- 1 简介作为最流行的经典机器学习算法之一，决策树的可解释性比其他算法更直观。CART算法经常用于构建决策树模型，它可能也是最常用的算法。当我们将 Scikit-Learn 库用于决策树分类器时，它是默认算法。用 scikit-learn 构建一个 CART 决策树模型；计算每个叶节点上“流失”类别的概率；根据概率阈值为每个叶节点打上模态标签： □ churn（必然流失，概率 > 0.9）... 1 简介作为最流行的经典机器学习算法之一，决策树的可解释性比其他算法更直观。CART算法经常用于构建决策树模型，它可能也是最常用的算法。当我们将 Scikit-Learn 库用于决策树分类器时，它是默认算法。用 scikit-learn 构建一个 CART 决策树模型；计算每个叶节点上“流失”类别的概率；根据概率阈值为每个叶节点打上模态标签： □ churn（必然流失，概率 > 0.9）...
- 1 简介模态逻辑（Modal Logic）是一种对“不确定性”、“可能性”、“必然性”等语义进行形式化推理的逻辑系统，它已经被广泛引入到现代人工智能（AI）、自然语言处理、知识表示与自动推理、博弈论、以及机器学习等领域。在数据科学中，模态逻辑与决策树（如 CART）结合使用，可以将“确定性计算”与“不确定性建模”融合，用于推理、决策支持或局部可信度评估。 2、模态逻辑的核心思想和计算目的基... 1 简介模态逻辑（Modal Logic）是一种对“不确定性”、“可能性”、“必然性”等语义进行形式化推理的逻辑系统，它已经被广泛引入到现代人工智能（AI）、自然语言处理、知识表示与自动推理、博弈论、以及机器学习等领域。在数据科学中，模态逻辑与决策树（如 CART）结合使用，可以将“确定性计算”与“不确定性建模”融合，用于推理、决策支持或局部可信度评估。 2、模态逻辑的核心思想和计算目的基...
- 1 简介本文介绍模态逻辑对现代计算机与人工智能的助力。 2 应用场景知识表示与推理（Knowledge Representation and Reasoning）模态逻辑，特别是认知逻辑（epistemic logic），提供了一种形式化的工具，表达“智能体知道/相信什么”。多智能体系统中，用模态逻辑建模每个智能体的信息状态与推理过程。描述如：“Agent A 知道 Agent B 不知道... 1 简介本文介绍模态逻辑对现代计算机与人工智能的助力。 2 应用场景知识表示与推理（Knowledge Representation and Reasoning）模态逻辑，特别是认知逻辑（epistemic logic），提供了一种形式化的工具，表达“智能体知道/相信什么”。多智能体系统中，用模态逻辑建模每个智能体的信息状态与推理过程。描述如：“Agent A 知道 Agent B 不知道...
- tensorflow自带的评估器（estimator）有Pre-made模式，可以轻松启动第一个深度学习模型。 tensorflow自带的评估器（estimator）有Pre-made模式，可以轻松启动第一个深度学习模型。
- 本文详解昇腾流水线优化技术，涵盖NPU与GPU侧多级流水实现。通过Stage划分、异步调度与计算通信重叠，提升训练吞吐与硬件利用率。NPU基于Rec SDK实现五阶段流水，支持动态换入换出；GPU则利用CUDA Stream构建StagedTrainPipeline，实现高效prefetch与梯度更新协同。 本文详解昇腾流水线优化技术，涵盖NPU与GPU侧多级流水实现。通过Stage划分、异步调度与计算通信重叠，提升训练吞吐与硬件利用率。NPU基于Rec SDK实现五阶段流水，支持动态换入换出；GPU则利用CUDA Stream构建StagedTrainPipeline，实现高效prefetch与梯度更新协同。
- 本文详解推荐系统多级缓存中的准入淘汰策略，涵盖基于访问频次、概率、ShowClick等准入机制，以及基于时间、L2范数、频次等淘汰机制，结合CPU-PS控制流程与NPU执行优化，实现缓存资源高效利用，提升模型训练效率与推荐精度。 本文详解推荐系统多级缓存中的准入淘汰策略，涵盖基于访问频次、概率、ShowClick等准入机制，以及基于时间、L2范数、频次等淘汰机制，结合CPU-PS控制流程与NPU执行优化，实现缓存资源高效利用，提升模型训练效率与推荐精度。
- 嵌入表分片与哈希管理：支撑万亿参数的关键技术 1、 Hash管理及实现如下图所示：在推荐系统中，大部分ID的原始特征都是离散型（global ids），因为其取值空间巨大且稀疏（如用户ID或物品ID可能达到百万甚至亿级别），直接作为输入会导致嵌入表维度爆炸，引发存储和计算瓶颈。常见的做法是需要将离散的ID转为连续的行号（hash indices），从而压缩特征空间，实现高效存储和查询。Ha... 嵌入表分片与哈希管理：支撑万亿参数的关键技术 1、 Hash管理及实现如下图所示：在推荐系统中，大部分ID的原始特征都是离散型（global ids），因为其取值空间巨大且稀疏（如用户ID或物品ID可能达到百万甚至亿级别），直接作为输入会导致嵌入表维度爆炸，引发存储和计算瓶颈。常见的做法是需要将离散的ID转为连续的行号（hash indices），从而压缩特征空间，实现高效存储和查询。Ha...
- 1、问题与挑战推荐系统中的用户（User）、物品（Item）及上下文（Context）特征具有高度异构性，其物理含义和量纲差异显著。为将这些特征有效引入深度神经网络（DNN），须通过Embedding技术将其映射为统一的低维稠密向量表示，从而解决特征间的语义鸿沟并提升模型泛化能力。为提升推荐系统的整体推荐效果，满足用户个性化推荐的需求，加速互联网电商企业快速变现。如下图所示：近10年来推荐... 1、问题与挑战推荐系统中的用户（User）、物品（Item）及上下文（Context）特征具有高度异构性，其物理含义和量纲差异显著。为将这些特征有效引入深度神经网络（DNN），须通过Embedding技术将其映射为统一的低维稠密向量表示，从而解决特征间的语义鸿沟并提升模型泛化能力。为提升推荐系统的整体推荐效果，满足用户个性化推荐的需求，加速互联网电商企业快速变现。如下图所示：近10年来推荐...
- 问题：在使用lightgbm的时候，如果希望结果更平滑、更具有趋势性，那么应该如何调整参数 答案：在使用LightGBM时，如果你希望模型的预测结果更平滑且更具有趋势性，可以考虑调整以下几个参数：num_leaves：减少num_leaves的值可以使得模型更简单，从而减少过拟合，使结果更平滑。通常可以尝试从较小的值开始，如31或15。max_depth：限制树的最大深度。较小的深度可以防... 问题：在使用lightgbm的时候，如果希望结果更平滑、更具有趋势性，那么应该如何调整参数 答案：在使用LightGBM时，如果你希望模型的预测结果更平滑且更具有趋势性，可以考虑调整以下几个参数：num_leaves：减少num_leaves的值可以使得模型更简单，从而减少过拟合，使结果更平滑。通常可以尝试从较小的值开始，如31或15。max_depth：限制树的最大深度。较小的深度可以防...
- 很多开发者学 Python 都是东拼西凑，学完基础不知道怎么做项目，学完框架不懂底层原理。最近整理了一套比较系统的学习资源，从基础语法到架构设计都有覆盖，分享给需要的朋友。 什么是真正的 Python 全栈开发在整理学习资料时，发现很多同学对"全栈开发"这个概念理解得比较模糊。到底需要掌握哪些技术？各模块之间是什么关系？今天结合一套比较完整的课程大纲，系统拆解一下 Python 全栈开发的技... 很多开发者学 Python 都是东拼西凑，学完基础不知道怎么做项目，学完框架不懂底层原理。最近整理了一套比较系统的学习资源，从基础语法到架构设计都有覆盖，分享给需要的朋友。 什么是真正的 Python 全栈开发在整理学习资料时，发现很多同学对"全栈开发"这个概念理解得比较模糊。到底需要掌握哪些技术？各模块之间是什么关系？今天结合一套比较完整的课程大纲，系统拆解一下 Python 全栈开发的技...
- 大模型API调用会用，但不理解背后原理？微调训练无从下手？本文从底层架构到工程实践，拆解完整技术路径。 大模型技术体系全景：从原理到工程实践随着ChatGPT引发的AI浪潮，大模型技术已成为开发者必备技能。但从API调用到深入理解架构原理，再到企业级应用落地，中间存在明显的知识断层。本文整理了一套完整的学习资源，帮助开发者系统掌握大模型技术栈。 技术栈覆盖范围基础理论层内容涵盖必要的数学基础... 大模型API调用会用，但不理解背后原理？微调训练无从下手？本文从底层架构到工程实践，拆解完整技术路径。 大模型技术体系全景：从原理到工程实践随着ChatGPT引发的AI浪潮，大模型技术已成为开发者必备技能。但从API调用到深入理解架构原理，再到企业级应用落地，中间存在明显的知识断层。本文整理了一套完整的学习资源，帮助开发者系统掌握大模型技术栈。 技术栈覆盖范围基础理论层内容涵盖必要的数学基础...
- 算力是衡量计算系统处理数据能力的重要指标，其单位根据计算规模和应用场景的不同，形成了一套完整的量级体系。以下是算力单位的详细分类及说明：一、基础算力单位：FLOPS 家族1. FLOPS（每秒浮点运算次数）定义：Floating Point Operations Per Second 的缩写，是衡量浮点计算能力的核心单位，适用于科学计算、AI 训练等场景。细分单位（按量级递增）：1 FLOP... 算力是衡量计算系统处理数据能力的重要指标，其单位根据计算规模和应用场景的不同，形成了一套完整的量级体系。以下是算力单位的详细分类及说明：一、基础算力单位：FLOPS 家族1. FLOPS（每秒浮点运算次数）定义：Floating Point Operations Per Second 的缩写，是衡量浮点计算能力的核心单位，适用于科学计算、AI 训练等场景。细分单位（按量级递增）：1 FLOP...
- 使用torch+mindspeed训练时，可能出现类似“wait socket establish timeout, role[0] rank[1] timeout[120]”的报错，plog日志内容如下：上图中给出以下信息：1，本端device id（5）、本端rank（1）、对端rank（2）。本端rank和对端rank表示的是在通信域内的rank编号，如果是子通信域，需要注意devic... 使用torch+mindspeed训练时，可能出现类似“wait socket establish timeout, role[0] rank[1] timeout[120]”的报错，plog日志内容如下：上图中给出以下信息：1，本端device id（5）、本端rank（1）、对端rank（2）。本端rank和对端rank表示的是在通信域内的rank编号，如果是子通信域，需要注意devic...
- 在当今数字化的工作环境中，员工上网行为监控软件对于企业的信息安全和生产效率至关重要。Scikit - learn 作为一款强大的机器学习库，为监控数据的分类提供了高效且实用的解决方案。数据准备阶段首先，我们需要收集和整理员工上网行为的数据。这些数据可能包括访问的网址、使用的应用程序、访问时间等信息。假设我们已经将这些数据整理成了一个 CSV 文件，其中每一行代表一次上网行为记录，列则分别对应... 在当今数字化的工作环境中，员工上网行为监控软件对于企业的信息安全和生产效率至关重要。Scikit - learn 作为一款强大的机器学习库，为监控数据的分类提供了高效且实用的解决方案。数据准备阶段首先，我们需要收集和整理员工上网行为的数据。这些数据可能包括访问的网址、使用的应用程序、访问时间等信息。假设我们已经将这些数据整理成了一个 CSV 文件，其中每一行代表一次上网行为记录，列则分别对应...
- 文章目录 简介代码复现sklearn库调用 简介 K近邻（K Nearest Neighbors，KNN）算法是最简单的分类算法之一，也就是根据现有训练数据判断输入样本是属于哪一个类别... 文章目录 简介代码复现sklearn库调用 简介 K近邻（K Nearest Neighbors，KNN）算法是最简单的分类算法之一，也就是根据现有训练数据判断输入样本是属于哪一个类别...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
关于RISC-V生态发展的思考2025/09/02 周二 17:00-18:00
中国科学院计算技术研究所副所长包云岗教授
中科院包云岗老师将在本次直播中，探讨处理器生态的关键要素及其联系，分享过去几年推动RISC-V生态建设实践过程中的经验与教训。
回顾中 -
一键搞定华为云万级资源，3步轻松管理企业成本2025/09/09 周二 15:00-16:00
阿言 华为云交易产品经理
本直播重点介绍如何一键续费万级资源，3步轻松管理成本，帮助提升日常管理效率！
回顾中
热门标签