- 前言 CTR预估模型的特点： 毫无疑问这个任务的是个二分类任务，预测点击与否。 CTR 预估的特征一般是 用户的日志特征和画像特征，包含类别特征和数值型特征两种。 此任务的评估指标是 AUC 得分 或者 Logloss，facebook2014年的论文指出Logloss可能是相对来说较好的一个评估指标。 存在以下问题： ... 前言 CTR预估模型的特点： 毫无疑问这个任务的是个二分类任务，预测点击与否。 CTR 预估的特征一般是 用户的日志特征和画像特征，包含类别特征和数值型特征两种。 此任务的评估指标是 AUC 得分 或者 Logloss，facebook2014年的论文指出Logloss可能是相对来说较好的一个评估指标。 存在以下问题： ...
- 目录 一，奇异值分解 二，伪逆矩阵 1，伪逆矩阵 2，python求解 3，伪逆矩阵的性质 4，伪逆矩阵的应用——求方程组的解 三，向量微分 1，标量对向量的微分 2，向量对向量的微分 3，向量微分的计算方法 一，奇异值分解 每个实对称矩阵A都可以进行特征值分解： 其中Q是正交矩阵，是对角... 目录 一，奇异值分解 二，伪逆矩阵 1，伪逆矩阵 2，python求解 3，伪逆矩阵的性质 4，伪逆矩阵的应用——求方程组的解 三，向量微分 1，标量对向量的微分 2，向量对向量的微分 3，向量微分的计算方法 一，奇异值分解 每个实对称矩阵A都可以进行特征值分解： 其中Q是正交矩阵，是对角...
- 前言：如何在有限数据下训练高效的深度学习模型？ 利用深度学习自动学习特征已经逐步取代了人工构建特征和统计方法。但其中一个关键问题是需要大量的数据，否则会因为参数过多过拟合。 以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！ MATLAB-30天带你从入门到精通 MATLAB深入理解高级教... 前言：如何在有限数据下训练高效的深度学习模型？ 利用深度学习自动学习特征已经逐步取代了人工构建特征和统计方法。但其中一个关键问题是需要大量的数据，否则会因为参数过多过拟合。 以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！ MATLAB-30天带你从入门到精通 MATLAB深入理解高级教...
- 前言 如果我们想拿到一个句子的特征向量可以采用什么样的方式？ 基于词袋模型(Bag of Words) Bag of Words : 主要思想是基于对句子中字出现的次数来构建句子向量，向量大小即为词表大小。可以采用的工具是gensim中的doc2bow TF-IDF：在BOW的基础上，考虑到每个字的重要程度，向量大小依然等于... 前言 如果我们想拿到一个句子的特征向量可以采用什么样的方式？ 基于词袋模型(Bag of Words) Bag of Words : 主要思想是基于对句子中字出现的次数来构建句子向量，向量大小即为词表大小。可以采用的工具是gensim中的doc2bow TF-IDF：在BOW的基础上，考虑到每个字的重要程度，向量大小依然等于...
- 前言 k-means算法是非监督聚类最常用的一种方法，因其算法简单和很好的适用于大样本数据，广泛应用于不同领域，本文详细总结了k-means聚类算法原理 。 以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！ MATLAB-30天带你从入门到精通 MATLAB深入理解高级教程（附源码） ... 前言 k-means算法是非监督聚类最常用的一种方法，因其算法简单和很好的适用于大样本数据，广泛应用于不同领域，本文详细总结了k-means聚类算法原理 。 以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！ MATLAB-30天带你从入门到精通 MATLAB深入理解高级教程（附源码） ...
- 前言 以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！ MATLAB-30天带你从入门到精通 MATLAB深入理解高级教程（附源码） tableau可视化数据分析高级教程 在机器学习中，损失的线性组合无处不在。虽然它们带有一些陷阱，但仍然被广泛用作标准方法。这些线性组合常常让算... 前言 以下是我为大家准备的几个精品专栏，喜欢的小伙伴可自行订阅，你的支持就是我不断更新的动力哟！ MATLAB-30天带你从入门到精通 MATLAB深入理解高级教程（附源码） tableau可视化数据分析高级教程 在机器学习中，损失的线性组合无处不在。虽然它们带有一些陷阱，但仍然被广泛用作标准方法。这些线性组合常常让算...
- 作为数据科学和机器学习相关的研究和开发人员，大家每天都要用到 python。在本文中，我们将讨论一些 python 中的顶级库，开发人员可以使用这些库在现有的应用程序中应用、清洗和表示数据，并进行机器学习研究。 我们将讨论以下 10 个库： TensorFlow Scikit-Learn ... 作为数据科学和机器学习相关的研究和开发人员，大家每天都要用到 python。在本文中，我们将讨论一些 python 中的顶级库，开发人员可以使用这些库在现有的应用程序中应用、清洗和表示数据，并进行机器学习研究。 我们将讨论以下 10 个库： TensorFlow Scikit-Learn ...
- 序 声明：以下是博主精心整理的机器学习和AI系列文章，博主后续会不断更新该领域的知识： 人工智能AI实战系列代码全解析 手把手教你ML机器学习算法源码全解析 有需要的小伙伴赶紧订阅吧。 人工智能的浪潮正在席卷全球，诸多词汇时刻萦绕在我们耳边：人工智能（Artificial Intelligence）、机器学习（Machine ... 序 声明：以下是博主精心整理的机器学习和AI系列文章，博主后续会不断更新该领域的知识： 人工智能AI实战系列代码全解析 手把手教你ML机器学习算法源码全解析 有需要的小伙伴赶紧订阅吧。 人工智能的浪潮正在席卷全球，诸多词汇时刻萦绕在我们耳边：人工智能（Artificial Intelligence）、机器学习（Machine ...
- 前言 声明：后期原力计划活动期间的博文都会转入到对应的收费专栏。 博主后续会不断更新该领域的知识： 人工智能AI实战系列代码全解析 手把手教你ML机器学习算法源码全解析 有需要的小伙伴赶紧订阅吧。 在工作中，相信很多小伙伴都遇到过过拟合的现象，创建了一个可以完美训练样本的机器学习模型，但对于需要预测的样本却给... 前言 声明：后期原力计划活动期间的博文都会转入到对应的收费专栏。 博主后续会不断更新该领域的知识： 人工智能AI实战系列代码全解析 手把手教你ML机器学习算法源码全解析 有需要的小伙伴赶紧订阅吧。 在工作中，相信很多小伙伴都遇到过过拟合的现象，创建了一个可以完美训练样本的机器学习模型，但对于需要预测的样本却给...
- 导读：机器学习的学习方式包括监督学习和无监督学习等。针对一个给定的任务，首先要准备一定规模的训练数据，这些训练数据需要和真实数据的分布一致，然后设定一个目标函数和优化方法，在训练数据上学习一个模型。此外，不同任务的模型往往都是从零开始来训练的，一切知识都需要从训练数据中得到。这也导致了每个任务都需要准备大量的训练数据。在实际应用中，我们... 导读：机器学习的学习方式包括监督学习和无监督学习等。针对一个给定的任务，首先要准备一定规模的训练数据，这些训练数据需要和真实数据的分布一致，然后设定一个目标函数和优化方法，在训练数据上学习一个模型。此外，不同任务的模型往往都是从零开始来训练的，一切知识都需要从训练数据中得到。这也导致了每个任务都需要准备大量的训练数据。在实际应用中，我们...
- 自从人们发现越大的模型性能越好后，神经网络模型的参数量就在越来越大的道路上一去不复返了。从XX-large到GPT3，再到5300亿参数的Megatron Turing-NLG，深度学习越来越像是只有财大气粗的大公司才能玩得起的玩具。如果，我们想要在实验室“简陋”的环境下，尝试更大的模型，有什么行之有效的方法呢？ 最近，Faceb... 自从人们发现越大的模型性能越好后，神经网络模型的参数量就在越来越大的道路上一去不复返了。从XX-large到GPT3，再到5300亿参数的Megatron Turing-NLG，深度学习越来越像是只有财大气粗的大公司才能玩得起的玩具。如果，我们想要在实验室“简陋”的环境下，尝试更大的模型，有什么行之有效的方法呢？ 最近，Faceb...
- 文章目录 前言 系列文章 5.1 匹配的概念 定义5.1 定义5.2 定义 5.3 结语 前言 H... 文章目录 前言 系列文章 5.1 匹配的概念 定义5.1 定义5.2 定义 5.3 结语 前言 H...
- 这里面有几个损失函数： GitHub - MichaelFan01/STDC-Seg: Source Code of our CVPR2021 paper "Rethinking BiSeNet For Real-time Semantic Segmentation" 损失函数代码： #!/usr/bin/py... 这里面有几个损失函数： GitHub - MichaelFan01/STDC-Seg: Source Code of our CVPR2021 paper "Rethinking BiSeNet For Real-time Semantic Segmentation" 损失函数代码： #!/usr/bin/py...
- 文章目录 前言 系列文章 3.1 连通度 定义3.1 ：点断集 定义3.2 定理3.1 定理3.2 推论3.2.1 ... 文章目录 前言 系列文章 3.1 连通度 定义3.1 ：点断集 定义3.2 定理3.1 定理3.2 推论3.2.1 ...
- pytorch 区间loss 损失函数 我们知道sigmoid可以把值转化为0-1之间。 tanh函数可以把值转化到[-1，1]之间， 但是在回归时，希望梯度是均匀的，有么有别的方法呢？ 答案是肯定的， 解决方法1： data=torch.sin(data) 周期性函数，把值变到了0-1之间。 解决方法2： 比如要... pytorch 区间loss 损失函数 我们知道sigmoid可以把值转化为0-1之间。 tanh函数可以把值转化到[-1，1]之间， 但是在回归时，希望梯度是均匀的，有么有别的方法呢？ 答案是肯定的， 解决方法1： data=torch.sin(data) 周期性函数，把值变到了0-1之间。 解决方法2： 比如要...
上滑加载中
推荐直播
-
Skill 构建 × 智能创作：基于华为云码道的 AI 内容生产提效方案2026/03/25 周三 19:00-20:00
余伟，华为云软件研发工程师/万邵业（万少），华为云HCDE开发者专家
本次直播带来两大实战：华为云码道 Skill-Creator 手把手搭建专属知识库 Skill；如何用码道提效 OpenClaw 小说文本，打造从大纲到成稿的 AI 原创小说全链路。技术干货 + OPC创作思路，一次讲透！
回顾中 -
码道新技能，AI 新生产力——从自动视频生成到开源项目解析2026/04/08 周三 19:00-21:00
童得力-华为云开发者生态运营总监/何文强-无人机企业AI提效负责人
本次华为云码道 Skill 实战活动，聚焦两大 AI 开发场景：通过实战教学，带你打造 AI 编程自动生成视频 Skill，并实现对 GitHub 热门开源项目的智能知识抽取，手把手掌握 Skill 开发全流程，用 AI 提升研发效率与内容生产力。
回顾中 -
华为云码道：零代码股票智能决策平台全功能实战2026/04/18 周六 10:00-12:00
秦拳德-中软国际教育卓越研究院研究员、华为云金牌讲师、云原生技术专家
利用Tushare接口获取实时行情数据，采用Transformer算法进行时序预测与涨跌分析，并集成DeepSeek API提供智能解读。同时，项目深度结合华为云CodeArts（码道）的代码智能体能力，实现代码一键推送至云端代码仓库，建立起高效、可协作的团队开发新范式。开发者可快速上手，从零打造功能完整的个股筛选、智能分析与风险管控产品。
回顾中
热门标签