浅谈sklearn中的数据预处理
sklearn中的数据预处理
机器学习之数据处理与可视化【鸢尾花数据分类|特征属性比较】
大部分的机器学习模型所处理的都是特征，特征通常是输入变量所对应的可用于模型的数值表示。大部分情况下，收集得到的数据需要经过处理后才能够为算法所使用。通常情况下，一个数据集当中存在很多种不同的特征，其中一些可能是多余的或者与我们要预测的值无关的，可通过数据处理和可视化进行筛选。特征选择技术的必要性也体
点标注、像素级视觉任务、Ground Truth
机器学习名词
5.1补充 源码安装move_base和navigation
前文给出了2进制安装2个包的方法，使用简单但不支持源码的查看和修改。此文给出源码安装方案。
ROS从入门到精通(零) 教程导读
ROS概念太多太复杂？ROS从入门到精通系列教程导读
网易云信获计算机视觉国际权威赛事冠军，超分辨率技术性能问鼎全球
本月，计算机视觉和模式识别领域顶级会议 CVPR 将在美国新奥尔良市举办，同期计算机图像恢复领域最具影响力的全球性赛事 NTIRE 将在会上颁奖。在 NTIRE 高效率超分辨率挑战赛中，网易云信音视频实验室从众多参赛团队中脱颖而出，在总体性能赛道以明显优势获得冠军，展现了云信在视频超分技术领域的顶尖
使用贝叶斯优化进行深度神经网络超参数优化
在本文中，我们将深入研究超参数优化。
机器学习中训练和验证指标曲线图能告诉我们什么？
我们在训练和验证模型时都会将训练指标保存成起来制作成图表，这样可以在结束后进行查看和分析，但是你真的了解这些指标的图表的含义吗？
在不平衡数据上使用AUPRC替代ROC-AUC
ROC曲线和曲线下面积AUC被广泛用于评估二元分类器的性能。但是有时，基于精确召回曲线下面积 (AUPRC) 的测量来评估不平衡数据的分类却更为合适。
《模型轻量化-剪枝蒸馏量化系列》YOLOv5无损剪枝（附源码）
无损剪枝模型到几百kb~
机器学习之数据归一化（Feature Scaling）
机器学习中的数据归一化
神经网络常见评价指标超详细介绍（ROC曲线、AUC指标、AUROC）
ROC曲线：接受者操作特征曲线（receiver operating characteristic curve）。ROC空间将伪阳性率（FPR）定义为 X 轴，真阳性率（TPR）定义为 Y 轴。从 (0, 0) 到 (1,1) 的对角线将ROC空间划分为左上／右下两个区域，在这条线的以上的点代表了一
宋朝名画“虎戴VR”，在外网火了
金磊 Alex 发自 凹非寺量子位 | 公众号 QbitAI谁能曾想，宋朝的老虎们，有一天能在国外被玩儿火了。事情是这样的。前不久谷歌不是出了个AI创作神器Imagen嘛。只要你给一句话，它就能生成符合语意的图片。然后脑洞大开的国外网友们，不按套路地给Imagen出了道题：给宋代的东方老虎佩戴VR。
JAX介绍和快速入门示例
JAX 是一个由 Google 开发的用于优化科学计算Python 库，它可以被视为 GPU 和 TPU 上运行的NumPy，本文将介绍它的一些基本概念。
机器学习基础备忘录
本文侧重代码实现，不讨论原理
机器学习——从0开始构建自己的GAN网络
机器学习——从0开始构建自己的GAN网络
【纯万字干货】机器学习之数据均衡算法种类大全+Python代码一文详解
对于整个数据建模来看，数据均衡算法属于数据预处理一环。当整个数据集从调出数据库到拿到手的时候，对于分类数据集来说类别一般都是不均衡的，整个数据集合也是较为离散的。因此不可能一拿到数据集就可进行建模，类别的不均衡会极大影响建模判断准确率。其中我们希望整个数据集合的类别数目都是相似的，这样其特征数据权重
14个面试中常见的概率问题
在任何数据科学面试中，基本上都会问道一些有关概率的问题。 这在本文中我总结了一些相关的问题供大家参考。
MAML论文阅读笔记--回归实验
MAML论文阅读笔记--回归实验Model-Agnostic Meta-Learning for Fast Adaptation of Deep Networks
基于Python构建机器学习Web应用
🏆🏆在本文中，我们基于之前的亚洲美食数据集构建了SVC模型，并介绍了模型可视化工具Netron与Onnx模型格式的使用。与之前基于Python的pkl格式模型相比，Onnx格式的模型适用性更好，可以在多个平台使用。且OnnxRuntime拥有各种语言的API，💻我们可以在各个环境中部署机器学习
