- ML之DT：机器学习根据大量数据,已知年龄、收入、是否上海人、私家车价格的一个人，预测是否有真实购买上海黄浦区楼房的能力 目录 输出结果 实现代码 输出结果 实现代码 from sklearn.feature_extraction import DictVectorizer import csv from sklearn... ML之DT：机器学习根据大量数据,已知年龄、收入、是否上海人、私家车价格的一个人，预测是否有真实购买上海黄浦区楼房的能力 目录 输出结果 实现代码 输出结果 实现代码 from sklearn.feature_extraction import DictVectorizer import csv from sklearn...
- Py之textgenrnn：textgenrnn库的简介、安装、使用方法详细攻略 目录 textgenrnn库的简介 textgenrnn库的安装 textgenrnn库的使用方法 textgenrnn库的简介 textgenrnn 是一个基于 Keras/TensorFlow 的 Python 3 模块，用于创建 char-rnn... Py之textgenrnn：textgenrnn库的简介、安装、使用方法详细攻略 目录 textgenrnn库的简介 textgenrnn库的安装 textgenrnn库的使用方法 textgenrnn库的简介 textgenrnn 是一个基于 Keras/TensorFlow 的 Python 3 模块，用于创建 char-rnn...
- AI：人工智能概念之机器学习中常用算法的思维导图集合(非常经典、建议收藏)之详细攻略 目录 机器学习算法的思维导图集合 1、ML算法思维图 2、ML算法思维导图 相关文章：ML/DL：关于算法模型的选择 机器学习算法的思维导图集合 1、ML算法思维图 2、ML算法思维导图 AI：人工智能概念之机器学习中常用算法的思维导图集合(非常经典、建议收藏)之详细攻略 目录 机器学习算法的思维导图集合 1、ML算法思维图 2、ML算法思维导图 相关文章：ML/DL：关于算法模型的选择 机器学习算法的思维导图集合 1、ML算法思维图 2、ML算法思维导图
- ML之LF：机器学习中常见损失函数(LiR损失、L1损失、L2损失、Logistic损失)求梯度/求导、案例应用之详细攻略 目录 常见损失函数求梯度案例 1、线性回归求梯度 2、L2损失函数梯度 3、L1正则函数梯度 4、Logistic损失梯度 常见损失函数求梯度案例 1、线性回归求梯度 2... ML之LF：机器学习中常见损失函数(LiR损失、L1损失、L2损失、Logistic损失)求梯度/求导、案例应用之详细攻略 目录 常见损失函数求梯度案例 1、线性回归求梯度 2、L2损失函数梯度 3、L1正则函数梯度 4、Logistic损失梯度 常见损失函数求梯度案例 1、线性回归求梯度 2...
- ML：根据不同机器学习模型输出的预测值+且与真实值相减得到绝对误差对比+误差可视化 目录 输出结果 实现代码 输出结果 实现代码 # -*- coding: utf-8 -*- #ML：根据不同机器学习模型输出的预测值+且与真实值相减得到绝对误差对比+误差可视化 #Model_comparison_error_Pl... ML：根据不同机器学习模型输出的预测值+且与真实值相减得到绝对误差对比+误差可视化 目录 输出结果 实现代码 输出结果 实现代码 # -*- coding: utf-8 -*- #ML：根据不同机器学习模型输出的预测值+且与真实值相减得到绝对误差对比+误差可视化 #Model_comparison_error_Pl...
- CV之NS之VGG16：基于预训练模型VGG16训练COCO的train2014数据集实现训练《神奈川冲浪里》风格配置yml文件 目录 一、训练 1、《神奈川冲浪里》风格 2、配置yml文件 二、TensorBoard中监控训练情况 一、训练 1、《神奈川冲浪里》风格 风格如图 2、配置yml文件 style_im... CV之NS之VGG16：基于预训练模型VGG16训练COCO的train2014数据集实现训练《神奈川冲浪里》风格配置yml文件 目录 一、训练 1、《神奈川冲浪里》风格 2、配置yml文件 二、TensorBoard中监控训练情况 一、训练 1、《神奈川冲浪里》风格 风格如图 2、配置yml文件 style_im...
- DL之DNN：自定义2层神经网络TwoLayerNet模型(封装为层级结构)利用MNIST数据集进行训练、GC对比 导读 神经网络算法封装为层级结构的作用。在神经网络算法中，通过将神经网络的组成元素实现为层，可以高效地计算梯度（反向传播法）。通过比较数值微分和误差反向传播法的结果，可以确认误差反向传播法的实现是否正确（梯度确认）。 ... DL之DNN：自定义2层神经网络TwoLayerNet模型(封装为层级结构)利用MNIST数据集进行训练、GC对比 导读 神经网络算法封装为层级结构的作用。在神经网络算法中，通过将神经网络的组成元素实现为层，可以高效地计算梯度（反向传播法）。通过比较数值微分和误差反向传播法的结果，可以确认误差反向传播法的实现是否正确（梯度确认）。 ...
- CV之NS之LF：图像风格迁移中常用的几种损失函数(内容损失、风格损失)简介、使用方法之详细攻略 目录 图像风格迁移中常用的几种损失函数 1、内容损失 2、风格损失 3、定义总损失 图像风格迁移中常用的几种损失函数 1、内容损失 # endpoints_dict是上一节提到的损失网络各层的计算结果；content_layers是... CV之NS之LF：图像风格迁移中常用的几种损失函数(内容损失、风格损失)简介、使用方法之详细攻略 目录 图像风格迁移中常用的几种损失函数 1、内容损失 2、风格损失 3、定义总损失 图像风格迁移中常用的几种损失函数 1、内容损失 # endpoints_dict是上一节提到的损失网络各层的计算结果；content_layers是...
- ML之LoR：LoR之二分类之线性决策算法实现根据两课成绩分数~预测期末通过率(合格还是不合格) 目录 输出结果 代码设计 输出结果 LoR之二分类算法实现预测期末考试成绩合格还是不合格 LoR回归函数 代码设计 import pandas as pdimport numpy as npimport matplo... ML之LoR：LoR之二分类之线性决策算法实现根据两课成绩分数~预测期末通过率(合格还是不合格) 目录 输出结果 代码设计 输出结果 LoR之二分类算法实现预测期末考试成绩合格还是不合格 LoR回归函数 代码设计 import pandas as pdimport numpy as npimport matplo...
- Py之scikit-learn：sklearn与机器学习的那些不可告密的事 目录 一、sklearn与ML 1、与LoR 二、sklearn与其他常用 1、sklearn与交叉验证 一、sklearn与ML 1、与LoR fro... Py之scikit-learn：sklearn与机器学习的那些不可告密的事 目录 一、sklearn与ML 1、与LoR 二、sklearn与其他常用 1、sklearn与交叉验证 一、sklearn与ML 1、与LoR fro...
- EL：集成学习(Ensemble Learning)的概念讲解、算法分类、问题应用、关键步骤、代码实现等相关配图详细攻略 目录 集成学习Ensemble Learning 1、集成学习中弱分类器选择 2、多个弱分类区如何组合 EL的解决问题类型 EL算法分类 1、VotingClassifier、Baggi... EL：集成学习(Ensemble Learning)的概念讲解、算法分类、问题应用、关键步骤、代码实现等相关配图详细攻略 目录 集成学习Ensemble Learning 1、集成学习中弱分类器选择 2、多个弱分类区如何组合 EL的解决问题类型 EL算法分类 1、VotingClassifier、Baggi...
- TF之pix2pix：基于TF利用Facades数据集训练pix2pix模型、测试并进行生成过程全记录 目录 TB监控 1、SCALARS 2、IMAGES 3、GRAPHS 4、DISTRIBUTIONS 输出结果 训练代码运行过程全记录 测试代码全记录 TB监控 1、SCALARS 2、IMAGES inpu... TF之pix2pix：基于TF利用Facades数据集训练pix2pix模型、测试并进行生成过程全记录 目录 TB监控 1、SCALARS 2、IMAGES 3、GRAPHS 4、DISTRIBUTIONS 输出结果 训练代码运行过程全记录 测试代码全记录 TB监控 1、SCALARS 2、IMAGES inpu...
- ML与math：机器学习与高等数学基础概念、代码实现、案例应用之详细攻略——基础篇 目录 一、ML与高等数学 0、基础数学 1、导数、方向导数、梯度 1.1、概念简介 1.2、代码实现 2、Taylor展开 3、凸函数 二、ML与概率统计 1、古典概率 2、贝叶斯公式 3、常见概率分布 4、重要统计量(基于全局的而不是样本) 5、不等式... ML与math：机器学习与高等数学基础概念、代码实现、案例应用之详细攻略——基础篇 目录 一、ML与高等数学 0、基础数学 1、导数、方向导数、梯度 1.1、概念简介 1.2、代码实现 2、Taylor展开 3、凸函数 二、ML与概率统计 1、古典概率 2、贝叶斯公式 3、常见概率分布 4、重要统计量(基于全局的而不是样本) 5、不等式...
- ML之Clustering之K-means：K-means算法简介、应用、经典案例之详细攻略 目录 K-means算法简介 1、K-means算法适用的数据类型 2、K-Means算法的全局最优解和局部最优解的比较 1、K-means算法的过程及其主要思路 2、K-means原理的理解可视化 K-means算法经典案例 1、K-means的一个应... ML之Clustering之K-means：K-means算法简介、应用、经典案例之详细攻略 目录 K-means算法简介 1、K-means算法适用的数据类型 2、K-Means算法的全局最优解和局部最优解的比较 1、K-means算法的过程及其主要思路 2、K-means原理的理解可视化 K-means算法经典案例 1、K-means的一个应...
- ML之RF：随机森林RF算法简介、应用、经典案例之详细攻略 目录 随机森林RF算法简介 1、RF基本的构建算法过程 2、RF算法相关文献、论文 随机森林RF算法的应用 1、RF用于回归 2、RF用于分类 随机森林RF算法的经典案例 1、基础用法 随机森林RF算法简介 &... ML之RF：随机森林RF算法简介、应用、经典案例之详细攻略 目录 随机森林RF算法简介 1、RF基本的构建算法过程 2、RF算法相关文献、论文 随机森林RF算法的应用 1、RF用于回归 2、RF用于分类 随机森林RF算法的经典案例 1、基础用法 随机森林RF算法简介 &...
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。
即将直播
热门标签