Matplotlib 绘图 笔记
from jupyterthemes import jtplotjtplot.style(theme='monokai') #选择一个绘图主题import matplotlib.pyplot as plt# 个别环境需要以下代码%matplotlib inlineplt.figure()plt.pl
python使用StringIO读取字符串内容，并使用pandas基于字符串内容生成dataframe
python使用StringIO读取字符串内容，并使用pandas基于字符串内容生成dataframe
1月论文推荐：Hyper-Tune 满足大规模高效分布式自动超参数调整的 SOTA 架构
北京大学、苏黎世联邦理工学院和快手科技的研究团队提出了 Hyper-Tune，这是一种高效、健壮的分布式超参数调优框架
2022年人工智能5大发展趋势
近几年随着各行业对于自动化需求的提高，为人工智能带了了一次巨大的提升机会。随着深度学习的开放，人工智能在几年中快速发展，由尖端技术慢慢向着开始普及在各行业和家庭生活中。以下是国外一家专注于开源和堆栈技术新闻网站TheNewStark盘点的2022年值得人们期待的五个人工智能发展趋势。趋势1：大型语言
t 检验的 3 种常用方法及在 Python 中使用样例
本文将介绍 t 检验的 3 种变体以及何时使用它们以及如何在 Python 中运行它们。
基于SVM的多故障分类器｜和车神哥一起学系列
暑假也要每天坚持学习哟！～
机器学习笔记一. 特征工程
sklearn 库加载数据集小数据集sk.datasets.load_iris();大数据集sk.datasets.fetch_20newsgroups()数据集返回值datasets.base.Bunch（继承自字 典类型）使用数据集# 数据集使用def datasets_demo(): i
机器学习【西瓜书/南瓜书】--- 第1章绪论（学习笔记+公式推导）
本博客为博主在学习 机器学习【西瓜书/南瓜书】过程中的学习笔记，每一章都是对《西瓜书》、《南瓜书》内容的总结和提炼笔记，博客可以作为各位读者的辅助思考，也可以做为读者快读书籍的博文，本博客对西瓜书所涉及公式进行详细的推理以及讲解，本人认为，不推导公式所学得的知识是没有深度的，是很容易忘记的，有些公式
基于LBP的图像特征提取并PCA降维后的分类研究
基于python写LBP提取图片数据信息，PCA降维数据后进行图片分类
基于OpenBMI的运动想象分类
基于openBMI的运动想象分类，运用的openBMI的MI范式，csp特征提取，LDA分类器，不跨被试的交叉验证。
Python实现人脸识别功能，face_recognition的使用 | 机器学习
接着上一篇：AI识别照片是谁，人脸识别face_recognition开源项目安装使用 | 机器学习_阿良的博客-CSDN博客根据项目提供的demo代码，调整了一下功能，自己写了一个识别人脸的工具代码。
R语言rev函数对数据对象（向量、dataframe通过行或者列）反序实战
R语言rev函数对数据对象（向量、dataframe通过行或者列）反序实战目录R语言rev函数对数据对象（向量、dataframe通过行或者列）反序实战#基本语法#向量反序#dataframe列反序#dataframe行反序#基本语法rev(x)#向量反序vec <- 1:10
AI识别照片是谁，人脸识别face_recognition开源项目安装使用 | 机器学习
最近碰到了照片识别的场景，正好使用了face_recognition项目，给大家分享分享。face_recognition项目能做的很多，人脸检测功能也是有的，是一个比较成熟的项目。本文主要是对该项目的安装使用，后面会更新一篇我自己写的实现人脸检测的代码，可以直接使用。
TensorFlow2 入门指南 | 16 默认内置指标 & 自定义指标
本专栏在保证内容完整性的基础上，力求简洁，旨在让初学者能够更快地、高效地入门TensorFlow2 深度学习框架。
多分类任务的混淆矩阵
今天我将讨论如何在多分类中使用混淆矩阵评估模型的性能。
Python实验--手写KNN+PCA实现药品聚类和手写字识别
本实验以手写的KNN和PCA算法实现药品数据聚类和手写字识别
Spark进行独热编码
本文总计 500 字，预计阅读需要 2-3 分钟
为什么小批量会可以使模型获得更大的泛化
批大小是机器学习中重要的超参数之一。这个超参数定义了在更新内部模型参数之前要处理的样本数量。
Python-机器学习（二）-K近邻算法的原理与鸢尾花数据集实现详解
该算法的核心思想：不标记样本的类别，由距离其最近的K个邻居投票来决定，所以K值的选择比较关键该算法的原理：计算待标记的数据样本和数据集中每个样本的距离，取距离最近的k个样本。待标记的数据样本所属的类别，就由这k个距离最近的样本投票产生。但在实际运用中，我们应该如何判断K的取值那？
Python-机器学习（一）-线性回归
线性回归模型属于经典的统计学模型，该模型的应用场景是根据已知的变量（自变量）来预测某个连续的数值变量（因变量），线性回归通常可以应用在股价预测、营收预测、广告效果预测、销售业绩预测当中。如我们现在有10行2列数据，第一列是身高，第二列是体重，通常做法：将原始数据切分时，将原始数据的80%作为训练数据
