- 这里使用华为云机器学习做具体实验学习。首先要有华为云帐号。然后登录并进入华为云机器学习服务。创建实例（具体操作见《7天入门机器学习》），并访问实例。 在主页可以添加案例进行实操学习。这里把《【7天入门机器学习课程附加题：故障多分类】总结之二——数据处理》处理好的数据xlj.csv、yzj.csv、csj.csv上传到数据栏中。模型栏中可以看到后面生成的模型。这里点开项目栏，创建空白项目以便后... 这里使用华为云机器学习做具体实验学习。首先要有华为云帐号。然后登录并进入华为云机器学习服务。创建实例（具体操作见《7天入门机器学习》），并访问实例。 在主页可以添加案例进行实操学习。这里把《【7天入门机器学习课程附加题：故障多分类】总结之二——数据处理》处理好的数据xlj.csv、yzj.csv、csj.csv上传到数据栏中。模型栏中可以看到后面生成的模型。这里点开项目栏，创建空白项目以便后...
- 从《【7天入门机器学习课程附加题：故障多分类】总结之一———数据理解与分析》可知为了区分Abnormal2与Abnormal3，需要对样本数据进行再处理以达到特征强化，从而区分出标识Abnormal2与Abnormal3。因为每个文件是同一个标识的时间序列，独立于其它文件，所以特征强化是对每一个文件做单独处理的。这里说的特征强化其实就是以统一标准对同一大样本（文件）中的各个小样本（行数据）进... 从《【7天入门机器学习课程附加题：故障多分类】总结之一———数据理解与分析》可知为了区分Abnormal2与Abnormal3，需要对样本数据进行再处理以达到特征强化，从而区分出标识Abnormal2与Abnormal3。因为每个文件是同一个标识的时间序列，独立于其它文件，所以特征强化是对每一个文件做单独处理的。这里说的特征强化其实就是以统一标准对同一大样本（文件）中的各个小样本（行数据）进...
- 7天入门机器学习课程地址：https://education.huaweicloud.com:8443/courses/course-v1:HuaweiX+CBUCNXE018+Self-paced/about一、附加题作业说明：场景说明：某设备的运行会出现3种故障（Abnromal1、Abnromal2、Abnromal3）和正常状态（Normal）。训练数据：提供了6个文件，每个文件包含... 7天入门机器学习课程地址：https://education.huaweicloud.com:8443/courses/course-v1:HuaweiX+CBUCNXE018+Self-paced/about一、附加题作业说明：场景说明：某设备的运行会出现3种故障（Abnromal1、Abnromal2、Abnromal3）和正常状态（Normal）。训练数据：提供了6个文件，每个文件包含...
- 参考：[华为云AI+大数据学习营DLI服务高阶课程](https://bbs.huaweicloud.com/forum/thread-13944-1-1.html)1. DLI服务与MLS服务说明DLI官网地址：https://support.huaweicloud.com/productdesc-dli/dli_07_0001.html ，数据湖探索（Data Lake Insight,... 参考：[华为云AI+大数据学习营DLI服务高阶课程](https://bbs.huaweicloud.com/forum/thread-13944-1-1.html)1. DLI服务与MLS服务说明DLI官网地址：https://support.huaweicloud.com/productdesc-dli/dli_07_0001.html ，数据湖探索（Data Lake Insight,...
- 世界有很多角度，而我们却只能看到一个，并深陷其中，自信不已。每一个角度有不同的维度组合来观察世界。 我们看待股票市场，有一个最常规的角度，就是个股，一个个代码。技术分析者看到的个股k线、价量信息；基本面分析者看到的是公司的财务状况和运营模式。这是一种最普遍的角度。 在信号处理领域，有一个最基本的信号处理方法，时频分析，工具就是傅里叶变换。人类直觉上看待一个信号的维... 世界有很多角度，而我们却只能看到一个，并深陷其中，自信不已。每一个角度有不同的维度组合来观察世界。 我们看待股票市场，有一个最常规的角度，就是个股，一个个代码。技术分析者看到的个股k线、价量信息；基本面分析者看到的是公司的财务状况和运营模式。这是一种最普遍的角度。 在信号处理领域，有一个最基本的信号处理方法，时频分析，工具就是傅里叶变换。人类直觉上看待一个信号的维...
- 互联网时代，数据的重要性不言而喻。据IDC预测，到2020年，全球数据总量将达到44个ZB，仅我国的数据量就将有8060个EB，占全球数据总量的18%。而对于企业，如此庞大的数据将成为至关重要的资产。越来越多的企业将数据资源视为一种基础性或战略性资源，从而越来越重视海量数据背后蕴藏的无限潜力。这些来自内部和外部的数据，可以更好地帮助企业模拟生产、把握行业趋势、预测销售... 互联网时代，数据的重要性不言而喻。据IDC预测，到2020年，全球数据总量将达到44个ZB，仅我国的数据量就将有8060个EB，占全球数据总量的18%。而对于企业，如此庞大的数据将成为至关重要的资产。越来越多的企业将数据资源视为一种基础性或战略性资源，从而越来越重视海量数据背后蕴藏的无限潜力。这些来自内部和外部的数据，可以更好地帮助企业模拟生产、把握行业趋势、预测销售...
- ● 线性回归（LinearRegression）：拟合自变量和因变量线性关系的统计分析方法，常用最小二乘法来求解参数。● 多项式回归（Polynomial Regression）：自变量次数大于1，但具体的次数选择往往要依靠经验，次数太高容易过拟合。 ● 朴素贝叶斯（NativeBayes，NB）：由贝叶斯公式得到的分类器，通过计算后验概率来分类。 ● 支持向量机（SupportVector... ● 线性回归（LinearRegression）：拟合自变量和因变量线性关系的统计分析方法，常用最小二乘法来求解参数。● 多项式回归（Polynomial Regression）：自变量次数大于1，但具体的次数选择往往要依靠经验，次数太高容易过拟合。 ● 朴素贝叶斯（NativeBayes，NB）：由贝叶斯公式得到的分类器，通过计算后验概率来分类。 ● 支持向量机（SupportVector...
- 根据问题本身的特征来分类，机器学习问题可分为监督学习、无监督学习、半监督学习和强化学习。 ● 监督学习（Supervised Learning）的特点是训练数据是有标签的，即对于每个输入都有相对应的输出，算法的目的是训练出能反应输入与输出之间的映射关系的模型。对于输出值是离散的（有限个数），称之为分类问题（Classification Problem）；对于输出值是... 根据问题本身的特征来分类，机器学习问题可分为监督学习、无监督学习、半监督学习和强化学习。 ● 监督学习（Supervised Learning）的特点是训练数据是有标签的，即对于每个输入都有相对应的输出，算法的目的是训练出能反应输入与输出之间的映射关系的模型。对于输出值是离散的（有限个数），称之为分类问题（Classification Problem）；对于输出值是...
- 华为云深度学习服务平台实现物品识别 华为云深度学习服务平台实现物品识别
- 我曾在AI科技大本营上看到了一篇文章，文章标题为：“机器学习失败的6种原因，你中招了吗？”这篇文章大致在讲机器学习失败的6大原因。1、缺乏对问题的业务理解而使机器学习失败。通常机器学习工程师对于一个行业不了解的情况下，在加上经验不足，很容易导致方向性的错误。当然文章中也有友情提示说：“机器学习工程师要从假设声明开始，该声明你要明白解决的问题是什么，以及你要构建哪些模型来解决该问题。”，而在华... 我曾在AI科技大本营上看到了一篇文章，文章标题为：“机器学习失败的6种原因，你中招了吗？”这篇文章大致在讲机器学习失败的6大原因。1、缺乏对问题的业务理解而使机器学习失败。通常机器学习工程师对于一个行业不了解的情况下，在加上经验不足，很容易导致方向性的错误。当然文章中也有友情提示说：“机器学习工程师要从假设声明开始，该声明你要明白解决的问题是什么，以及你要构建哪些模型来解决该问题。”，而在华...
- sklearn 机器学习模型应用 sklearn 机器学习模型应用
- 1 数据理解原本的训练数据是6个文件，每个文件有自己的一个标识（label），并且已经告知了每个文件是一个时间序列，这说明每个本身就是一个大样本，这个大样本的label已经给定。6个样本显然是不够进行机器学习的，而且这6个样本的长度也不一致，无法通过行列转换方式强行进行样本统一，所以我们需要做的是样本的转化。现在每个样本是一个表文件，怎么转化呢？请翻看第2天的课程<机器学习中的数据... 1 数据理解原本的训练数据是6个文件，每个文件有自己的一个标识（label），并且已经告知了每个文件是一个时间序列，这说明每个本身就是一个大样本，这个大样本的label已经给定。6个样本显然是不够进行机器学习的，而且这6个样本的长度也不一致，无法通过行列转换方式强行进行样本统一，所以我们需要做的是样本的转化。现在每个样本是一个表文件，怎么转化呢？请翻看第2天的课程<机器学习中的数据...
- 利用极大似然估计解释最小二乘法 利用极大似然估计解释最小二乘法
- 此项目使用KNN算法对机器故障进行识别，机器共有三类故障，每个数据包含两个特征，标签及为机器故障的种类。 此项目使用KNN算法对机器故障进行识别，机器共有三类故障，每个数据包含两个特征，标签及为机器故障的种类。
- 本项目对课堂评论进行了分类 本项目对课堂评论进行了分类
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签