- 1、跑通样例 为避免原先的sample有冲突， cd ~ mv samples/ samples_bak/ git clone https://gitee.com/ascend/samples.git ... 1、跑通样例 为避免原先的sample有冲突， cd ~ mv samples/ samples_bak/ git clone https://gitee.com/ascend/samples.git ...
- 目录 欢迎订阅本专栏，持续更新中~本专栏前期文章介绍！机器学习配套资源推送进阶版机器学习文章更新~点击下方下载高清版学习知识图册线性判别分析（LDA）主成分分析（PCA）超参数调优检验方法 ... 目录 欢迎订阅本专栏，持续更新中~本专栏前期文章介绍！机器学习配套资源推送进阶版机器学习文章更新~点击下方下载高清版学习知识图册线性判别分析（LDA）主成分分析（PCA）超参数调优检验方法 ...
- 目录 欢迎订阅本专栏，持续更新中~本专栏前期文章介绍！机器学习配套资源推送进阶版机器学习文章更新~点击下方下载高清版学习知识图册线性模型线性回归线性几率回归对数线性回归线性判别分析 过拟合... 目录 欢迎订阅本专栏，持续更新中~本专栏前期文章介绍！机器学习配套资源推送进阶版机器学习文章更新~点击下方下载高清版学习知识图册线性模型线性回归线性几率回归对数线性回归线性判别分析 过拟合...
- 一、问题描述 如题。 二、解决方案 2.1 输入数据有误 数据集太少输入数据为经过标准化：没有经过正则化处理的数据可能存在异常点，或者数据的量纲不一致。可以采用min_max归一化或者z-scor... 一、问题描述 如题。 二、解决方案 2.1 输入数据有误 数据集太少输入数据为经过标准化：没有经过正则化处理的数据可能存在异常点，或者数据的量纲不一致。可以采用min_max归一化或者z-scor...
- 文章目录 一、简述二、大原则三、十大常用算法概述3.1 线性回归3.2 逻辑回归3.3 线性判别分析3.4 决策树3.5 朴素贝叶斯3.6 K-最近邻3.7 学习向量量化3.8 支持向量机3.9 ... 文章目录 一、简述二、大原则三、十大常用算法概述3.1 线性回归3.2 逻辑回归3.3 线性判别分析3.4 决策树3.5 朴素贝叶斯3.6 K-最近邻3.7 学习向量量化3.8 支持向量机3.9 ...
- 前言 众所周知，YOLOv5是一款优秀的目标检测模型，但实际上，它也支持图像分类。在6.1版本中，就暗留了classify这个参数，可以在做检测的同时进行分类。 官方仓库地址：https://gith... 前言 众所周知，YOLOv5是一款优秀的目标检测模型，但实际上，它也支持图像分类。在6.1版本中，就暗留了classify这个参数，可以在做检测的同时进行分类。 官方仓库地址：https://gith...
- 前言 MMDetection是商汤和港中文大学针对目标检测任务推出的一个开源工具包，统一标准化了很多前沿模型，为研究者复现代码提供了便利。本篇就来尝试安装一下MMDetection并简单跑一下官方的示例... 前言 MMDetection是商汤和港中文大学针对目标检测任务推出的一个开源工具包，统一标准化了很多前沿模型，为研究者复现代码提供了便利。本篇就来尝试安装一下MMDetection并简单跑一下官方的示例...
- 前言 最近想跑一下旷世开源的YOLOX，本想着属于YOLO系列，代码大致都和YOLOv5差不多，没想到代码整体差异还是挺大的，跑通的过程中踩了不少坑，这篇就来记录一下整个流程。 官方源码：https:... 前言 最近想跑一下旷世开源的YOLOX，本想着属于YOLO系列，代码大致都和YOLOv5差不多，没想到代码整体差异还是挺大的，跑通的过程中踩了不少坑，这篇就来记录一下整个流程。 官方源码：https:...
- 题号 标题 已通过代码 通过率 团队的状态 A Alternating 2.0 点击查看 2/27 B Bustling City 点击查看 24/246 C Cmostp 点击查看 46/296 ... 题号 标题 已通过代码 通过率 团队的状态 A Alternating 2.0 点击查看 2/27 B Bustling City 点击查看 24/246 C Cmostp 点击查看 46/296 ...
- 文章目录 一、数学优化 二、案例实践 2.1 导入数据 2.2 数据拆分 2.3 建立模型并训练 ... 文章目录 一、数学优化 二、案例实践 2.1 导入数据 2.2 数据拆分 2.3 建立模型并训练 ...
- 声明：未经允许不得转载，CSDN:川川菜鸟。本篇全文以鸢尾花数据集为例进行讲解和实现。 文章目录 一、数据导入和分割 二、回归可视化 ... 声明：未经允许不得转载，CSDN:川川菜鸟。本篇全文以鸢尾花数据集为例进行讲解和实现。 文章目录 一、数据导入和分割 二、回归可视化 ...
- 本文目录： 一、什么是特征预处理1.包含内容2.特征预处理API为什么我们要进行归一化/标准化？ 二、归一化1.定义2.公式3.API4.数据计算如果数据中异常点较多，会有什么影响？... 本文目录： 一、什么是特征预处理1.包含内容2.特征预处理API为什么我们要进行归一化/标准化？ 二、归一化1.定义2.公式3.API4.数据计算如果数据中异常点较多，会有什么影响？...
- 一、什么是回归？ 回归的目的是为了预测，比如预测明天的天气温度，预测股票的走势… 回归之所以能预测是因为他通过历史数据，摸透了“套路”，然后通过这个套路（或者说规律）来预测未来的结果。 二、什么是... 一、什么是回归？ 回归的目的是为了预测，比如预测明天的天气温度，预测股票的走势… 回归之所以能预测是因为他通过历史数据，摸透了“套路”，然后通过这个套路（或者说规律）来预测未来的结果。 二、什么是...
- 训练测试拆分是一个模型验证过程，它揭示了你的模型在新数据上的表现。监督学习的一个目标是建立一个在新数据上表现良好的模型。如果你有新数据，最好查看模型在其上的表现。问题是您可能没有新数据，但你可以通过训练测... 训练测试拆分是一个模型验证过程，它揭示了你的模型在新数据上的表现。监督学习的一个目标是建立一个在新数据上表现良好的模型。如果你有新数据，最好查看模型在其上的表现。问题是您可能没有新数据，但你可以通过训练测...
- 文章目录 一、什么是随机森林？ 1.1 定义 1.2 目的 1.3 随机森林 VS bagging ... 文章目录 一、什么是随机森林？ 1.1 定义 1.2 目的 1.3 随机森林 VS bagging ...
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