一文归纳Ai数据增强之法
2024/12/23
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，解决这类问题的一个有效途径...
一文概览量子机器学习！
【AI驱动】
0 背景介绍 机器学习是人工智能的核心组成，在过去十几年里不断发展，并对其他领域产生了深远的影响。近几年，研究人员发现结合量子计算特性的新型机器学习算法可实现对传统算法的加速，该类成果引起了广泛的关注和研究。 1&nbs...
2024/12/23
Python特征重要性分析的9个常用方法
【AI驱动】
特征重要性分析用于了解每个特征(变量或输入)对于做出预测的有用性或价值。目标是确定对模型输出影响最大的最重要的特征，它是机器学习中经常使用的一种方法。 为什么特征重要性分析很重要? 如果有一个包含数十个甚至数百个特征的数...
2024/12/23
机器学习模型评价、模型与算法选择（综述）
【AI驱动】
摘要：模型评估、模型选择和算法选择技术的正确使用在学术性机器学习研究和诸多产业环境中异常关键。本文回顾了用于解决以上三项任务中任何一个的不同技术，并参考理论和实证研究讨论了每一项技术的主要优势和劣势。进而，给出建议以促进机器学习研究与应用方...
2024/12/23
主动学习概述(ActiveLearning)
【AI驱动】
一、前言 本文整理了我对主动学习的理解和最新研究的感悟，主要目的是供大家参考、讨论，一起学习和交流主动学习的技术。同时，我以后还会继续阅读主动学习领域的文章，有不错和值得推荐的文章，我会实时更新到我的 github 里，大家可以通过这...
2024/12/23
一文全览机器学习建模流程（Python代码）
【AI驱动】
随着人工智能时代的到来，机器学习已成为解决问题的关键工具，如识别交易是否欺诈、预测降雨量、新闻分类、产品营销推荐。我们接下来会详细介绍机器学习如何应用到实际问题，并概括机器学习应用的一般流程。 1.1 明确问题 明确业务...
2024/12/23
机器学习十大热门算法
【AI驱动】
1. 线性回归 线性回归（Linear Regression）可能是最流行的机器学习算法。线性回归就是要找一条直线，并且让这条直线尽可能地拟合散点图中的数据点。它试图通过将直线方程与该数据拟合来表示自变量（x 值）和数值结果（y 值）...
2024/12/23
机器学习理论基础到底有多可靠？
【AI驱动】
知其然，知其所以然。 机器学习领域近年的发展非常迅速，然而我们对机器学习理论的理解还很有限，有些模型的实验效果甚至超出了我们对基础理论的理解。目前，领域内越来越多的研究者开始重视和反思这个问题。近日，一位名为 Aidan Coope...
2024/12/23
常用的数据分析方法汇总
【AI驱动】
一、描述统计 描述统计是通过图表或数学方法，对数据资料进行整理、分析，并对数据的分布状态、数字特征和随机变量之间关系进行估计和描述的方法。描述统计分为集中趋势分析和离中趋势分析和相关分析三大部分。 集中趋势分析：集中趋势分析主要...
2024/12/23
贝叶斯网络的因果关系检测(Python)
【AI驱动】
1. 背景 在许多领域，如预测、推荐系统、自然语言处理等，使用机器学习技术已成为获取有用观察和进行预测的标准工具。 虽然机器学习技术可以实现良好的性能，但提取与目标变量的因果关系并不直观。换句话说，就是：哪些变量对目标变量有直接...
2024/12/23
吴恩达：机器学习的6个核心算法
【AI驱动】
文章开头，吴恩达回忆他的研究历程中曾有一次抉择：多年前，在一次项目中，选择算法时，他不得不在神经网络与决策树学习算法之间做选择。考虑到计算预算，他最终选择了神经网络，在很长的一段时间内弃用增强决策树。这是一个错误的决定，「幸好我的团队很快修...
2024/12/23
图解机器学习特征工程
【AI驱动】
本篇内容，我们给大家展开对数据预处理和特征工程的实战应用细节做一个全面的解读。 上图为大家熟悉的机器学习建模流程图（扩展阅读：一文全览机器学习建模流程（Python代码）），整个建模流程非常重要的一步，是对于数据的预处理和特征...
2024/12/23
Python数据分析指南(全)
【AI驱动】
前言 数据分析是通过明确分析目的，梳理并确定分析逻辑，针对性的收集、整理数据，并采用统计、挖掘技术分析，提取有用信息和展示结论的过程，是数据科学领域的核心技能。 本文从数据分析常用逻辑框架及技术方法出发，结合python...
2024/12/23
Python特征选择(全)
【AI驱动】
1 特征选择的目的 机器学习中特征选择是一个重要步骤，以筛选出显著特征、摒弃非显著特征。这样做的作用是: 减少特征（避免维度灾难），提高训练速度，降低运算开销； 减少干扰噪声，降低过拟合风险，提升模型效果； ...
2024/12/23
使用 Python 和 Flask 开发 RESTful API
【API开发】
在本文中，我们将使用 Flask 和 Python 来开发 RESTful API。首先，我们会创建一个返回静态数据（字典）的终端节点。接着，我们会构建一个包含两个子类及多个端点的类，用于插入和检索这些类的实例。最后，我们将探讨如何在 Do...
2024/12/23
机器学习模型迭代方法(Python)
【AI驱动】
一、模型迭代方法 机器学习模型在实际应用的场景，通常要根据新增的数据下进行模型的迭代，常见的模型迭代方法有以下几种： 1、全量数据重新训练一个模型，直接合并历史训练数据与新增的数据，模型直接离线学习全量数据，学习得到一个全新的...
2024/12/23
搜索文章
热门话题
