- 博客(25)
- 收藏
- 关注
RSS订阅原创 基于零售数据集的消费者购物数据分析
该数据集提供了消费者购物趋势的全面视图，旨在揭示零售购买的模式和行为。它包含各种产品类别、客户人口统计和购买渠道的详细交易数据。在执行探索性数据分析、创建可视化还是训练机器学习模型，该数据集都能提供有价值的见解，以支持零售业的数据驱动决策。
2025-01-20 16:44:56
913
原创 学生抑郁情况可视化分析及预测
学生抑郁情况可视化分析及预测，对学生抑郁数据集进行数据可视化分析，再进行数据处理，模型预测，模型结果可视化展示。
2024-12-25 23:44:17
663
6
原创 网站流量和用户行为深度分析
例如，虽然Social来源的访客可能会产生较高的跳出率，但它们也可能带来较高的流量。而Referral来源的访客可能对网站内容有更深入的兴趣，从而产生较高的转化率。这些分析结果可以帮助我们理解回头客的行为模式和他们对网站的参与程度。例如，我们可以看到，尽管回头客通常会访问更多的页面，但这并不意味着他们会更倾向于深入探索网站内容或完成转化目标。例如，我们可以看到，尽管访问更多页面的用户通常会花费更多时间在网站上，但这并不意味着他们会更倾向于深入探索网站内容。研究回头客的转化率与新访客的转化率差异。
2024-12-09 20:59:51
1042
原创 ARIMA 在电商销售数据的分析应用
在带有时间序列性质的销售数据，可以帮助我们从历史销售数据中挖掘出潜在的模式和趋势，从而进行有效的预测。我们将介绍自回归积分滑动平均模型（ARIMA）在销售数据分析中的应用。ARIMA 模型在销售数据分析中能够有效地捕捉时间序列数据中的趋势和季节性特征，进行准确的预测。以某电商企业的月度销售数据为例，进行 ARIMA 模型的应用分析。
2024-11-30 22:37:17
904
原创 图书管理系统的设计与开发
通过本次课程设计，我对于c++对象的含义有了进一步的认识，从而对类的封装和设计有了一种新的认识，不只是停留在表面，为以后的学习积累了经验，设计不比编写容易，类设计好是整个程序写好的前提，只有一个好的规划才能写出好的程序，不过也通过本次发现了自己很多理论方面的不足之处，这些能帮助我在今后的学习中明白努力的方向，大胆实践，大胆创新，通过解决问题所得到的收获包括成功后的喜悦感都将是属于真正我们自己的东西，成为我们的一笔宝贵的财富和经验，是一笔潜在的能源，受益无穷。（此时：序列末尾的元素为已排序的最大值；
2024-11-26 18:00:06
884
原创 数据库课程设计：物业管理系统设计与实现
物业管理系统是紧随当今时代发展的需要，目的在于实现不同的人员对物业系统的不同的需要，有利于社会的稳定和顺利发展。 关键词：小程序Applet；应用程序Application;数据库；数据库实现；JDBC/ODBC桥；JDBC驱动程序
2024-11-26 17:41:01
923
原创 Ubuntu修改IP方法
修改为下图所示，保存并退出编辑器（按 Ctrl + X 然后按 Y 保存）。1、点击 Ctrl+Alt+T 进入命令行终端，进入 /etc/netplan 目录，找到 .yaml 文件。可以远程用命令行直接修改。在网络设置窗口中，选择你正在使用的网络接口（有线或无线网络）。点击右侧的齿轮图标（设置按钮），然后进入“IPv4”选项卡。点击桌面右上角的网络图标，然后选择“设置”或“网络设置”。将“IP设置”从“自动（DHCP）”改为“手动”。配置完成后点击“应用”按钮，保存设置。重启网络或断开并重新连接网络。
2024-10-08 19:40:16
6325
原创 生成式AI的未来方向：Chat还是Agent？
生成式AI在对话系统中的应用最为广泛且成熟。对话系统主要依赖于自然语言处理（NLP）技术，重点在于理解和生成自然语言。这些系统通过复杂的语言模型，能够进行人机对话，提供信息检索、问题解答、情感交流等功能。典型的例子包括OpenAI的GPT系列和Google的Bard，这些系统在教育、客服、内容创作等领域都有广泛的应用。
2024-07-31 12:01:14
927
原创 使用Nelder-Mead方法在深度学习中的超参数优化
相比于传统的贝叶斯优化和CMA-ES（Covariance Matrix Adaptation Evolution Strategy）等方法，Nelder-Mead方法更加简单，易于实现，且在多个深度学习任务中表现出色。研究了在深度学习中使用Nelder-Mead方法进行超参数优化，比较了该方法与随机搜索、贝叶斯优化和协方差矩阵适应进化策略（CMA-ES）等常用方法在不同任务中的性能。结果表明，Nelder-Mead方法在超参数优化中表现出色，尤其在计算资源有限的情况下具有显著优势。
2024-05-15 22:01:51
497
原创 BERT模型
在BERT出现之前，大多数NLP模型使用的是单向的语言模型（如LSTM或GRU），它们只能从左到右（或从右到左）处理文本。掩码语言模型（Masked Language Model, MLM）： 在预训练过程中，BERT会随机掩盖输入文本中的一些单词，并要求模型根据上下文预测被掩盖的单词。BERT是NLP领域的一个重要突破，它通过双向Transformer架构和强大的预训练机制，在许多任务上取得了显著的性能提升。迁移学习：通过预训练和微调，可以在不同任务上取得很好的性能。2. Transformer架构。
2024-05-15 16:07:53
541
原创 基于LSTM网络的谣言检测
数据准备收集和预处理数据：您需要一组标记的数据集，其中包含真实信息和谣言信息。数据预处理可能包括清洗文本、分词、去除停用词等步骤。设计LSTM模型设计一个适用于文本处理的LSTM模型。通常包括嵌入层（用于将单词转换为向量），一个或多个LSTM层以及一个输出层（用于分类）。模型训练使用训练数据集来训练模型。这一步骤包括设置适当的损失函数和优化器，以及定义训练的周期和批次大小。评估与调整使用验证集和测试集评估模型的性能。根据需要调整模型参数或结构，以提高准确率和减少过拟合。实验总结。
2024-04-30 21:18:52
617
原创 融合区块链与人工智能技术的数据隐私保护研究
在当今数字化社会中，数据隐私保护至关重要，同时区块链和人工智能技术的兴起为解决数据隐私问题提供了新的机遇。大量研究表明，区块链和人工智能技术的整合有效地加强了数据隐私，包括区块链的去中心化性质、智能合约的实际应用，以及隐私算法和数据共享技术在人工智能中的关键作用。区块链和人工智能的融合不仅有望加强数据隐私，而且在充满不断变化的隐私挑战的时代成为希望的灯塔。这种集成不仅利用了区块链的去中心化结构和不可变特性，还利用了人工智能以隐私为中心的算法和数据共享能力，以提供全面而强大的数据隐私解决方案。
2024-04-30 21:13:19
2093
1
原创 NLP实践—基于PCFG实现CYK算法
CYK算法即Cocke–Younger–Kasami算法，是一种上下文无关文法的句法分析算法，采用了动态规划的思想，通过合理的构造决策表减少计算复杂度。PCFG（ Probabilistic Context Free Grammar ）是基于概率的短语结构分析方法，是目前研究最为充分、形式最为简单的统计句法分析模型，也可以认为是规则方法与统计方法的结合。PCFG是上下文无关文法的扩展，是一种生成式的方法，其短语结构文法可以表示为一个五元组(X，V，S，R，P)。V 是一个有限标注的集合，称为非终结符集合；
2024-03-21 09:20:33
885
1
原创 NLP实践—第1关：词性标注
在自然语言分析中，机器需要模拟理解语言。为了实现这一点，自然语言处理过程中必须在一定程度上能够了解自然语言的规则。首先需要理解的是词，特别是每一个词的性质，判断它是一个名词还是一个形容词？如果它是一个动词的屈折形式，那么它的不定形式是什么，以及该屈折形式使用了什么对应的时态、人称和数？这个任务被称为词性标注。词性标注的目标是用一个单独的标签标记每一个词，该标签表示了用法和其句法作用，比如名词、动词、形容词等。词性标注的正确与否将会直接影响到后续的句法分析、语义分析，它是中文信息处理的基础性课题之一。
2024-03-21 08:27:56
1702
1
原创 Vision Transformer（ViT）模型及其在图像分类任务中的应用
Vision Transformer在图像分类任务中的应用标志着从局部聚焦的CNN到全局信息处理的转变，这在图像理解和分析中打开了新的可能性。由于其独特的结构和处理方式，ViT在处理复杂和多样化的图像数据方面显示出显著的优势。总体而言，这项实验展示了Vision Transformer在猫狗图像分类任务上的有效性和潜力，同时也揭示了其在数据和计算资源方面的一些局限性。未来的研究可以在这些发现的基础上进行，以实现更广泛的应用和更优的性能。2. Vision Transformer模型的结构和原理。3.实验代码
2023-12-20 11:31:21
3692
原创 基于CNN的FashionMNIST分类
本次实验中，CNN对FashionMNIST数据集的分类准确率达到91%，显示了CNN在图像特征提取方面的有效性。训练过程中采用80%的数据进行训练，剩余20%作为验证数据集，以监控模型的泛化能力。模型在测试集上的准确率达到约91%。数据预处理包括将图像转换为张量，同时进行归一化处理以将像素值缩放到0和1之间，目的是加快模型的收敛速度并减少梯度消失或爆炸的可能性。通过混淆矩阵的分析，发现模型在某些类别（如T恤和衬衫）上有较高的准确性，而在其他一些容易混淆的类别（如裙子和外套）上则准确度较低。
2023-12-19 09:13:25
2353
1
原创 基于LSTM的FashionMNIST分类
整体而言，实验结果表明LSTM模型在FashionMNIST图像分类任务上具有良好的表现。虽然LSTM主要用于序列数据，但其在图像分类任务上的应用也显示了可行性和有效性。FashionMNIST是一个流行的服装分类数据集，包括10种不同类别的服装图像。本实验旨在探究长短期记忆网络（LSTM）在图像分类任务中的应用效果。虽然LSTM常用于处理序列数据，本实验将探索其在非典型应用场景（如图像分类）中的表现。每个样本是一个28x28的灰度图像，代表10种不同类型的服装。迭代次数（Epochs）
2023-12-19 09:12:00
1798
1
原创 基于DCGAN的手写数字生成
DCGAN是将CNN与GAN的一种结合，这是第一次在GAN中使用卷积神经网络并取得了非常好的结果，弥合CNN在监督学习和无监督学习之间的差距，其将卷积网络引入到生成式模型当中来做无监督的训练，利用卷积网络强大的特征提取能力来提高生成网络的学习效果。生成的图像在视觉上是逼真的，它们展示了手写数字的特征。我们可以看到，生成器（绿色曲线）的损失逐渐下降，而鉴别器（蓝色曲线）的损失也在下降，这表明GAN在训练过程中逐渐收敛。生成器试图生成逼真的图像，以愚弄鉴别器，而鉴别器试图准确分类真实图像和生成图像。
2023-12-08 15:10:58
1288
原创 基于深度学习的图像风格转换算法的研究和实现
本论文介绍了图像风格转换的概念和背景，并深入研究了基于深度学习的图像风格转换算法。我们将详细介绍算法的核心原理、网络架构、损失函数以及实验结果。此外，我们还探讨了不同算法的性能和应用领域。通过实际实验和比较，我们将展示不同算法之间的差异和优劣，以及它们在艺术创作和图像编辑中的潜在应用。2.3 基于生成对抗网络（GAN）的风格迁移。2.1 卷积神经网络（CNN）与风格迁移。2.2 Gatys等人的风格迁移算法。5.1 艺术创作与图像编辑。1.1 图像风格与内容。4.2 实验结果与分析。5.2 潜在应用领域。
2023-11-13 10:41:48
722
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人