- 题号 标题 已通过代码 通过率 团队 A Floor Tiles in a Park 点击查看 74/232 B Rotate Sum 3 点击查看 24/313 C Constructive Pro... 题号 标题 已通过代码 通过率 团队 A Floor Tiles in a Park 点击查看 74/232 B Rotate Sum 3 点击查看 24/313 C Constructive Pro...
- 文章目录 员工离职预测——逻辑回归的应用1 读取文件2 独热编码3 划分数据集4 归一化5 逻辑回归预测6 模型预测及评估 员工离职预测——逻辑回归的应用 开始这个案例之前，请先点击这... 文章目录 员工离职预测——逻辑回归的应用1 读取文件2 独热编码3 划分数据集4 归一化5 逻辑回归预测6 模型预测及评估 员工离职预测——逻辑回归的应用 开始这个案例之前，请先点击这...
- 文章目录 1 机器学习概述1.1 欢迎1.2 什么是机器学习1.3 监督学习1.4 无监督学习1.5 强化学习1.6 机器学习的开发流程 1 机器学习概述 1.1 欢迎 对于机器学习... 文章目录 1 机器学习概述1.1 欢迎1.2 什么是机器学习1.3 监督学习1.4 无监督学习1.5 强化学习1.6 机器学习的开发流程 1 机器学习概述 1.1 欢迎 对于机器学习...
- 文章目录 致谢 4 补充知识4.1 微积分4.1.1 导数和微分4.1.2 偏导数4.1.3 梯度4.1.4 链式求导 4.2 Hub模块 致谢 导数与微分到底有什么区... 文章目录 致谢 4 补充知识4.1 微积分4.1.1 导数和微分4.1.2 偏导数4.1.3 梯度4.1.4 链式求导 4.2 Hub模块 致谢 导数与微分到底有什么区...
- 文章目录 2 引入2.1 模型概述2.1.1 预测房价问题2.1.2 符号 2.2 代价函数2.3 代价函数的用处2.4 回到问题2.5 梯度下降2.6 梯度下降知识点总结2.7 线性回归模... 文章目录 2 引入2.1 模型概述2.1.1 预测房价问题2.1.2 符号 2.2 代价函数2.3 代价函数的用处2.4 回到问题2.5 梯度下降2.6 梯度下降知识点总结2.7 线性回归模...
- 文章目录 致谢 11 逻辑回归11.1 引入11.2 激活函数11.3 损失函数11.4 梯度下降11.5 案例：癌症分类预测 致谢 逻辑回归为什么用Sigmoid？ - 知... 文章目录 致谢 11 逻辑回归11.1 引入11.2 激活函数11.3 损失函数11.4 梯度下降11.5 案例：癌症分类预测 致谢 逻辑回归为什么用Sigmoid？ - 知...
- 文章目录 5 基于pytorch神经网络模型进行气温预测5.1 实现前的知识补充5.1.1 神经网络的表示5.1.2 隐藏层5.1.3 线性模型出错5.1.4 在网络中加入隐藏层5.1.5 激活函... 文章目录 5 基于pytorch神经网络模型进行气温预测5.1 实现前的知识补充5.1.1 神经网络的表示5.1.2 隐藏层5.1.3 线性模型出错5.1.4 在网络中加入隐藏层5.1.5 激活函...
- 文章目录 1 转变1.1 前言1.2 基本元素1.2.1 张量1.2.2 创建张量1.2.3 操纵张量1.2.3.1 张量乘法1.2.3.2 哈达玛积1.2.3.3 降维1.2.3.4 转置1.2... 文章目录 1 转变1.1 前言1.2 基本元素1.2.1 张量1.2.2 创建张量1.2.3 操纵张量1.2.3.1 张量乘法1.2.3.2 哈达玛积1.2.3.3 降维1.2.3.4 转置1.2...
- 文章目录 1 服务器搭建yolov5环境1.1 创建环境1.2 跟随官方指引 2 下载预训练权重3 推理4 测试 1 服务器搭建yolov5环境 1.1 创建环境 首先先的在本... 文章目录 1 服务器搭建yolov5环境1.1 创建环境1.2 跟随官方指引 2 下载预训练权重3 推理4 测试 1 服务器搭建yolov5环境 1.1 创建环境 首先先的在本...
- 文章目录 致谢 7 决策树7.1 认识决策树7.2 决策树原理7.3 信息论7.3.1 信息熵7.3.1.1 熵7.3.1.2 信息7.3.1.3 信息熵 7.3.2 信息增益 ... 文章目录 致谢 7 决策树7.1 认识决策树7.2 决策树原理7.3 信息论7.3.1 信息熵7.3.1.1 熵7.3.1.2 信息7.3.1.3 信息熵 7.3.2 信息增益 ...
- 文章目录 致谢 6 朴素贝叶斯6.1 概述6.2 概率论6.2.1 大数定律6.2.2 基本概念6.2.3 极大似然估计6.2.4 多项式分布6.2.4.1 伯努利分布6.2.4.2 二项分布... 文章目录 致谢 6 朴素贝叶斯6.1 概述6.2 概率论6.2.1 大数定律6.2.2 基本概念6.2.3 极大似然估计6.2.4 多项式分布6.2.4.1 伯努利分布6.2.4.2 二项分布...
- 文章目录 致谢 8 随机森林8.1 引入8.2 决策森林8.2.1 集成学习方法8.2.2 什么是随机森林8.2.3 无偏估计8.2.4 决策森林原理过程8.2.5 决策森林算法实现 8... 文章目录 致谢 8 随机森林8.1 引入8.2 决策森林8.2.1 集成学习方法8.2.2 什么是随机森林8.2.3 无偏估计8.2.4 决策森林原理过程8.2.5 决策森林算法实现 8...
- 文章目录 致谢 9 线性回归再相遇9.1 再遇9.1.1 概述9.1.2 矩阵和向量9.1.3 矩阵加减乘除9.1.3.1 矩阵——矩阵加减9.1.3.2 矩阵——标量加减乘9.1.3.3 矩... 文章目录 致谢 9 线性回归再相遇9.1 再遇9.1.1 概述9.1.2 矩阵和向量9.1.3 矩阵加减乘除9.1.3.1 矩阵——矩阵加减9.1.3.2 矩阵——标量加减乘9.1.3.3 矩...
- 文章目录 致谢致歉 4 KNN算法4.1 sklearn转换器和估计器4.1.1 转换器4.1.2 估计器 4.2 KNN算法4.2.1 概述4.2.2 电影类型分析4.2.3 算法实现... 文章目录 致谢致歉 4 KNN算法4.1 sklearn转换器和估计器4.1.1 转换器4.1.2 估计器 4.2 KNN算法4.2.1 概述4.2.2 电影类型分析4.2.3 算法实现...
- 问题 案例实现 如果需要优化其他问题，只需要调整下fit_fun即可 也可以去调整PSO参数。 PSO参数具体如下： dim：粒子的维度（变量个数）。 size：粒子个数m（种群... 问题 案例实现 如果需要优化其他问题，只需要调整下fit_fun即可 也可以去调整PSO参数。 PSO参数具体如下： dim：粒子的维度（变量个数）。 size：粒子个数m（种群...
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