精选(人工智能)-中级
分享
扫一扫
文章平均质量分 80
本专栏主要涵盖最新人工智能、区块链领域的初级和中级技术文章，均为博主精心总结、紧跟前沿、逐步优化、学以致用。文章重点处均有颜色标注，方便阅读和查看。仅【学生身份】且【在读状态】可向博主申请免费查看资格。
优惠券已抵扣
余额抵扣
还需支付
¥99.90
¥299.90
购买须知?
本专栏为图文内容，最终完结不会低于15篇文章。
订阅专栏，享有专栏所有文章阅读权限。
本专栏为虚拟商品，基于网络商品和虚拟商品的性质和特征，专栏一经购买无正当理由不予退款，不支持升级，敬请谅解。
一个处女座的程序猿
2025年初博主2本新书(机器学习耗时5年/大模型耗时3年)即将开售！人工智能硕学历，拥有十多项发专利(6项)和软著(9项)，包括国际期刊SCI内多篇论文，多个国家级证书(2个国三级、3个国四级)，曾获国内外“人工智能算法”竞赛(包括国家级省市级等，一等奖5项、二等奖4项、三等奖2项)证书十多项，以上均第一作者身份，并拥有省市校级个人荣誉证书十多项。目前也是国内知名博主，连续3年获优快云十大博客之星，荣获达摩院评测官、阿里社区/优快云/华为社区等十多个开发者社区专家博主荣誉，曾受邀阿里/华为/谷歌等社区采访-评审-论坛几十次。截止2022年，AI领域粉丝超100万，文章阅读量超5000万
展开
-
LLMs之StructuredOutput：基于多种前沿LLM(DeepSeek/GPT-4o等)的能力结合在线思维导图工具仅需两个步骤实现将某一段内容输出思维导图之图文教程详细攻略
LLMs之StructuredOutput：基于DeepSeek能力结合在线思维导图工具仅需两个步骤实现将DeepSeek-R1论文输出思维导图之图文教程详细攻略基于DeepSeek能力结合在线思维导图工具仅需两个步骤实现将DeepSeek-R1论文输出思维导图第一步，利用DeepSeek的能力将论文内容输出为mermaid格式(1)、下载原始论文LLMs之DeepSeek：《DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via原创 2025-02-06 22:36:34 · 385 阅读 · 0 评论 -
LLMs之RAG：只需四步骤—基于Ollama后端框架(配置phi3/LLaMA-3/Deepseek-r1等模型)结合Dify前端框架创建个性化应用—跨境电商客服/RAG本地知识库问答(设置知识库文
LLMs之RAG：只需四步骤—基于Ollama后端框架(配置phi3/LLaMA-3/Deepseek-r1等模型)结合Dify前端框架创建个性化应用—跨境电商客服/RAG本地知识库问答(设置知识库文件+向量化存储+应用发布)/翻译助手等多个应用目录基于Ollama后端框架(配置phi3/LLaMA-3/Deepseek-r1等模型)结合Dify前端框架创建个性化应用—跨境电商客服/RAG本地知识库问答(设置知识库文件+向量化存储+应用发布)/翻译助手等多个应用1、配置依赖2、配置原创 2024-05-07 01:14:10 · 3859 阅读 · 0 评论 -
LLMs之PDF：解决PDF文本问答任务的简介、常见任务(比如PDF转Markdown)、常用工具(pypdf/pymupdf/GPTpdf/zeroX/Marker/MinerU/PDF-Extra
LLMs之PDF：解决PDF文本问答任务的简介、常用方法(比如PDF转Markdown，如GPTpdf、zeroX、Marker、MinerU、PDF-Extract-Kit、omnlparse)、案例应用之详细攻略目录解决PDF文本问答任务的简介、常用方法(比如PDF转Markdown，如GPTpdf、zeroX、Marker、MinerU、PDF-Extract-Kit、omnlparse)常用方法(比如PDF转Markdown)解决PDF文本问答任务的简介、常用原创 2024-09-06 00:52:45 · 624 阅读 · 0 评论 -
Py之pymupdf：基于langchain框架结合pymupdf库实现输出每个PDF页面的文本内容、元数据等
Py之pymupdf：基于langchain框架结合pymupdf库实现输出每个PDF页面的文本内容、元数据等目录基于langchain框架结合pymupdf库的应用案例基于langchain框架结合pymupdf库的应用案例1、输出每个PDF页面的文本内容、元数据等pdf_path = 'C:/Users/99386/Desktop/ReAct_demo.pdf'# 基于langchain实现pymupdf功能来输出PDF的文本内容、元数据等from langchain_原创 2024-11-14 01:16:53 · 1879 阅读 · 0 评论 -
LLMs之RAG：基于Langchain框架和Elasticsearch库采用关键词搜索结合Anthropic模型生成能力来构建基于文档的问答系统——配置Elasticsearch客户端→初始化Ant
LLMs之RAG：基于Langchain框架和Elasticsearch库采用关键词搜索结合Anthropic模型生成能力来构建基于文档的问答系统——配置Elasticsearch客户端→初始化AnthropicBedrock客户端→定义搜索算法的索引及文档→采用bm25算法从Elasticsearch中获取与查询相关的结果→创建基于上下文的提示词→调用Anthropic模型生成回答目录基于Langchain框架和Elasticsearch库采用关键词搜索结合Anthropic模型生成能力来构建原创 2024-11-14 01:40:12 · 1595 阅读 · 0 评论 -
Py之pymupdf：基于pymupdf库实现读取pdf并保存所有内容到txt文档中、合并多种文件、利用OCR提取PDF文档中的图像的文本内容、基于坐标技巧向PDF添加水印&图标、逐个从PDF页面中提
Py之pymupdf：基于pymupdf库实现读取pdf并保存所有内容到txt文档中、合并多种文件、利用OCR提取PDF文档中的图像的文本内容、基于坐标技巧向PDF添加水印&图标、逐个从PDF页面中提取图像、逐个从页面中提取表格实战代码目录基于pymupdf库实现读取pdf并保存所有内容到txt文档中、合并多种文件、利用OCR提取PDF文档中的图像的文本内容、基于坐标技巧向PDF添加水印&图标、逐个从PDF页面中提取图像、逐个从页面中提取表格基于pymupdf库实现读取pdf并保存所有内容原创 2024-11-14 01:15:59 · 1596 阅读 · 0 评论 -
DL之self-attention：self-attention自注意力机制的简介(背景、特点、改进对比、传统对比、关系、应用，适合长距离捕获分析)、计算过程(八大步骤)、案例应用之详细攻略
DL之self-attention：self-attention自注意力机制的简介(背景、特点、改进对比、传统对比、关系、应用，适合长距离捕获分析)、计算过程(八大步骤)、案例应用之详细攻略目录Self-Attention算法的概述Self-Attention算法的计算过程Self-Attention算法的概述Self-Attention算法的简介(背景、特点、改进对比、传统对比、关系、应用)Self Attention在同一个英语句子内单词间产生的联系如下所示可以看原创 2019-08-27 20:40:50 · 6272 阅读 · 2 评论 -
DL之ME：深度学习中模型评估指标—卷积神经网络中常用模型评估指标(IOU、混淆矩阵)简介、使用方法之详细攻略
DL之ME：深度学习中模型评估指标—卷积神经网络中常用模型评估指标(IOU、混淆矩阵)简介、使用方法之详细攻略目录CNN中常用的性能指标(IOU/AP/mAP、混淆矩阵)简介CNN中常用的性能指标(IOU/AP/mAP、混淆矩阵)简介IoU (Intersection over Union)AP (Average Precision)mAP (mean Average Precision)IOU1、IOU简介IOU= Area of Overlap / Ar原创 2019-08-17 08:38:43 · 15301 阅读 · 0 评论 -
CV之DL之R-FCN：R-FCN算法(对比R-CNN)的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
CV之DL之R-FCN：R-FCN算法(对比R-CNN)的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略目录相关论文R-FCN算法的简介R-FCN算法的架构详解R-FCN算法的案例应用相关文章DL之R-FCN：R-FCN算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略DL之R-FCN：R-FCN算法的架构详解相关论文《R-FCN: Object Detection via Region-based Fully Convolu原创 2019-05-14 11:09:33 · 6534 阅读 · 0 评论 -
CV之DL之ResNet：ResNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
CV之DL之ResNet：ResNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略目录相关论文ResNet算法的架构详解ResNet算法的案例应用相关文章DL之ResNet：ResNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略DL之ResNet：ResNet算法的架构详解相关论文《Deep Residual Learning for Image Recognition》翻译与解读地址论文地址：https://arxi原创 2019-04-25 14:59:48 · 12120 阅读 · 0 评论 -
Py之GUI之PyQt：PyQt的简介、入门、安装(QtCreator/QtDesigner安装图文教程)、经典案例之详细攻略
Qt是跨平台的C++库，实现高层次的API访问的许多方面现代桌面和移动系统。这些包括定位和定位服务、多媒体、NFC和蓝牙连接、基于铬的Web浏览器以及传统的UI开发。pyqt5是一套全面的Python绑定QT V5。这是35多个扩展模块的实施使Python作为一种替代的应用程序开发语言C++在所有支持的平台包括iOS和Android。pyqt5也可以嵌入在C++应用程序允许应用程序的配置或提高这些应用程序的功能的用户。原创 2018-04-13 09:20:08 · 28661 阅读 · 1 评论 -
DNN之DNN优化技术：神经网络中Normalization归一化技巧的简介(BN批次归一化、LN层归一化)、使用方法、案例应用之详细攻略
DNN之DNN优化技术：神经网络中Normalization归一化技巧的简介(BN批次归一化、LN层归一化)、使用方法、案例应用之详细攻略目录Normalization归一化技巧的简介Normalization归一化技巧的使用方法Normalization归一化技巧的案例应用Normalization归一化技巧的简介背景特征归一化可以加快学习速度：在模型学习过程中，当我们采用梯度下降法对最优参数进行搜索时，很大程度上会受到输入特征分布的影响。当输入的不同特征的特征空间的范原创 2018-05-16 20:15:13 · 11158 阅读 · 0 评论 -
DL之LeNet-5：LeNet-5算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之LeNet-5：LeNet-5算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略目录LeNet-5算法的简介(论文介绍)LeNet-5算法的架构详解1、LeNet-5 结构分析2、各层详细说明3、以手写数字3为例详细理解LeNet-5算法过程4、LeNet-5为例可视化5、LeNet-5算法的设计思路LeNet-5算法的案例应...原创 2018-05-06 21:20:19 · 12801 阅读 · 0 评论 -
DL之VGGNet：VGG系列神经网络算法的的简介(论文介绍)、架构详解、模型训练、模型下载、案例应用等配图集合之详细攻略
DL之VGGNet：VGG系列神经网络算法的的简介(论文介绍)、架构详解、模型训练、模型下载、案例应用等配图集合之详细攻略目录相关论文VGG系列算法的简介VGG系列算法的模型训练VGG系列算法的模型下载相关文章DL之VGGNet：VGGNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻DL之VGGNet：VGGNet算法的架构详解、损失函数、网络训练和测试之详细攻略相关论文《Very Deep Convolutional Netw原创 2018-06-04 10:38:22 · 12913 阅读 · 0 评论 -
ML之ME：机器学习中模型评估指标—回归预测问题(MSE/RMSE/MAE)简介、使用方法、代码实现、案例应用之详细攻略
ML之ME：机器学习中模型评估指标—回归预测问题(MSE/RMSE/MAE)简介、使用方法、代码实现、案例应用之详细攻略目录回归预测问题中评价指标简介回归预测问题中常用的误差度量方法的实现代码相关文章ML之模型评价指标：基于不同机器学习框架(sklearn/TF)下算法的模型评估函数(Scoring/metrics)集合(仅代码实现)ML之LF：机器学习中常用的损失函数案例代码实现ML之LF：损失函数——回归预测问题中评价指标(常用的误差度量方法，MSE/RMSE/M原创 2018-12-03 19:07:08 · 13421 阅读 · 2 评论 -
ML与Optimality：最优化理论(GD随机梯度下降/QN拟牛顿法/CG共轭梯度法/L-BFGS/TR置信域/GA遗传算法/SA模拟退火算法)在机器学习中的简介、常用方法、案例应用之详细攻略
ML与Optimality：最优化理论(GD随机梯度下降/QN拟牛顿法/CG共轭梯度法/L-BFGS/TR置信域/GA遗传算法/SA模拟退火算法)在机器学习中的简介、常用方法、案例应用之详细攻略目录最优化理论的简介1、最优化理论(GD随机梯度下降/QN拟牛顿法/CG共轭梯度法/L-BFGS/TR置信域/GA/SA等)在机器学习中的概述2、GA遗传算法和SA模拟退火算法的简介最优化理论的简介1、最优化理论(GD随机梯度下降/QN拟牛顿法/CG共轭梯度法/L-BFG原创 2019-01-13 23:02:22 · 8564 阅读 · 1 评论 -
DL之IDE：深度学习环境安装之Tensorflow/tensorflow_gpu+Cuda+Cudnn(最清楚/最快捷)之详细攻略(图文教程)
DL之IDE：深度学习环境安装之Tensorflow/tensorflow_gpu+Cuda+Cudnn(最清楚/最快捷)之详细攻略(图文教程)目录安装思路1、tensorflow_gpu+Cuda+Cudnn版本匹配官方推荐2、先解释一下cuda与cudann3、下载并安装CUDA4、下载并配置cudnn5、安装tensorflow_gpu6、最后测试是否安装成功安装思路第一步：先洗脸第二步：照照镜子第三步，因为现在电脑比较新，差不原创 2018-01-20 23:56:01 · 23306 阅读 · 2 评论 -
LLMs之RAG：深度剖析基于大语言模型的RAG系统中优化技巧总结—“用户查询”阶段优化策略经验—Query重写、Query分解、Query增强技术思路分析与代码实验结果对比之详细攻略
LLMs之RAG：深度剖析基于大语言模型的RAG系统中优化技巧总结—“用户查询”阶段优化策略经验—Query重写、Query分解、Query增强技术思路分析与代码实验结果对比之详细攻略目录相关参考内容深度剖析基于大语言模型的RAG系统中优化技巧总结—“用户查询”阶段优化策略经验—Query重写、Query分解、Query增强技术思路分析与代码实验结果对比之详细攻略# 1、定义嵌入模型和LLM# 2、加载数据并预处理：加载网页、文本分割、索引构建# 3、R原创 2024-07-12 02:16:35 · 4619 阅读 · 0 评论 -
LLMs之GLM-4：基于AutoDL云服务器利用自定义json格式指令数据集+数据格式转换(单轮问答对message【user-assistant】、多轮对话)对GLM-4-9b-chat训练(Lo
LLMs之GLM-4：基于AutoDL云服务器利用自定义json格式指令数据集+数据格式转换(单轮问答对message【user-assistant】、多轮对话)对GLM-4-9B训练(LoRA/P-Tuning v2微调)+推理案例的全流程实战目录一、清理服务器缓存二、模型推理三、模型微调3.1、基于GLM-4-9b实现问答对话(单轮)微调3.2、基于GLM-4-9b实现问答对话(多轮)微调一、清理服务器缓存ECS之AutoDL：Au原创 2024-06-07 00:53:03 · 1520 阅读 · 0 评论 -
NLP之ChatGPT：申请OpenAI的API key、多种方法调用API接口实现Chatgpt的炸天功能的图文教程(基于python代码实现)、案例应用之详细攻略
NLP之Chatgpt：申请OpenAI的API key、基于openai框架通过调用API接口实现Chatgpt的吊炸天功能的图文教程(基于python代码实现)、案例应用之详细攻略目录相关文章基于openai框架通过调用API接口实现Chatgpt功能的简介Chatgpt案例应用相关文章Py之OpenAI Python API：openai-python的简介、安装、使用方法之详细攻略https://yunyaniu.blog.csdn.n原创 2022-12-31 23:32:01 · 4769 阅读 · 0 评论 -
DL之LF：损失函数简介——交叉熵损失和负对数似然损失的联系与区别、二分类(二元交叉熵+Sigmoid函数)、多分类(多元交叉熵+Softmax函数)
DL之LF：损失函数简介——交叉熵损失和负对数似然损失的联系与区别、二分类(二元交叉熵+Sigmoid函数)、多分类(多元交叉熵+Softmax函数)目录对比：交叉熵损失(分类问题的损失函数，常用于分类问题+DL)、负对数似然损失(衡量分布之间差异，常用于概率模型+LLM)对比：交叉熵损失(分类问题的损失函数，常用于分类问题+DL)、负对数似然损失(衡量分布之间差异，常用于概率模型+LLM)CELoss简介交叉熵损失（Cross-Entropy Loss，CELoss）是信息论中的一原创 2023-12-16 01:15:30 · 865 阅读 · 0 评论 -
Python之ipynb：教你如何在Jupyter Notebook (.ipynb) 文件中指定要使用的 Conda 环境图文教程之详细攻略
Python之ipynb：教你如何在Jupyter Notebook (.ipynb) 文件中指定要使用的 Conda 环境图文教程之详细攻略目录教你如何在Jupyter Notebook (.ipynb) 文件中指定要使用的 Conda 环境图文教程教你如何在Jupyter Notebook (.ipynb) 文件中指定要使用的 Conda 环境图文教程1、安装nb_conda_kernels包:如果你还没有安装 nb_conda_kernels，可以通过以下命令安装它原创 2024-01-28 00:09:13 · 1493 阅读 · 0 评论 -
LLMs之RAG：基于Ollama框架(开启服务器模式+加载LLMs)部署LLaMA3/Phi-3等大语言模型、并结合AnythingLLM框架(配置参数LLM Preference【LLM Prov
LLMs之RAG：基于Ollama框架(开启服务器模式+加载LLMs)部署LLaMA3/Phi-3等大语言模型、并结合AnythingLLM框架(配置参数LLM Preference【LLM Provider-Chat Model】 /Embedding Preference/Vector Database)实现RAG功能(包括本地文档和抓取网页)实现Chat聊天以及本地知识库问答实战目录基于Ollama框架(开启服务器模式+加载LLMs)部署LLaMA3/Phi-3等大语言模型、并结合Anyt原创 2024-05-07 01:10:36 · 3062 阅读 · 0 评论 -
Transformer之MQA：多查询注意力(Multi-Query Attention,MQA)的概述(论文+原理等)、代码实现、案例应用之详细攻略
Transformer之MQA：MQA的概述、代码实现、案例应用之详细攻略目录相关论文《Fast Transformer Decoding: One Write-Head is All You Need》翻译与解读AbstractMQA技术的概述MQA的代码实现T1、MQA在 llm-foundry 中的实现MQA的案例应用相关论文《Fast Transformer Decoding: One Write-Head is All You Need原创 2020-03-05 22:51:29 · 1377 阅读 · 1 评论 -
ML之FE：IV值/IV信息量(Information Value)指标(衡量变量的预测能力)的简介、计算逻辑、使用方法之详细攻略
IV，Information Value，信息价值，信息量，用来表示变量对目标预测的贡献程度，也就是预测能力。该指标经常被用在评分卡模型中进行筛选变量。变量的IV值越大，表示自该变量的预测能力越强。但是求IV值，需要先求WOE值，从计算WOE可知，该指标是用在有监督学习，且目标变量为。原创 2022-06-16 15:09:03 · 2180 阅读 · 0 评论 -
ML之FE：RFM指标(衡量客户价值和客户创利能力的指标，距离最近一次购买时间/购买次数/购买金额)/RFM模型的简介、使用方法、应用实现之详细攻略
ML之FE：RFM指标(衡量客户价值和客户创利能力的指标)/RFM模型的简介、使用方法、应用实现之详细攻略目录RFM指标的简介RFM指标的具体实现RFM指标的简介 在众多的客户关系管理(CRM)的分析模型中，RFM模型是被广泛提到的。RFM模型是衡量客户价值和客户创利能力的重要工具和手段。该模型通过一个客户的近期交易行为、交易的总体频率以及交易金额三项指标来描述该客户的价值状况，依据这三项指标划分8类客户价值：重要价值客户、重要唤原创 2022-06-05 22:54:01 · 3742 阅读 · 0 评论 -
DL之ZFNet：ZFNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略
DL之ZFNet：ZFNet算法的简介(论文介绍)、架构详解、案例应用等配图集合之详细攻略目录ILSVRC2013比赛的简介ZFNet算法的简介ZFNet算法的案例应用ILSVRC2013比赛的简介官网地址：ImageNet这篇链接地址，介绍了ILSVRC2013比赛的相关信息。背景：ImageNet数据库和对应分类挑战赛。数据：两个任务，一个是目标检测任务共200类，一个是图像分类任务共1000类。时间表：赛程内容和时间安排。组织者：组织机构与联系方式。赞原创 2019-04-22 11:57:14 · 12157 阅读 · 1 评论 -
DL之CNN可视化：卷积神经网络理解的简介(相关论文/CNN各层级结构输出特征信息可视化)、代码实现理解
DL之CNN可视化：卷积神经网络理解的简介(相关论文/CNN各层级结构输出特征信息可视化)、代码实现理解目录卷积神经网络理解的简介CNN可视化代码实战理解卷积神经网络理解的简介1、CNN各层卷积所干的事(各个层级结构的结果可视化)(1)、卷积操作、ReLU操作、池化操作可视化红色，绿色(2)、ConV1、ConV2、ConV3等层卷积后的结果(3)、转置卷积可视化2、人脸识别任务案例：线段→人脸五官→人脸轮廓原创 2018-08-07 21:45:02 · 10788 阅读 · 2 评论 -
CV：计算机视觉领域(图像分类、目标检测、姿态估计、语义分割)基于各种benchmark数据集及其对应Top算法概述
CV：计算机视觉领域(图像分类、目标检测、姿态估计、语义分割)基于各种benchmark数据集及其对应Top算法概述目录简介使用方法简介您是否曾经想要快速了解哪篇论文在标准数据集X上提供了最佳结果？不用再等待，只需点击下面，发现当前的前沿技术。受到看到太多论文省略最佳方法的挫败感以及受到Hao Wooi Lim博客的启发，在这里，您可以找到一份众包列表，其中包含一些“主要”视觉分类、检测和姿态估计数据集上已知结果。根原创 2018-10-13 21:24:42 · 10619 阅读 · 1 评论 -
ML之TS之TFTS：TFTS库(基于Tensorflow框架实现Time series forecasting时间序列预测任务)的简介(TF旧版本)、使用方法、案例应用之详细攻略
ML之TS之TFTS：TFTS库(基于Tensorflow框架实现Time series forecasting时间序列预测任务)的简介(TF旧版本)、使用方法、案例应用之详细攻略目录相关文章TFTS库的简介TFTS库的案例应用相关文章TS之TFTS：TFTS库(基于Tensorflow框架实现Time series forecasting时间序列预测任务)的简介(TF旧版本)、使用方法、案例应用之详细攻略https://yunyaniu.blog.csd原创 2018-10-16 15:58:02 · 10285 阅读 · 0 评论 -
MAT之GRNN/PNN：基于iris鸢尾花分类数据集利用GRNN(广义回归神经网络)、PNN(概率神经网络)两神经网络算法实现分类预测并进行模型对比(模型性能和运行时间)图文教程及其代码实战
MAT之GRNN/PNN：基于iris鸢尾花分类数据集利用GRNN(广义回归神经网络)、PNN(概率神经网络)两神经网络算法实现分类预测并进行模型对比(模型性能和运行时间)图文教程及其代码实战目录基于鸢尾花分类数据集利用GRNN(广义回归神经网络)、PNN(概率神经网络)两神经网络算法实现分类预测并进行模型对比(模型性能和运行时间)图文教程基于鸢尾花分类数据集利用GRNN(广义回归神经网络)、PNN(概率神经网络)两神经网络算法实现分类预测并进行模型对比(模型性能和运行时间)图文教程原创 2018-02-06 20:55:51 · 17035 阅读 · 2 评论 -
MAT之DNN：基于汽油样品近红外光谱及其辛烷值数据集利用BP及RBF神经网络算法实现回归预测(R2评估)图文教程及代码实战
MAT之NN：实现BP神经网络的回归拟合，基于近红外光谱的汽油辛烷值含量预测结果对比目录输出结果实现代码输出结果实现代码load spectra_data.matplot(NIR') title('Near infrared spectrum curve—Jason niu') temp = randperm(si...原创 2018-02-05 20:41:30 · 17322 阅读 · 143 评论 -
ML之NB：基于垃圾邮件数据集利用多项式朴素贝叶斯分类器实现二分类实战代码
ML之NB：基于垃圾邮件数据集利用多项式朴素贝叶斯分类器实现二分类实战代码目录基于垃圾邮件二分类数据集利用多项式朴素贝叶斯分类器实现二分类实战代码基于垃圾邮件二分类数据集利用多项式朴素贝叶斯分类器实现二分类实战代码垃圾邮件数据集下载地址：Index of /old/publiccorpus实现代码，基于自定义数据集# ML之NB：基于垃圾邮件二分类数据集利用多项式朴素贝叶斯分类器实现二分类实战代码from sklearn.model_selection impo原创 2019-02-22 22:47:09 · 10455 阅读 · 4 评论 -
ML之FE：数据预处理/特征工程之构造特征—构造交互特征(四则运算/多项式)—将输入特征进行多项式映射，即根据两个特征来构造多项式组合特征的代码实战
ML之FE：特征工程之特征构造——将输入特征进行多项式映射——即根据两个特征来构造多项式组合特征的代码实战目录特征工程之特征构造——将输入特征进行多项式映射——即根据两个特征来构造多项式组合特征的代码实战特征工程之特征构造——将输入特征进行多项式映射——即根据两个特征来构造多项式组合特征的代码实战输出结果degree = 3x1 x2 X1^1 * X2^0 X1^0 * X2^1 X1^2 * X2^0 X1^1 * X2^1 X1^0 * X2^2 X1^3 * X2^0 X1原创 2023-12-12 22:58:43 · 965 阅读 · 0 评论 -
ML之LoR：逻辑回归算法的简介(源代码及其参数调优解读)、应用、经典案例之详细攻略
ML之LoR：逻辑回归算法的简介(源代码及其参数调优解读)、应用、经典案例之详细攻略目录逻辑回归LoR算法的简介逻辑回归LoR算法的应用逻辑回归LoR算法的经典案例逻辑回归LoR算法的简介 逻辑回归最适合二进制分类（y = 0或1的数据集，其中1表示默认类）。例如：在预测事件是否发生时，发生的事件被分类为1。在预测人会生病或不生病，生病的实例记为1）。它是以其中使用的变换函数命名的，称为逻辑函数h(x) =1 / （1+e-x），它是一个S形曲线。原创 2017-12-31 15:50:32 · 16233 阅读 · 0 评论 -
ML之FE：机器学习项目优化之稀疏特征的简介、处理稀疏特征常用方法(数据层面—FE/Embedding、算法层面(常用的稀疏感知算法等))、应用场景
ML之FE：机器学习优化之稀疏特征的简介、常用的稀疏感知算法(Sparsity aware algorithm)、应用场景目录稀疏特征的简介常用的稀疏感知算法(Sparsity aware algorithm)应用场景稀疏特征的简介信号稀疏表示是过去近20年来信号处理界一个非常引人关注的研究领域，众多研究论文和专题研讨会表明了该领域的蓬勃发展。信号稀疏表示的目的就是在给定的超完备字典中用尽可能少的原子来表示信号，可以获得信号更为简洁的表示方式，从而使我们原创 2019-06-04 14:35:51 · 15661 阅读 · 1 评论 -
DL之AlexNet：AlexNet算法的简介(论文介绍)、架构详解、耗费算力对比、案例应用等配图集合之详细攻略
DL之AlexNet：AlexNet算法的简介(论文介绍)、架构详解、耗费算力对比、案例应用等配图集合之详细攻略目录AlexNet算法的简介AlexNet算法的架构详解AlexNet算法的案例应用相关文章Dataset：数据集集合(CV方向数据集)——常见的计算机视觉图像数据集大集合(建议收藏，持续更新)DL之CNN(paper)：关于CNN(卷积神经网络)经典论文原文(1950~2018)简介、下载地址大全(非常有价值)之持续更新(吐血整理)DL之Ale原创 2018-05-06 21:43:14 · 12876 阅读 · 2 评论 -
ML之LiR：机器学习经典算法之线性回归算法LiR的简介、使用方法、代码实现、经典案例之详细攻略
ML之LiR：机器学习经典算法之线性回归算法LiR的简介、使用方法、代码实现、经典案例之详细攻略目录线性回归算法LiR的简介线性回归算法LiR的使用方法线性回归算法LiR的经典案例线性回归算法LiR的简介 线性回归方程是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的一种统计分析方法之一。线性回归也是回归分析中第一种经过严格研究并在实际应用中广泛使用的类型。按自变量个数可分为一元线性回归分析方程和多元线性回归分析方程。原创 2018-01-25 22:09:19 · 9996 阅读 · 2 评论 -
DL之Dropout：Dropout技术(DNN优化技术)的简介(相关论文/背景/原理/思路/意义/特点)、案例应用之详细攻略
DL之Dropout：Dropout技术(DNN优化技术)的简介(相关论文/背景/原理/思路/意义/特点)、案例应用之详细攻略目录Dropout简介Dropout案例应用Dropout简介1、Dropout的概述背景过拟合是指模型在训练集上表现良好但在新数据上表现不佳的现象。如果网络的模型变得很复杂，只用权值衰减就难以应对了。而Dropout通过在训练过程中随机关闭神经网络中的部分神经元来减少过拟合。Dropout技术最初由多伦多大学的神经网络研究团队提出，其中的原创 2019-02-21 22:24:04 · 7621 阅读 · 1 评论 -
ML之DictVectorizer：利用DictVectorizer函数对dataframe格式所有类型特征实现数据向量化(数值化)同时处理【类别型】特征(本质是OneHot处理)和【数值型】特征(不
ML之DictVectorizer：利用DictVectorizer函数对dataframe格式所有类型特征实现数据向量化(数值化)同时处理【类别型】特征(本质是OneHot处理)和【数值型】特征(不经过任何处理)代码实战目录利用DictVectorizer函数对dataframe格式所有类型特征实现数据向量化(数值化)同时处理【类别型】特征(本质是OneHot处理)和【数值型】特征(不经过任何处理)代码实战利用DictVectorizer函数对dataframe格式所有类型特征实现数据原创 2023-11-28 00:55:53 · 1066 阅读 · 0 评论