- 近年来，可解释机器学习（IML） 的相关研究蓬勃发展。尽管这个领域才刚刚起步，但是它在回归建模和基于规则的机器学习方面的相关工作却始于20世纪60年代。最近，arXiv上的一篇论文简要介绍了解释机器学习(IML)领域的历史，给出了最先进的可解释方法的概述，并讨论了遇到的挑战。 当机器学习模型用在产品、决策或者研究过程中的时候，“可解释性”通常是一个决定因素。... 近年来，可解释机器学习（IML） 的相关研究蓬勃发展。尽管这个领域才刚刚起步，但是它在回归建模和基于规则的机器学习方面的相关工作却始于20世纪60年代。最近，arXiv上的一篇论文简要介绍了解释机器学习(IML)领域的历史，给出了最先进的可解释方法的概述，并讨论了遇到的挑战。 当机器学习模型用在产品、决策或者研究过程中的时候，“可解释性”通常是一个决定因素。...
- 目录 线性代数 介绍 伪随机数生成 介绍 随即漫步 示例 每文一语 线性代数 介绍 线性代数，矩阵计算，优化与内存；比如矩阵乘法，分解，行列式等数学知识，是所有数组类库的重要组成部分。和MATLAB等其他语言相比，numpy的线性代数中有所不同的是矩阵相乘不是点积运算而是逐个元素计算，因此在numpy里面都有一个特定的函数来计算，它就是dot，语法如下 ... 目录 线性代数 介绍 伪随机数生成 介绍 随即漫步 示例 每文一语 线性代数 介绍 线性代数，矩阵计算，优化与内存；比如矩阵乘法，分解，行列式等数学知识，是所有数组类库的重要组成部分。和MATLAB等其他语言相比，numpy的线性代数中有所不同的是矩阵相乘不是点积运算而是逐个元素计算，因此在numpy里面都有一个特定的函数来计算，它就是dot，语法如下 ...
- TensorFlow2.0–Chapter02基本操作 TensorFlow 是一个端到端开源机器学习平台。它拥有一个全面而灵活的生态系统，其中包含各种工具、库和社区资源，可助力研究人员推动先进机器学习技术的发展，并使开发者能够轻松地构建和部署由机器学习提供支持的应用。 文章目录 TensorFlow2.0--Chapter02基本操作Tenso... TensorFlow2.0–Chapter02基本操作 TensorFlow 是一个端到端开源机器学习平台。它拥有一个全面而灵活的生态系统，其中包含各种工具、库和社区资源，可助力研究人员推动先进机器学习技术的发展，并使开发者能够轻松地构建和部署由机器学习提供支持的应用。 文章目录 TensorFlow2.0--Chapter02基本操作Tenso...
- KNN决策树探究泰坦尼克号幸存者问题 import pandas as pd from sklearn.tree import DecisionTreeClassifier, export_graphviz from sklearn.metrics import classification_report import graphviz #决策树可视... KNN决策树探究泰坦尼克号幸存者问题 import pandas as pd from sklearn.tree import DecisionTreeClassifier, export_graphviz from sklearn.metrics import classification_report import graphviz #决策树可视...
- 分类问题 分类是一种基于一个或多个自变量确定因变量所属类别的技术。 分类用于预测离散响应 逻辑回归 逻辑回归类似于线性回归，适用于因变量不是一个数值字的情况 (例如，一个“是/否”的响应)。它虽然被称为回归，但却是基于根据回归的分类，将因变量分为两类。 如上所述，逻辑回归用于预测二分类的输出。例如，如果信用卡公司构建一个模型来决定是否通过向客户的发行信... 分类问题 分类是一种基于一个或多个自变量确定因变量所属类别的技术。 分类用于预测离散响应 逻辑回归 逻辑回归类似于线性回归，适用于因变量不是一个数值字的情况 (例如，一个“是/否”的响应)。它虽然被称为回归，但却是基于根据回归的分类，将因变量分为两类。 如上所述，逻辑回归用于预测二分类的输出。例如，如果信用卡公司构建一个模型来决定是否通过向客户的发行信...
- ML：利用time模块统计机器学习模型训练前后的时间成本代码实现 目录 利用time模块统计机器学习模型训练前后的时间成本代码实现 利用time模块统计机器学习模型训练前后的时间成本代码实现 ML：利用time模块统计机器学习模型训练前后... ML：利用time模块统计机器学习模型训练前后的时间成本代码实现 目录 利用time模块统计机器学习模型训练前后的时间成本代码实现 利用time模块统计机器学习模型训练前后的时间成本代码实现 ML：利用time模块统计机器学习模型训练前后...
- Py之chatterbot-corpus：python包之chatterbot-corpus包简介、安装、使用方法之详细攻略 目录 chatterbot-corpus简介 chatterbot-corpus安装 chatterbot-corpus使用方法 chatterbot-corpus简介 chatterbot... Py之chatterbot-corpus：python包之chatterbot-corpus包简介、安装、使用方法之详细攻略 目录 chatterbot-corpus简介 chatterbot-corpus安装 chatterbot-corpus使用方法 chatterbot-corpus简介 chatterbot...
- ML之DT：基于简单回归问题训练决策树(DIY数据集+七种{1~7}深度的决策树{依次进行10交叉验证}) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 for iDepth in depthList: for ixval in range(nxval): idxTest = [a f... ML之DT：基于简单回归问题训练决策树(DIY数据集+七种{1~7}深度的决策树{依次进行10交叉验证}) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 for iDepth in depthList: for ixval in range(nxval): idxTest = [a f...
- AI：机器学习、深度学习在实际应用(工业应用)中的步骤流程框架、实际场景(案例)之详细攻略 目录 机器学习/深度学习场景实际应用 1、分类问题案例 2、回归问题案例 3、聚类问题案例 机器学习/深度学习应用流程步骤 机器学习/深度学习场景实际应用 1、分类问题案例 Kaggle Titanic：Titanic: Machi... AI：机器学习、深度学习在实际应用(工业应用)中的步骤流程框架、实际场景(案例)之详细攻略 目录 机器学习/深度学习场景实际应用 1、分类问题案例 2、回归问题案例 3、聚类问题案例 机器学习/深度学习应用流程步骤 机器学习/深度学习场景实际应用 1、分类问题案例 Kaggle Titanic：Titanic: Machi...
- RL之SARSA：利用强化学习之SARSA实现走迷宫—训练智能体走到迷宫(复杂陷阱迷宫)的宝藏位置 目录 输出结果 设计思路 实现代码 测试记录全过程 输出结果 设计思路 实现代码 后期更新…… 测试记录全过程 …… ......... . . . Ao . . ... RL之SARSA：利用强化学习之SARSA实现走迷宫—训练智能体走到迷宫(复杂陷阱迷宫)的宝藏位置 目录 输出结果 设计思路 实现代码 测试记录全过程 输出结果 设计思路 实现代码 后期更新…… 测试记录全过程 …… ......... . . . Ao . . ...
- RL之Q Learning：利用强化学习之Q Learning实现走迷宫—训练智能体走到迷宫(复杂迷宫)的宝藏位置 目录 输出结果 设计思路 实现代码 测试记录全过程 输出结果 设计思路 实现代码 from __future__ import print_functionimport num... RL之Q Learning：利用强化学习之Q Learning实现走迷宫—训练智能体走到迷宫(复杂迷宫)的宝藏位置 目录 输出结果 设计思路 实现代码 测试记录全过程 输出结果 设计思路 实现代码 from __future__ import print_functionimport num...
- RL之PG：基于TF利用策略梯度算法玩Cartpole游戏实现智能得高分 目录 输出结果 设计思路 测试过程 输出结果 视频观看地址：强化学习—基于TF利用策略梯度算法玩Cartpole游戏实现智能得高分 设计思路 测试过程 Episode: 1 ~ 5 Average reward: 15.00000... RL之PG：基于TF利用策略梯度算法玩Cartpole游戏实现智能得高分 目录 输出结果 设计思路 测试过程 输出结果 视频观看地址：强化学习—基于TF利用策略梯度算法玩Cartpole游戏实现智能得高分 设计思路 测试过程 Episode: 1 ~ 5 Average reward: 15.00000...
- ML：从0到1 机器学习算法思路实现全部过程最强攻略 目录 思维导图 设计思路 思维导图 设计思路 相关文章 ML之FE：结合Kaggle比赛的某一案例细究Feature Engineering思路框架ML之FE：Feature Engineering——数据类型之预处理数据的一些函数ML之FE：Feat... ML：从0到1 机器学习算法思路实现全部过程最强攻略 目录 思维导图 设计思路 思维导图 设计思路 相关文章 ML之FE：结合Kaggle比赛的某一案例细究Feature Engineering思路框架ML之FE：Feature Engineering——数据类型之预处理数据的一些函数ML之FE：Feat...
- ML与Information：机器学习与Information信息论之间那些七七八八、乱七八糟、剪不断理还乱的关系攻略 目录 ML与信息论 ML与熵 1、熵的基础知识 2、熵与分布的关系 3、最大熵模型与Logistic/Softmax回归 相关文献推荐 ML与信息论 更新…… ML与熵 1、熵的基础知识 (1)、... ML与Information：机器学习与Information信息论之间那些七七八八、乱七八糟、剪不断理还乱的关系攻略 目录 ML与信息论 ML与熵 1、熵的基础知识 2、熵与分布的关系 3、最大熵模型与Logistic/Softmax回归 相关文献推荐 ML与信息论 更新…… ML与熵 1、熵的基础知识 (1)、...
- ML之分类预测：基于sklearn库的七八种机器学习算法利用糖尿病(diabetes)数据集(8→1)实现二分类预测 目录 输出结果 数据集展示 输出结果 1、k-NN 2、LoR 4、DT 5、RF 6、GB 7、SVM 8、NN 设计思路 输出结果 数据集展示 输出结果 1、k-NN k-NN：... ML之分类预测：基于sklearn库的七八种机器学习算法利用糖尿病(diabetes)数据集(8→1)实现二分类预测 目录 输出结果 数据集展示 输出结果 1、k-NN 2、LoR 4、DT 5、RF 6、GB 7、SVM 8、NN 设计思路 输出结果 数据集展示 输出结果 1、k-NN k-NN：...
上滑加载中
推荐直播
-
华为云码道Agent集成与鸿蒙实战2026/08/11 周二 19:00-21:00
王一男-华为云码道产品规划专家；李炎-华为云码道产品专家；彭江敏-华为云鸿蒙端云一体化开发专家
本次直播带你解读华为云码道7月份产品新特性、新功能。更有专家演示码道Agent Space × 钉钉机器集成实战，从0到1打通消息通道；码道鸿蒙端云一体化实战，快速搭建员工签到系统。
回顾中 -
华为云开发者AI素养直播课·第三期2026/08/21 周五 16:00-18:00
林华鼎-华为云AI开发者运营负责人；念擎-华为云AI开发者运营案例开发专家
本期直播内容：AI六层能力首次详细解读 + 新一代华为云开发者空间亮相 + 校园案例直播带练
回顾中 -
华为云监控CES新特性解读2026/08/26 周三 19:00-20:30
刘英杰-华为云监控产品专家
华为云监控 CES H1 版本重磅全新升级！本次直播特邀华为云监控产品专家，围绕特性深度解读 + 现场实操演示 + 实时线上答疑三大模块，全方位拆解版本核心亮点，直击运维各类痛点难题。助力实现告警高效配置、指标快速检索、插件便捷部署，切实降低运维工作负担，提升监控运维工作效率。欢迎预约观看，互动提问交流！
即将直播
热门标签