使用分类权重解决数据不平衡的问题
在分类任务中，不平衡数据集是指数据集中的分类不平均的情况，会有一个或多个类比其他类多的多或者少的多。
使用内存映射加快PyTorch数据集的读取
本文将介绍如何使用内存映射文件加快PyTorch数据集的加载速度
手推机器学习 吴恩达 神经网络BP反向传播矩阵推导（上篇）
吴恩达机器学习 神经网络BP反向传播算法 基础篇
【机器学习算法】集成学习-1 强学习器的融合学习
集成学习认为多个决策者比一个决策者可能会做出更好的决策，各种模型的整合也是如此，机器学习这种多样化就是通过集成学习的技术实现的。
30 个数据工程必备的Python 包
在本文中，将介绍一些非常独特的并且好用的 Python 包，它们可以在许多方面帮助你构建数据的工作流。
18张图，直观理解为什么神经网络这么有效？
迄今，人们对神经网络的一大疑虑是，它是难以解释的黑盒。本文则主要从理论上理解为什么神经网络对模式识别、分类效果这么好，其本质是通过一层层仿射变换和非线性变换把原始输入做扭曲和变形，直至可以非常容易被区分不同的类别。实际上，反向传播算法（BP) 其实就是根据训练数据不断地微调这个扭曲的效果。.....
6个可解释AI (XAI)的Python框架推荐
随着人工智能的发展为了解决具有挑战性的问题，人们创造了更复杂、更不透明的模型。在本文中，我将介绍6个用于可解释性的Python框架。
基于LSTM的诗词生成
本文的主要内容是基于LSTM的诗词生成，文中包括数据集的介绍、实验代码以及运行结果等，该实验采用的是长短期记忆 (LSTM) 深度学习模型，训练10个epoch，然后在测试的过程中，每个epoch出一次诗词的生成结果，随着周期的进行，诗词的生成情况也越来越好，本文中诗词的生成包括随机诗词的生成和藏头
【深度学习】(问题记录)＜对一个变量求梯度得到什么＞-线性回归-小批量随机梯度下降
种瓜得瓜，种豆得豆。变量是什么形状，对这个变量求得的梯度就是什么形状。我之所以下意识地以为得到的会是一组值而不是一个值，是因为前面看了个对矩阵求梯度的例子，得到的是一组值（一个矩阵）。然后看到这里就混淆了，这里我们求梯度的每个参数对象是一个单个的值，只是数据样本有多个。对矩阵（向量）求梯度梯度是个矩
【机器学习算法】神经网络与深度学习-9 递归神经网络
递归神经网络RNN，用来解决序列型，有滞后性问题的神经网络
吴恩达老师机器学习课程笔记 03 线性代数回顾
本节的主要内容有什么是矩阵和向量，矩阵和向量的加、减、乘运算，矩阵的逆和矩阵的转置的概念及性质。如果已经掌握这些，可以跳过本节。（如果已经学过线性代数，本节完全可以跳过。
吴恩达老师机器学习课程笔记 05 Octave教程
吴恩达老师的视频是2014年的，Octave现在基本不算是最优的编程需要选择了，可以用Pytorch等来代替本节的学习。
使用神经网络实现对天气的预测
使用神经网络实现对天气的预测
特征工程中的缩放和编码的方法总结
数据预处理是机器学习生命周期的非常重要的一个部分。特征工程又是数据预处理的一个重要组成，在本文中主要介绍特征缩放和特征编码的主要方法。
【机器学习算法】神经网络与深度学习-5 深度学习概述
深度学习概述，为之后普通深度网络DNN和深度信念网络DBN（会在自动特征学习中说其中的一种，它的变型太多了）和卷积神经网络CNN，打下框架
【机器学习网络】BP神经网络与深度学习-6 深度神经网络（deep neural Networks DNN）
深度神经网络（deep neural Networks DNN）
【机器学习算法】神经网络和深度学习-4 重要的BP网络使用总结，了解BP神经网络的魅力
为什么我们把神经网络叫做黑盒子（black box），BP神经网络能解决哪几种类型的问题。本篇文章进行了总结
机器学习强基计划0-4：通俗理解奥卡姆剃刀与没有免费午餐定理
脱离具体应用场景空谈学习算法的优劣毫无意义，这就是机器学习视角下的“天下没有免费午餐”定理”。本文详细总结机器学习领域的若干重要指导思想，为机器学习领域的探索建立理论指导
【机器学习算法】神经网络和深度学习-1 神经网络概述和感知机介绍
神经网络与深度学习是最近的热门话题，产生了很多人工智能上的应用。神经网络概述和感知机介绍
微调LayoutLM v3进行票据数据的处理和内容识别
在本文中，我们将在微软的最新Layoutlm V3上进行微调，并将其性能与Layoutlm V2模型进行比较。
