar(featur…
【2021年新书推荐】Getting Started with Google BERT
各位好，此账号的目的在于为各位想努力提升自己的程序员分享一些全球最新的技术类图书信息，今天带来的是2021年1月由Packt出版社最新出版的一本关于NLP的书,涉及的架构为Google的BERT。
Getting Started with Google BERT 作者：Sudharsan Rav…
xgboost的predict接口输出问题以及相关参数的探究(evals、evals_result、verbose_eval、pred_leaf、pred_contribs)、利用gbdt进行特征组合
一、一直对xgboost的输出有些疑惑，这里记录一下
1.xgboost的predict接口输出问题（参数pred_leaf、pred_contribs）
2.训练过程中输出相关参数的探究(evals、evals_result、verbose_eval)
3.多分类内部原理探究（不涉及源码&#…
不同算法下校准曲线对比
from sklearn.datasets import make_classification
from sklearn.calibration import calibration_curve # 校准曲线
from sklearn.ensemble import RandomForestClassifier
from sklearn.naive_bayes import GaussianNB
from sklearn.linear_model import LogisticRegressio…
通用物体检测算法-YOLOv3详细解读
一、基本概念
1. 什么是目标检测
目标检测（Object Detection）的任务是找出图像中所有感兴趣的目标（物体），确定它们的类别和位置，是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态&…
Learning Efficient Convolutional Networks Through Network Slimming论文阅读笔记
作者：弓 长 木 公 论文链接：https://arxiv.org/abs/1708.06519 代码：https://github.com/liuzhuang13/slimming
概述：
此方法基于channel-wise，提出将L1正则化施加到BN层的缩放因子上，L1正则化推动BN层的趋向于零，这使得能够鉴别出不重要的通道或者神经元，因为每一个…
关联挖掘分析（Apriori算法）
DMQL;16SCREEN中心化趋势度量；离散化趋势度量 https://www.cnblogs.com/en-heng/p/5719101.html
《遗传算法原理及应用》笔记—进化计算
八、进化计算
笔者最近在学习遗传算法，希望可以通过笔记对遗传算法做一个简要的介绍与记录。也欢迎小伙伴们一起学习交流。 文章目录八、进化计算8.1 进化计算概要8.1.1 进化计算的分类8.1.2 进化计算的基本框架8.1.3 进化计算的基本特点8.2 遗传算法8.3 进化策略8…
Jenkins常用构建时间Poll Scm的设置
Jenkins常用构建时间Poll Scm的设置 每分钟构建一次 */1 * * * * 参考： http://blog.csdn.net/yezicjj/article/details/52763700
函数中对形参的处理函数
文章目录惰性计算（lazy evaluation）missing函数实例省略号(...)的作用实例1实例2惰性计算（lazy evaluation）
惰性计算：表达式只在需要时被计算。这种情况适用于参数访问，并出现在函数体中。
missing函数…
word2vec的详解
word2vec 是 Google 于 2013 年开源推出的一个用于获取 word vector 的工具包，它简单、高效，因此引起了很多人的关注。word2vec就是一种对文本中词一种向量编码方式，其重点考虑了上下文之间的联系，比one-hot编码能体现出更多的信息…
机器学习算法的基础（使用Python和R代码）之 SVM
4. SVM（支持向量机）
这是一种分类方法。在这个算法中，我们将每个数据项绘制为n维空间中的一个点(其中n是您拥有的特征的数量)，每个特征的值是特定坐标的值。
例如，如果我们只有一个人的身高和头发长度这两个特征&…
机器学习技法笔记01-----线性SVM支持向量机
写的文章发给老师看得到回复里面有：去看看机器学习基础知识～ Fine，最近，来一波机器学习基础～ 机器学习技法主要介绍特征转换（Feature Transforms）的三个方向： 1）Embeddin…
第一篇：从决策树学习谈到贝叶斯分类算法、EM、HMM
第一篇：从决策树学习谈到贝叶斯分类算法、EM、HMM （Machine Learning & Data Mining交流群：8986884）引言 最近在面试中，除了基础 & 算法 & 项目之外，经常被问到或被要求介绍和描述下自己所知道…
Pruning Filters for Efficient ConvNets详解
Pruning Filters for Efficient ConvNets 作者：弓 长 木 公 论文： https://arxiv.org/pdf/1608.08710.pdf github代码：https://github.com/tyui592/Pruning_filters_for_efficient_convnets
主要思想：
由于CNN通常在不同的 Filt…
open-mmlab多框架下运行
1.open-mmlab多框架下运行
方法一：创建多个conda环境，为不同的版本使用不同的环境，（不详细说） 方法二：可选择的使用多框架代码。 在py的主脚本文件中插入下面的代码（train.py，test.…
机器学习 —— 决策树
目录
一、决策树的概述
1.1 决策树的概念
1.2 决策树分类举例
1.3 决策树的步骤
1.4 决策树的优缺点
二、决策树的构造
2.1 决策树的一般流程
2.2 信息增益
2.3 信息增益率
2.4 基尼指数
2.5 划分数据集
2.5 递归构建决策树
三、在 Python 中使用 Matplotlib 注解…
天池阿里云python基础 Task3
天池阿里云python基础 Task3
Python基础进阶：从函数到高级魔法方法 day07：函数、Lambda表达式：
函数的定义： 函数以def关键词开头，后接函数名和圆括号()。 函数执行的代码以冒号起始，并且缩进。 return […
onnx编译报错 _ZNK6google8protobuf7Message11GetTypeNameEv
这个错误大概率是我系统的问题，onnx编译需要用到protobuf，而我系统里面的protobuf版本是3.0.0，但是onnx里面用到了新版本protobuf的函数，在编译的时候会报链接找不到库的问题** _ZNK6google8protobuf7Message11GetTypeNameEv **
…
天池阿里云Python基础：Task2
本章包含以下内容：
1.列表 列表的定义 列表的创建 向列表中添加元素 删除列表中的元素 获取列表中的元素 列表的常用操作符 列表的其他方法 2.元组 创建和访问一个元组 更新和删除一个元组 元组相关的操作符 内置方法 解压元组 3.字符串 字符串的定义 字符串的切片…
机器学习逻辑回归算法原理、伪代码及实现效果展示
1. 算法原理
logistic/sigmoid函数作用：把取值范围从负无穷到正无穷的公式计算结果，压缩到0和1之间，这样的输出值表达为“可能性”更直观。
逻辑回归算法用于估计预测目标的可能性，它属于软分类算法，即最终得到的是一个…
百度智能云喊你参加“金砖大赛” ！
近日，百度智能云成为2022一带一路暨金砖国家技能发展与技术创新大赛之第二届人工智能训练与应用（人工智能训练师）赛项联合承办单位。这是百度智能云首次拿下国际职业技能赛事，是百度智能云在人工智能应用型、技能型人才培养上的重…
探访广州白云水务：百度智能云打造智慧化治水标杆
“发现异常情况，能够在我的手机上实时告警，我不用抬头看监控大屏，有问题第一时间就响应了。我们要这样的真智能，不要摆个样子让人看的假智能。”广州市白云区和龙水库管理所负责人李树棠对记者表示，“在日常管理工作中…
机器学习中梯度下降算法解释为什么梯度方向函数值是下降的
之前学习逆向传播算法对参数的优化，看到了它的原理是梯度下降，所以查了知乎，看到了梯度下降（知乎上资料的链接）的数学原理。梯度就是偏导数构成的一个向量，梯度的模与方向导数最大值一样，指的是…
逻辑回归实现癌症预测（无框架实现）
数据获取 数据获取链接选择breast-cancer-wisconsin.data可以右键另存为data.csv或者python代码在线获取pd.read_csv("http://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data") 本文采用另存为方式方便处…
让机器同样掌握人类的语言，需要首先赋予它们人类天生的原始原则
这些越来越大的网络是否最终达到了人类的常识性理解？同样，这也是不可能的。WinoGrande的结果有一些重要的注意事项。例如，由于这些句子依靠的是亚马逊Mechanical Turk的工人，写作的质量和连贯性相当不平衡。另外，用于剔…
《机器学习线性代数基础：Python语言描述》读书笔记----逆矩阵
逆矩阵
设A是一个n阶矩阵，若存在另一个n阶矩阵B，使得： ABBAE ，则称方阵A可逆，并称方阵B是A的逆矩阵。
逆矩阵的存在性
不是每一个矩阵都存在逆矩阵的。因为矩阵的本质是映射，如果在映射过程中矩阵A压缩了…
《机器学习线性代数基础：Python语言描述》读书笔记----矩阵与向量
矩阵与向量
矩阵
由 m n 个数aija_{ij}aij排成的m行n列的数表称为m行n列的矩阵，简称m n矩阵。
可以看作是n个m维列向量从左到右并排摆放；行向量视角同理。
矩阵与向量
向量可以看作是一维矩阵：n维的列向量可以看作是一个n1的矩阵。 …
Machine Learning - Coursera 吴恩达机器学习教程 Week8 学习笔记（Unsupervised Learning）
无监督学习
本周课程开始进入无监督学习。
一个重要应用是聚类问题：
K-Means算法
随机找K个中心点（红和蓝），将样本标记为最近的中心点： 计算每个类别里样本的平均值（mean），作为…
【CS229 lecture17】连续马尔科夫决策过程
lecture17
recap MDP how to generalize these idea (MDP) to continuous states?
Continuous state MDPs （上节课讲的是离散的） -Discretization -Models/Simulator -Fitted value iteration -Q function -Approximate policy iteration
&…
CSP学习资料与精简总结
其实是一种降维方法，将原始数据投影到CSP空间中，在该投影方向上，一类信号的方差被 极大化，一类极小化。 学习资料：
运动想象中共空间模式算法（CSP）的实现_zhoudapeng01的专栏-CSDN博客_csp算法…
《统计学习方法》学习笔记（2）——模型评估与模型选择
本文主要参考书籍为《统计学习方法》（李辉），第一章 统计学习方法概论。
目录
1.4 模型评估与模型选择
1.4.1 训练误差&测试误差
1.4.2 过拟合与模型选择
1.5 正则化与交叉验证——防止过拟合
1.5.1 正则化
1.5.2 交叉验证
1.5.2.…
新时代如何把握住人工智能的优势，让自己不被时代淘汰
随着人工智能在企业的应用和发展，企业领导者必须着眼于基于云计算的人工智能和现代化的数据结构，以提高市场竞争力。 人工智能技术以物理和数字形式以提高工作效率，而人工智能实际上将会涉及日常工作中的每个软件平台。这是咨询机构德勤公司日…
IT自动化和人工智能将在2021年走向何方？
随着IT自动化和人工智能技术的进步和发展，IT人员的工作方式发生了重大变化。今年发生的突如其来的新冠疫情，也迫使大多数组织的员工在家远程工作。 如果疫情持续蔓延到2021年，那么组织将会继续让员工远程工作，并采用多种工作方式混…
Stanford机器学习---第十讲. 数据降维
本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机）、聚类、降维、异常检测、大规…
Stanford机器学习---第五讲. 神经网络的学习 Neural Networks learning
本栏目（Machine learning）包括单参数的线性回归、多参数的线性回归、Octave Tutorial、Logistic Regression、Regularization、神经网络、机器学习系统设计、SVM（Support Vector Machines 支持向量机）、聚类、降维、异常检测、大规…
如何划分训练集和测试集
sklearn.model_selection中train_test_split()函数
train_test_split()是sklearn.model_selection中的分离器函数，用于将数组或矩阵划分为训练集和测试集，函数样式为： X_train, X_test, y_train, y_test train_test_split(train_data, trai…
单因素方差分析及其相关检验
ANOVA单因子方差分析(1)问题与数据 设某因子有r个水平,记为,在每一水平下各做m次独立重复试 验,若记第i个水平下第j次重复的试验结果为,所有试验的结果可列表如下:对这个试验要研究的问题是 个水平 间有无显著差异.(2) 基本假定A1 : 第 个水平下的数据 是来自正态总体 的一个样…
假设检验在数据分析中的应用
前言Z检验T检验独立样本t检验配对样本t检验单样本t检验前言在这篇文章中，我不会具体去推导检验统计量和相应拒绝域的得出，这对于大部分非统计学专业的人士来说是晦涩的，我只想通过一个案例告诉大部分初学者假设检验怎么在数据挖掘中使用。%ma…
疫情期间大学生在线学习效果调查报告
前言新冠疫情期间，为响应教育部的“停课不停学”，各高校学生在疫情期间通过网络在线学习课程。本文对疫情期间的大学生在线学习效果及影响因素进行调查分析，一方面有利于掌握当前疫情背景下在线学习效果情况，为下一步复工复学打好…
人工智能：python 实现 第十章，NLP 第六天，构建性别识别器
构建性别识别器
性别识别是一个有趣的问题。既然如此，我们将使用启发式的方法来构建一个特征向量，并且使用它训练一个分类器。
这里使用的启发式是被给定名字的最后N个字母。例如，假设名字以ia结尾，它很可能是一个女性的名字&am…
pandas_计算年化收益率
目录 一、当数据为净值，求年化收益率
二、当数据为收盘价，求年化收益率 一、当数据为净值，求年化收益率
前置：
文章中用到的数据
链接：https://pan.baidu.com/s/1rKLM45dq_xIKxcI54Nq0qg 提取码：c298 …
线性回归api再介绍
1 线性回归api再介绍 2. 案例：波⼠顿房价预测
2.1 案例背景介绍 2.2. 案例分析
回归当中的数据⼤⼩不⼀致，是否会导致结果影响较⼤。所以需要做标准化处理。
数据分割与标准化处理回归预测线性回归的算法效果评估
2.3 回归性能评估 2.4 代码实现
正…
python：pandas中dataframe的基本用法汇总
一. DataFrame的创建
创建一个空的dataframe
1 dfpd.DataFrame(columns{“a”:"",“b”:"",“c”:""},index[0]) out:
1 2 a c b 0 NaN NaN NaN 用list的数据创建dataframe：
1 2 3 a [[‘2’, ‘1.2’, ‘4.2’], [‘0’,…
为什么深度学习中一般使用mean=[0.485, 0.456, 0.406]和std=[0.229, 0.224, 0.225]来归一化图像?
Q：图像预处理部分在resize后还会使用均值：image_mean[0.485,0.456,0.406]，标准差：image_std[0.229,0.224,0.225]进行归一化，为什么使用这几个值？
A：image_mean[0.485,0.456,0.406]、image_std[…
决策引擎系统 实时指标计算 风险态势感知系统 风险数据名单体系 欺诈情报体系
文章目录实时指标计算风险态势感知系统基于统计分析的方法核心风控指标数据核心业务数据基于无监督学习的方法基于欺诈情报的方法预警系统风险数据名单体系（名单库）欺诈情报体系数据情报技术情报事件情报情报分析实时指标计算
首先，大致上都…
真正的元宇宙，将是强大AI能力与虚拟空间的完美结合
智联世界，元生无界。9月1日，2022世界人工智能大会在上海如期而至。开幕首日，百度智能云主办了“以虚强实 元宇宙激发产业新动能”的分论坛。本次论坛充分凸显了“人工智能”、“元宇宙”两大热门话题，展现了百度领先的 AI 能力和百…
元宇宙里与体育赛场上的“隐形教练”亲密接触，希壤intel科技体验中心来啦！...
日前，由 intel、百度希壤联合打造的“intel 科技体验中心”正式登陆百度希壤元宇宙平台，探索元宇宙科技数字展馆创新模式。希壤鸟瞰・intel 科技体验中心作为希壤世界代表未来科技感的地标性建筑之一，intel 未来体验中心蓝色巨型魔方的外观建…
虚拟主播小C再度报道两会，业务能力max！
在今年两会期间，一位“虚拟记者”格外吸引眼球，她形象自然、表达流利，与现场嘉宾实时互动，为观众带来虚实结合的创新直播体验。这位主播就是百度智能云为央视网打造的虚拟主播小 C。早在去年两会期间，小 C 就在《两会 …
刷屏的“1620”有多难？3D+AI技术带你一秒看懂
在刚刚落幕的自由式滑雪女子大跳台决赛中，谷爱凌力压世界排名第一的选手，最后一跳以向左偏轴转体1620的动作完美逆转，获得个人首金。然而高空滑雪作为一项“空中飞人”运动，在观众的观赛体验上却面临一系列困惑：滑雪运…
知识中台，驱动产业智能化升级
随着人工智能技术的进步，智能化成为产业转型升级的关键抓手，但企业在提升数字化和智能化水平的实践过程中，面临多种挑战，如：移动应用的普及，带来异构数据呈几何级数增长，企业需要深度挖掘数据价…
onehot编码的意义
处理离散型特征和连续型特征并存的情况，如何做归一化。 参考博客进行了总结： https://www.quora.com/What-are-good-ways-to-handle-discrete-and-continuous-inputs-together 总结如下： 1、拿到获取的原始特征，必须对每一特征分别…
to_categorical函数介绍
to_categorical就是将类别标签向量转换为二进制（只有0和1）的矩阵类型表示。每一个标签用矩阵的对应的行向量来表示。
np_utils.to_categorical(数据的类别标签, 总类别数)
例如类别的标签为0、1、2、3、4，将数据分为这5类，则经过…
爆肝100天，B站UP主开发会写高考作文的AI，内含17亿参数、2亿数据、1万行代码
前段时间，浙江高考满分作文《生活在树上》因为晦涩难懂的内容，刷爆了各种社交媒体。外行人看热闹，内行人看门道，大神们透过现象看本质。
一般来说，高考作文可以通过批量化、模式化的训练达到一个令人满意的分数。实…
未来杯选手将应用人工智能的手段，助力水下生态系统的研究和保护
随着科技的不断进步，依靠人工智能的手段来进行生物多样性的研究与保护屡见不鲜。例如，人类不仅可以通过使用视觉处理器和神经网络算法进行濒危野生动物的保护；还可以通过理解不完整的数据并依靠监测反射声波系统来进行海底地形图的绘制。
据…
哪种编程语言又快又省电？有人对比了27种语言
在手机快没电时，管理软件往往会提醒我们关掉某些耗电量高的应用。可见，除了硬件厂商外，软件厂商也应该重视能耗问题。在这篇文章中，研究者分析了一下各种编程语言的能耗对比。 当能耗也成为了一个重要指标，我们要怎么选…
36岁的博士程序员找不到工作？大厂的「年龄歧视」从来都不是秘密
一名36岁的机器学习专业博士，能够在硅谷找到工作吗？Reddit上的一个提问又引发了大家对程序员「年龄危机」的讨论。无论是硅谷还是国内BAT等科技互联网企业，「年龄歧视」已经是一个不争的事实。但对于那些大龄程序员而言，35岁真的就…
微软拿GPT-3独家授权，马斯克：Open AI被“控制”了
Open AI 要变成 Closed AI 了吗？
微软获得 Open AI 对于 GPT-3 模型的独家授权
近日，微软宣布获得了 OpenAI 开创性的 GPT-3 语言模型的独家授权。
GPT-3 是一种自动生成文本程序。Open AI 在 7 月份发布了 GPT-3，这是其不断发展的语言模型…
2020未来杯语音赛道区域赛最终成绩及排名揭晓
由中软国际教育科技集团旗下睡前Futurelab携手中国青少年发展基金会和华为手机，面向海内外高校在读学生举办的“2020未来杯高校AI挑战赛”共招募到来自国内外198所高校的2545支队伍共同参与，经过历时1个多月的模拟提交训练、正式提交PK及线上答辩评审&am…
举例说明什么是批量梯度下降算法
批量梯度下降算法（Batch Gradient Descent）是一种求解机器学习模型参数的优化算法，主要应用于线性回归、逻辑回归等模型的训练过程中。它的主要思想是在每次迭代过程中，计算整个数据集的梯度来更新模型参数，以最小化损…
为什么总遇到错误的客户，80%的咨询师都中招了这3点
"我再考虑一下"
"今天先了解下，不急着做"
"我得和我朋友/家人商量一下"
"过段时间再说吧"
......
客户越来越难取悦，这些扎心的灵魂拷问是每个医美咨询师的必经之路。部分咨询师习惯性把问题归咎到"客…
机器学习（3）：聚类算法之K均值算法、层次聚类和密度聚类
最近自己会把自己个人博客中的文章陆陆续续的复制到CSDN上来，欢迎大家关注我的 个人博客，以及我的github。
本文主要讲解有关聚类的相关算法，包括K均值聚类、层次聚类以及密度聚类等，除此之外，还会讲解聚类算法中的一…
机器学习（1）：线性回归、Logistic回归和softmax回归
最近自己会把自己个人博客中的文章陆陆续续的复制到CSDN上来，欢迎大家关注我的 个人博客，以及我的github。
本文主要讲解线性回归、Logistic回归以及softmax回归的相关知识。 本文主要是依据李航老师的《统计学习方法》和邹博老师的机器学习教学视频总结…
万物智能——百度世界2020”大会
原文链接
9月15日，在“万物智能——百度世界2020”大会上，百度亮出了人工智能最新成绩单：首发5G云代驾展示完全无人驾驶能力，完成全球首次完全无人驾驶直播；小度真无线智能耳机正式亮相；百度移动生态发布最…
从线性回归（Linear regression）到逻辑回归（logistic regression）再到Softmax
第一部分 ：线性回归
1.算法简介
定义：给定d个属性描述示例，其中是在第i个属性上的取值，线性模型就是通过属性的线性组合来进行预测:，一般用向量形式写成：,其中,w和b学得之后，模型就得以确定。…
完整的推荐系统架构设计
架构设计概述
架构设计是一个很大的话题，这里只讨论和推荐系统相关的部分。更具体地说，我们主要关注的是算法以及其他相关逻辑在时间和空间上的关系——这样一种逻辑上的架构关系。
每种算法都是用来解决整个推荐系统流程中的某个问题的。…
机器学习——决策树1（三种算法）
要开始了…内心还是有些复杂的 因为涉及到熵…单纯的熵，可以单纯 复杂的熵，如何能通俗理解呢… 我也没有底气，且写且思考吧 1. 决策树分类思想
首先，决策树的思想，有点儿像KNN里的KD树。
KNN里的KD树，是每…
从零开始弄懂LightGBM_参数篇
LightGBM 英文文档：https://lightgbm.readthedocs.io/en/latest/index.html LightGBM 中文文档：https://lightgbm.apachecn.org/ LightGBM 原理可参考：深入理解LightGBM https://blog.csdn.net/program_developer/article/details/103838846 …
深入浅出解析LoRA完整核心基础知识 | 【算法兵器谱】
Rocky Ding 公众号：WeThinkIn 写在前面 【算法兵器谱】栏目专注分享AI行业中的前沿/经典/必备的模型&论文，并对具备划时代意义的模型&论文进行全方位系统的解析，比如Rocky之前出品的爆款文章Make YOLO Great Again系列。也欢迎大家提…
论文篇-----基于机器学习的交通流预测技术的研究与应用
占有率：占有率反映的是交通流在时空维度的占有情况，包括空间占有率和时间占有率，能够刻画交通流的时空特性。空间占有率的定义是：在指定的时间间隔内，某一路段中车辆长度的和与该路段长度的比值。对空间占有率进行测定…
ARM64 指令集架构学习之二--ARM与RISC-V的向量扩展比较
带有向量指令的微处理器将是未来的大趋势。为什么？因为自动驾驶、语音识别、图像识别都是基 于机器学习，并且机器学习都是关于矩阵和向量的。 但这不是唯一的原因。自从我们半官方地宣布摩尔定律结束以来，我们一直在拼命寻找更多的性 能。在微…
中国的工业机器人发展到了哪一步？
“工业机器人”，这个诞生于上世纪五十年代的概念发展至今已有 70 多年的历史了，从简单的抓取物体到能够独立成一条生产线，工业机器人行业也随着科技的发展不断升级。尤其是在人工智能技术不断普及的今天，作为制造大国的中国正在这…
PyTorch文本：01.聊天机器人教程
在本教程中，我们探索一个好玩有趣的循环的序列到序列（sequence-to-sequence）的模型用例。我们将用Cornell Movie-Dialogs Corpus 处的电影剧本来训练一个简单的聊天机器人。
在人工智能研究领域中，对话模型是一个非常热门的话题。…
决策树 BP神经网络(BPNN) SVM实现iris鸢尾花数据集的分类
决策树 BP神经网络(BPNN) SVM实现iris鸢尾花数据集的分类
决策树
实现流程(详见代码)::
1. 连续值处理
iris数据集是连续数据, 因为连续属性的可取值数目不再有限，因此不能像处理离散属性枚举离散属性取值来对结点进行划分。因此需要连续属性离散化，…
第1章 数据库系统概论---数据库原理及应用
目录
课程学习目标
本课程教学内容
课程教材
课程实践使用的数据库软件
第1章 数据库系统概论
1、数据库系统概述
一、基本概念：
数据：文字，图片等数据化后存入计算机；
数据库（DB）…
机器学习的特征工程方法总结
一. 特征工程
特征工程 是将原始数据转换为更好地代表预测模型的潜在问题的特征的过程，从而提高了对未知数据的模型准确性
二. 具体方法
字典特征抽取 API : sklearn.feature_extraction.DictVectorizer对字典数据进行特征值化第一步 : 实例化 DictVectorize第二…
KNN算法(10折交叉验证)
一、问题描述
在UC Irvine Machine Learning数据集上选择三个数据，编写KNN算法预测结果，并使用十次-十折交叉验证
二、数据集选用
1.Wine.data 2.Iris.data 3.O-ring-erosion-only.data 实验平台:Python3.7 数据集下载 提取码：7060
三、 …
EM算法的推导、证明和例子
EM
推导 1 X{x1,x2,⋯,xN}\mathcal{X}\{x_1, x_2, \cdots, x_N\}X{x1,x2,⋯,xN}: 观察数据
z: 潜在变量
似然估计函数 logP(X;θ)log∏iNP(xi;θ)∑iNlogP(xi;θ)(1)\log P(\mathcal{X};\theta)\log \prod_i^N P(x_i;\theta) \sum_i^N \log P(x_i;\theta) \tag…
PyTorch 图像：06.使用ONNX将模型转移至Caffe2和移动端
使用ONNX将模型转移至Caffe2和移动端
在本教程中，我们将介绍如何使用 ONNX 将 PyTorch 中定义的模型转换为 ONNX 格式，然后将其加载到 Caffe2 中。一旦进入 Caffe2，我们就可以运行模型来仔细检查它是否正确导出，然后我们展示了如…
基本文本分类：电影评论文本分类
使用评论文本将影评分为积极（positive）或消极（nagetive）两类。这是一个二元（binary）或者二分类问题，一种重要且应用广泛的机器学习问题。 我们将使用来源于网络电影数据库（Internet …
全球首个知识增强千亿大模型鹏城-百度·文心发布
作为当前人工智能发展的重要方向，预训练大模型已成为 AI 领域的技术新高地。12月8日，鹏城实验室与百度联合召开发布会，正式发布双方共同研发的全球首个知识增强千亿大模型——鹏城-百度文心（模型版本号：ERNIE 3.0 Tita…
医院买药也能自助？ 揭秘24小时营业的AI售药机
疫情期间，你是否会期待，医院的人工取药窗口也能实现“无接触”？是否希望在突发状况时，可以避免等待，第一时间就能买到急需药品？现在，药品 AI 售卖机的出现，让这一切问题都得到了解决…
解读：百度智能云大数据全景架构图如何赋能企业数字化转型
当前，数字经济成为我国经济高质量发展的新引擎，企业面临着以大数据为核心的数字化转型重要机遇和挑战。如何打造安全可靠的数据基础设施和价值挖掘平台，发挥数据资产的核心价值是企业能否赢取未来的关键所在。9月28日，在上海举办的…
智能标注原理揭秘 一文读懂人工智能如何解决标注难题
无论是在传统机器学习领域还是现今炙手可热的深度学习领域，基于训练样本有明确标签或结果的监督学习仍然是一种主要的模型训练方式。尤其是深度学习领域，需要更多数据以提升模型效果。目前，已经有一些规模较大的公开数据集，如Imag…
飞桨AI开发平台企业版BML，为人工智能新基建助力
伴随着产业智能化的大潮，AI正成为诸多行业转型升级的通用技术，企业级AI开发平台的作用日益凸显。近日，百度智能云面向广大企业用户，正式发布飞桨AI开发平台企业版BML4.0（后简称BML）。BML的使命是打通数据闭…
【大数据分析实验】 分类回归算法
实验二 分类回归算法的基础实验
代码下载地址：
一、实验目的
在学习线性回归、逻辑回归、KNN、决策树、贝叶斯分类、神经网络等算法的原理的基础上，掌握已有的数据分类算法软件包中数据分类回归算法的使用。
二、实验内容
学习scikit-learn包中的C…
【人工智能实验】运用贝叶斯决策理论实现手写数字识别
目录 实验二 运用贝叶斯决策理论实现手写数字识别
一、实验目的
二、实验原理
1、分类器原理
2、实现手写数字识别算法原理
三、实验结果
四、实验总结
1、实验流程
2、分析不同模板对于实验结果的影响。
3、分析同一模板下不同阈值对于实验结果的影响。
4、分析同一…
关于机器学习的一些概念
在连接主义学习中，把学习算法分为三种类型，即非监督学习(unsupervised learning)、监督学习(supervised leaning)和强化学习。
强化学习：
所谓强化学习就是智能系统从环境到行为映射的学习，以使奖励信号(强化信号)函数值最大&a…
【2022吴恩达机器学习课程视频翻译笔记】2.3监督学习-part-2
B站上面那个翻译我有点看不懂，打算自己啃英文翻译了（有自己意译的部分），然后懒得做字幕，就丢在博客上面了，2.2之前的章节结合那个机翻字幕能看懂
2.3监督学习-part-2
So supervised learning algorithms …
DataFrame筛选出指定列值的行
需求 对于一个DataFrame，常常需要筛选出某列为指定值的行。
pandas中获取数据的有以下几种方法：
布尔索引位置索引标签索引使用API
假设df数据如下：
import pandas as pd
import numpy as npdf pd.DataFrame({code: 000001.SZ 000002.SZ…
sklearn — 多项式回归
文章目录sklearn — 多项式回归一、概念：二、性能评价指标：三、demo：参考资料：sklearn — 多项式回归
一、概念：
二、性能评价指标：
三、demo：
参考资料：
https://scikit-learn…
动手学深度学习之优化算法进阶
参考伯禹学习平台《动手学深度学习》课程内容内容撰写的学习笔记 原文链接：https://www.boyuai.com/elites/course/cZu18YmweLv10OeV/lesson/VjB5UFeXPJ2EQsr9amShYU 感谢伯禹平台，Datawhale，和鲸，AWS给我们提供的免费学习机会&am…
Tensorflow张量编程补充
创建和操控张量学习目标：
初始化 TensorFlow 变量并赋值创建和操控张量回忆线性代数中的加法和乘法知识（如果这些内容对您来说很陌生，请参阅矩阵加法和乘法简介）熟悉基本的 TensorFlow 数学和数组运算import tensorflow as tf
矢量…
Field-aware Factorization Machine - FFM（领域感知的因子分解机）
“域”概念的提出
本篇的模型是FFM，全称是Field-aware Factorization Machine。作者认为，FM中虽然对特征做了高阶（一般是二阶）交叉，但是有一个弊端：在实际场景中，特征的领域(Field)很可能不同&…
机器学习算法的基础（使用Python和R代码）之 线性回归
1.线性回归
它用于基于连续变量估计实际价值(房屋成本、通话次数、总销售额等)。在这里，我们通过拟合一条最优直线来建立自变量和因变量之间的关系。这条最合适的直线被称为回归线，它由一个线性方程Y a *X b表示。
理解线性回归最好的方法是重温童年的…
MASK-ALIGN: Self-Supervised Neural Word Alignment阅读笔记
MASK-ALIGN
Abstract
词对齐是一种旨在对齐源句和目标句之间的翻译等价词的方法
目前的无监督神经对齐方法主要集中于从神经机器翻译模型中诱导对齐，而没有利用目标序列中的完整上下文。
提出了MASK-ALIGN，一种利用目标侧全上下文的自监督单词对齐模…
Grapy Embedding--更多结构信息的图嵌入技术
一：Graph Embeding 出现的原因
word2vec 和其衍生的Item2vec做为一种embedding技术的基础性方法，都是建立在序列样本（词序列，用户行为序列）基础之上的。但是在互联网背景下，数据对象之间更多的是以图结构的…
广义item2vec的典型例子----双塔模型
一： DSSM模型理论知识
1. DSSM模型的原理 DSSM(Deep Structured Semantic Models)也叫深度语义匹配模型，最早是微软发表的一篇应用于NLP领域中计算语义相似度任务的文章。
DSSM深度语义匹配模型原理很简单：获取搜索引擎中的用户搜索query和…
