【人工智能的数学基础】机器学习中的假设检验(Hypothesis Test)
若假设“所有模型的性能相同”被拒绝，则说明模型的性能显著不同。在统计学中，总体分布往往是未知的，只能从中进行有限的抽样从而获得部分样本的信息。有时需要对总体的特征做出某种假设，如何判断该假设是正确的还是错误的？个模型进行比较，首先在每个数据集上根据留出法或交叉验证法得到所有模型测试结果，根据测试性能
【人工智能】关于人类大脑模型的一些数学公式
关于人类大脑建模的数学公式主要涉及到神经元网络、激活函数、学习算法等方面。这里是一些常见的数学公式（使用Markdown和LaTeX语法）。
MATLAB与大数据：如何应对海量数据的处理和分析
在面对海量数据的处理和分析时，MATLAB是一种强大的工具，它提供了丰富的数据处理、分析和可视化功能，帮助我们高效地应对这一挑战。此外，MATLAB还提供了强大的图像处理工具箱和数据可视化工具，帮助我们处理和展示大规模图像和数据。MATLAB提供了一系列用于处理和分析大数据的工具和函数，这些工具和函
分析多变量间因果关系的利器---结构方程模型（Structural Equation Modeling）
我们前期推出的《基于R语言结构方程模型》通过结构方程原理介绍、结构方程全局和局域估计、模型构建和调整、潜变量分析、复合变量分析及结构方程贝叶斯方法实现等一系列专题的介绍及大量案例讲解，由浅入深地系统介绍了结构方程模型的建立、拟合、评估、筛选和结果展示全过程，得到学员广泛认可。张老师，来自中国科学院，
loss = nn.CrossEntropyLoss(reduction=‘none‘)
reduction 参数用于控制输出损失的形式。
AI模型隐私风险及防护技术
随着AI成为新一代关键技术趋势，围绕着AI的服务也越来越普及。特别是结合了云计算以后，机器学习数据的标注、模型训练及预测等服务纷纷上云，为用户提供了强大的算力和优秀的算法，极大方便了广大开发者与企业用户。
【Linear Probing | 线性探测】深度学习 线性层
深度学习linear probing
数学建模常用算法—马尔可夫预测
马尔可夫预测模型
Excel小技巧,使用函数（INDEX+MATCH）快速进行条件查询
Excel小技巧,使用函数（INDEX+MATCH）快速进行条件查询
AI 大模型 LLM 的基础概念、核心算法原理数学模型和发展历史及其应用领域
文本摘要是指从大量的文本中提取关键信息，并生成简洁、易于理解的摘要。LLM能够通过对文本进行编码和自动摘要，从而提高文本摘要的质量和效率。总之，LLM是自然语言处理领域中的一个重要组成部分，它通过对大量数据进行训练，实现了自然语言理解、文本分类、机器翻译、文本摘要等多种自然语言处理任务。在未来的发展
Pandas DataFrame 数据存储格式比较
Pandas 支持多种存储格式，在本文中将对不同类型存储格式下的Pandas Dataframe的读取速度、写入速度和大小的进行测试对比。
【机器学习】人工智能概述（文末送书）
机器学习和人工智能，深度学习的关系人工智能（AI）：人工智能是一门研究如何使计算机能够模拟、理解和执行人类智能任务的学科。它的目标是让计算机具备类似于人类的智能水平，可以进行推理、学习、感知和决策。机器学习：机器学习是人工智能的一个重要分支，它是让计算机通过从数据中学习和提取模式，自动改进执行特定任
多模态推荐系统综述
多模态推荐综述
faiss的简单使用
全称(Facebook AI Similarity Search)是Facebook AI团队开源的针对聚类和相似性搜索库，为稠密向量提供高效相似度搜索和聚类，支持十亿级别向量的搜索，是目前较成熟的近似近邻搜索库。它包含多种搜索任意大小向量集（备注：向量集大小由RAM内存决定）的算法，以及用于算法评
15个基本且常用Pandas代码片段
以上这15个Pandas代码片段是我们日常最常用的数据操作和分析操作。熟练的掌握它，并将它们合并到工作流程中，可以提高处理和探索数据集的效率和效果。
大数据、人工智能、机器学习、深度学习关系联系前言
1.大数据和人工智能关系2.机器学习、深度学习、人工智能关系3.监督学习、无监督学习、半监督学习、强化学习、迁移学习关系4.机器学习具体内容
20用于深度学习训练和研究的数据集
本文将整理常用且有效的20个数据集。
大数据笔记--Spark机器学习（第一篇）
一、数据挖掘与机器学习1、概念2、人工智能3、数据挖掘体系二、机器学习1、什么是机器学习2、机器学习的应用3、实现机器学习算法的工具与技术框架三、Spark MLlib介绍1、简介2、MLlib基本数据类型Ⅰ、概述Ⅱ、本地向量Ⅲ、向量标签的使用Ⅳ、本地矩阵Ⅴ、分布式矩阵的使用3、MLlib统计量基础
Pandas 2.1发布了
2023年3月1日，Pandas 发布了2.0版本。6个月后（8月30日），更新了新的2.1版。让我们看看他有什么重要的更新。
生成模型相关算法：EM算法步骤和公式推导
EM 算法是一种选代算法，1977 年 Dempster 等人总结提出，用于含有隐变量(hidden variable)的概率模型参数的极大似然估计，或极大后验概率估计EM算法的每次选代由两步组成:E步，求期望 (expectation);一般地，用Y表示观测随机变量的数据，Z表示隐随机变量的数据Y
