代码编织梦想

计算机视觉初探-爱代码爱编程

LeNet:深度学习图像识别的里程碑 LeNet是卷积神经网络(Convolutional Neural Network, CNN)领域的先驱模型,由Yann LeCun等人在1998年提出,被广泛应用于手写数字识别和其他

机器学习入门-爱代码爱编程

GRU模型 随着深度学习领域的快速发展,循环神经网络(RNN)已成为自然语言处理(NLP)等领域中常用的模型之一。但是,在RNN中,如果时间步数较大,会导致梯度消失或爆炸的问题,这影响了模型的训练效果。为了解决这个问题,研

【机器学习入门】文本分析基础概念与方法_特征词为空-爱代码爱编程

目录 一、文本分析 文本的分析方法 文本分析的应用 对于中文文本 对于英文文本: 二、常见的文本特征表示方法 1.TF-IDF 基本概念 基本思想 TF-IDF的值由tf×idf计算获得,即tf和idf的数值乘积。 2.信息增益 基本概念 方法阐述: 3.互信息 基本概念: 4.卡方统计量 基本概念: 公式方法: 5.

【机器学习实战】南非心脏病数据——基于逻辑回归_r语言 reg_train啥意思-爱代码爱编程

目录 数据集介绍 导入数据,相关变量解释 进行逻辑回归 计算相关指标值 绘制ROC曲线  计算AUC值与 Kappa值 总结 数据集介绍 在开始之前,请让我们先来介绍一下所用的数据包:南非心脏病数据 SAheart包 SAheart是R语言中的一个数据包,其中包含了南非心脏病数据集。该数据集提供了关于南非人口样本的心脏病相关的信息。

【机器学习入门】决策树算法(三):c5.0算法-爱代码爱编程

简介: C5.0算法是昆兰在C4.5算法的基础上提出的商用改进版本,目的是对含有大量数据的数据集进行分析。 计算过程: C5.0算法的训练过程大致如下。 假设训练的样本集S共有n个样本,训练决策树模型的次数为T,用Ct表示t次训练产生的决策树模型,经过T次训练后最终构建的复合决策树模型表示为C*。 用表示第i个样本在第t次模型训练

蓝桥云课xbilibili编程竞赛6月专场【5.不患寡而患不均】题解_蓝桥云课 6月必死啊-爱代码爱编程

题解 from typing import List from random import * def unbalanced_data_pipeline(data: List[List[List[int]]],

ubuntu环境下的cuda、cudnn、nccl的安装与基于paddle的验证_验证nccl安装-爱代码爱编程

官方指南:https://docs.nvidia.com/deeplearning/cudnn/install-guide/index.html 1.保证当前显卡驱动尽可能最新,或可以使用Cuda内的驱动 2.安装Cud

机器学习入门(第六天)——支持向量机(升维打击)-爱代码爱编程

Support vector machines 知识树 Knowledge tree 苹果表示重点 间隔:使用了几何间隔,保证w b的度量,感知机则是函数间隔 间隔最大化思想:则是支持向量机的独有,这使得它找到最优超平面 核函数:面试当中可能会问到是否能写出其中的一个核函数 红豆绿豆的前世今生 前面章节讲到划分超平面

【机器学习入门】决策树算法(四):cart算法(classification and regression tree)_cart相较于其他决策树算法有什么优缺点-爱代码爱编程

CART算法的简介: CART(Classification and Regression Tree)算法,即分类回归树算法,也是决策树构建的一种常用算法,CART的构建过程采用的是二分循环分割的方法,每次划分都把当前样本集划分为两个子样本集,使决策树中的节点均有两个分支,显然,这样就构造了一个二叉树。 如果分支属性有多于两个取值,在分裂时会

艺术与ai:科技与艺术的完美融合-爱代码爱编程

文章目录 艺术创作的新工具生成艺术艺术与数据 AI与互动艺术虚拟现实(VR)与增强现实(AR)机器学习与互动性 艺术与AI的伦理问题结语 🎉欢迎来到AIGC人工智能

迁移学习:实现快速训练和泛化的新方法-爱代码爱编程

文章目录 迁移学习的原理迁移学习的应用快速训练泛化能力提升 迁移学习的代码示例拓展应用与挑战结论 🎉欢迎来到AIGC人工智能专栏~迁移学习:实现快速训练和泛化的新

虚拟化技术:云计算发展的核心驱动力_虚拟化技术出现及发展的主要驱动力是-爱代码爱编程

文章目录 虚拟化技术的概念和作用虚拟化技术的优势虚拟化技术对未来发展的影响结论 🎉欢迎来到AIGC人工智能专栏~虚拟化技术:云计算发展的核心驱动力 ☆* o(≧▽

【机器学习入门】决策树算法(一):id3(iterative dichotomiser 3)算法_决策树id3算法-爱代码爱编程

决策树: 决策树(Decision Tree)是在已知各种情况发生概率的基础上,通过构成决策树来求取净现值的期望值大于等于零的概率,评价项目风险,判断其可行性的决策分析方法,是直观运用概率分析的一种图解法。 决策树通过把数据样本分配到某个叶子节点来确定数据集中样本所属的分类。

【机器学习入门】决策树算法(二):c4.5算法_c4.5如何处理缺失值-爱代码爱编程

C4.5算法: C4.5算法的总体思路与ID3相似,都是通过构造决策树进行分类,其区别在于分支的处理。 在分支属性的选取上,ID3算法使用信息增益作为度量,而C4.5算法引入了信息增益率作为度量。 信息增益率(Gain_ratio): 与ID3算法计算信息增益过程类似,假设样本集为S,样本的属性A具有v个可能取值,即通过属性A能够将样

【机器学习入门】避免过拟合的方法之一:正则化_正则化过低会导致过拟合吗-爱代码爱编程

上一篇文章讲了损失函数,我们知道损失函数是用来解释模型在样本实例上的误差的,损失函数的最终值越小,测试值与实际值相差越小,拟合效果越好,但拟合效果好了模型就一定好吗?下面展示两张图片: 由两张图片的第三幅图中可以看到,我们

蓝桥云课xbilibili编程竞赛6月专场【6.三省吾身】题解-爱代码爱编程

题解 from typing import List def getans(res:List): max = -float("inf") i = -1 for i in range(le

蓝桥云课xbilibili编程竞赛6月专场【2.寸影千里】题解_寸影千里计算-爱代码爱编程

题解 from typing import List, Union def minkowski_distance(point_a: List[float], point_b: List[float], p: U

蓝桥云课xbilibili编程竞赛6月专场【1.金鸡独立】题解_def label_process(labels: list[str], sample_y: lis-爱代码爱编程

题解 from typing import List def label_process(labels: List[str], sample_y: List[str])->List[List[int]]:

机器学习入门:第十四章 卷积神经网络_卷积神经网络bias-爱代码爱编程

前言 用输入层,隐藏层,输出层组成了神经网络,把数据放入输入层,通过隐藏层,再到输出层,把训练的数据跟输出进行对比得出误差,把误差传回到隐藏层中训练各个层的参数。 这是典型的神经网络的结果图: 典型的神经网络用在了

机器学习入门:第十八章 受限波尔兹曼机-爱代码爱编程

受限波尔兹曼机(Restricted Boltzmann Machine-RBM) 受限波尔兹曼机是在波尔兹曼机的基础上发展起来的,这是深度信念网络的基础,RBM包含两个层,可见层(visible layer)和隐藏层(h