one-hot编码

one-hot编码,又称独热编码、一位有效编码。one hot在特征提取上属于词袋模型(bag of words)优缺点分析优点:- 一是解决了分类器不好处理离散数据的问题- 二是在一定程度上也起到了扩充特征的作用(上面样本特征数从3扩展到了9)缺点:- 它是一个词袋模型,不考虑词与词之间的顺序-

10个实用的数据可视化的图表总结

可视化是一种方便的观察数据的方式,可以一目了然地了解数据块。我们经常使用柱状图、直方图、饼图、箱图、热图、散点图、线状图等。这些典型的图对于数据可视化是必不可少的

使用Python进行交易策略和投资组合分析

我们将在本文中衡量交易策略的表现。并将开发一个简单的动量交易策略,它将使用四种资产类别:债券、股票和房地产。这些资产类别的相关性很低,这使得它们成为了极佳的风险平衡选择。

机器学习【期末复习总结】——知识点和算法例题(详细整理)

【电子科技大学、机器学习课程】(期末复习、知识点和算法例题、详细总结)

自回归滞后模型进行多变量时间序列预测

本文的主要内容如下:多变量时间序列包含两个或多个变量;ARDL 方法可用于多变量时间序列的监督学习;使用特征选择策略优化滞后数。如果要预测多个变量,可以使用 VAR 方法。

阿里云天池大赛赛题(机器学习)——天猫用户重复购买预测(完整代码)

阿里云天池大赛赛题(机器学习)——天猫用户重复购买预测 完整代码!

深度学习常见名词概念:Sota、Benchmark、Baseline、端到端模型、迁移学习等的定义

深度学习:Sota的定义sota实际上就是State of the arts 的缩写,指的是在某一个领域做的Performance最好的model,一般就是指在一些benchmark的数据集上跑分非常高的那些模型。

手把手调参最新 YOLOv7 模型 训练部分 - 最新版本(二)

YOLO科研Trick改进推荐 | 包括Backbone、Neck、Head、注意力机制、IoU损失函数、NMS、Loss计算方式、自注意力机制、数据增强部分、激活函数

吴恩达 - 机器学习课程笔记(持续更新)

吴恩达机器学习

2022 CCF BDCI 返乡发展人群预测 [0.9117+]

返乡发展人群预测:基于中国联通的大数据能力,通过使用对联通的信令数据、通话数据、互联网行为等数据进行建模,对个人是否会返乡工作进行判断A榜的结果为0.91171720。

2022年11月10篇论文推荐

介绍10篇推荐的论文。这里将涵盖强化学习(RL)、扩散模型、自动驾驶、语言模型等主题。

特征选择技术总结

在本文中,我们将回顾特性选择技术并回答为什么它很重要以及如何使用python实现它。

NLP--社区检测算法(Community Detection)总结【原理】

社区检测(Community Detection)又被称为是社区发现,用于评估节点组如何聚类或分区,以及它们增强或分离的趋势。重点对图算法中的社区检测进行了整理总结。

可解释的AI:用LIME解释扑克游戏

可解释的AI(XAI)一直是人们研究的一个方向,在这篇文章中,我们将看到如何使用LIME来解释一个模型是如何学习扑克规则的。

机器学习期末题库

1.属于监督学习的机器学习算法是:贝叶斯分类器2.属于⽆监督学习的机器学习算法是:层次聚类3.⼆项式分布的共轭分布是:Beta分布4.多项式分布的共轭分布是:Dirichlet分布5.朴素贝叶斯分类器的特点是:假设样本各维属性独⽴6.下列⽅法没有考虑先验分布的是:最⼤似然估计7.对于正态密度的贝叶斯

使用马尔可夫链构建文本生成器

本文中将介绍一个流行的机器学习项目——文本生成器,你将了解如何构建文本生成器,并了解如何实现马尔可夫链以实现更快的预测模型。

机器学习中的数学——距离定义(一):欧几里得距离(Euclidean Distance)

欧几里得距离或欧几里得度量是欧几里得空间中两点间的即直线距离。使用这个距离,欧氏空间成为度量空间,相关联的范数称为欧几里得范数。nnn维空间中的欧几里得距离:d(x,y)=∑i=1n(xi−yi)2=(x1−y1)2+(x2−y2)2+⋯+(xn−yn)2d(x, y)=\sqrt{\sum_{i=

粒子群算法求解0-1背包问题

粒子群优化算法(PSO:Particle swarm optimization) 是一种进化计算技术(evolutionary computation)。源于对鸟群捕食的行为研究。粒子群优化算法的基本思想:是通过群体中个体之间的协作和信息共享来寻找最优解.PSO的优势:在于简单容易实现并且没有许多参

联邦学习后门攻击总结(2019-2022)

联邦学习后门攻击总结(2019-2022)联邦学习安全性问题框架概览下表和下图为联邦学习中常见的安全性问题,本文重点关注模型鲁棒性问题中的后门攻击问题。攻击手段安全性问题攻击方与被攻击方攻击点攻击目的拜占庭攻击模型鲁棒性恶意客户端攻击服务器针对训练数据或针对局部模型投毒无目标攻击,影响全局模型性能后

登录可以使用的更多功能哦! 登录
作者榜
...
资讯小助手

资讯同步

...
内容小助手

文章同步

...
Deephub

公众号:deephub-imba

...
奕凯

公众号:奕凯的技术栈