[机器学习、Spark]Spark MLlib机器学习
机器学习是一门多领域的交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科，专门研究计算机如何模拟或实现人类的学习行为，以获取新的知识或技能.重新组织已有的知识结构使之不断改善自身的性能。机器学习分为2类：（1）有监督学习通过已有的训练样本(即已知数据以及其对应的输出)训练得到一个
AIGC的发展史：从模仿到创造，AI的创造性探索
在 AI时代，人工智能不再是简单的机器，而是一个具有无限创造力的创造者。AIGC的诞生是人工智能从模仿到创造的一种进步，也是对人类创造力的一种新探索。而这种由AI生成的内容究竟是如何发展而来的呢？在本文中，我们将探讨AIGC的发展史，从其初期的模仿到逐渐实现创造性探索的过程，发现AI在创意领域中的无
深入理解机器学习——数据预处理：归一化 （Normalization）与标准化 （Standardization）
归一化 （Normalization）和标准化 （Standardization）都是特征缩放的方法。特征缩放是机器学习预处理数据中最重要的步骤之一，可以加快梯度下降，也可以消除不同量纲之间的差异并提升模型精度。而标准化（Standardization）是在不改变原始的数据分布的情况下，将数据的分布
大数据分析的Python实战指南：数据处理、可视化与机器学习【上进小菜猪大数据】
结论： 本文介绍了使用Python进行大数据分析的实战技术，包括数据清洗、数据探索、数据可视化和机器学习模型训练等方面。通过掌握这些技术，您可以更好地处理和分析大数据，并从中获取有价值的信息。使用Python的丰富生态系统和易用性，您可以更高效地进行大数据分析和实践。通过有效地处理和分析大量的数据，
pandas中的.update()方法
在Pandas中，`update()`方法用于将一个DataFrame或Series对象中的值更新为另一个DataFrame或Series对象中的对应值。这个方法可以用来在原地更新数据，而不需要创建一个新的对象。
燕山大学机器学习复习提要
燕山大学机器学习复习提要2022版，自己总结仅供参考
并行计算框架Polars、Dask的数据处理性能对比
在Pandas 2.0发布以后，我们发布过一些评测的文章，这次我们看看，除了Pandas以外，常用的两个都是为了大数据处理的并行数据框架的对比测试。
损失函数——KL散度（Kullback-Leibler Divergence，KL Divergence）
KL散度衡量的是在一个概率分布 �P 中获取信息所需的额外位数相对于使用一个更好的分布 �Q 所需的额外位数的期望值。要在训练中使用 KL散度作为损失函数，可以将其作为模型的一部分加入到损失函数的计算中。在机器学习中，KL散度常常用于衡量两个概率分布之间的差异程度，例如在生成模型中使用 KL散度作为
A Time Series is Worth 64 Words（PatchTST模型）代码解析
PatchTST模型代码解读
Wilcoxon符号秩检验详解
Wilcoxon符号秩检验是一种常用的非参检验方法，适用于比较两个相关样本之间的差异。它的基本原理是将差值按照绝对值大小排列，并计算秩次之和作为检验统计量。根据假设检验结果，可以判断两个样本的差值分布是否一致。
亚马逊云科技中国峰会：Amazon DeepRacer-梦想加速度
亚马逊云科技中国峰会：Amazon DeepRacer-梦想加速度
机器学习中最基本的概念之一：数据集、样本、特征和标签
数据集、样本、特征和标签是机器学习中最基本的概念之一，它们在机器学习算法的设计和实现过程中起着至关重要的作用。在选择数据集、样本、特征和标签时，需要考虑到各种因素，以便更好地评估算法的性能和泛化能力。同时，需要不断优化和改进机器学习算法，以适应不断变化的数据和应用场景。
矢量数据库对比和选择指南
矢量数据库是为实现高维矢量数据的高效存储、检索和相似性搜索而设计的。使用一种称为嵌入的过程，将向量数据表示为一个连续的、有意义的高维向量。
写给小白的ChatGPT和AI原理
以上就是生成式AI的基本工作原理，通过深度学习算法处理大量的文本数据，从而学习语言的语法和语义规律，并能够自动生成符合语法和语义的文本。在生成文本时，生成式AI会基于上下文信息生成一个语言模型，然后利用随机采样或贪心搜索方法生成文本序列。
ChatGPT 教程——关于如何使用 OpenAI ChatGPT 的指南
凭借其庞大的培训数据，ChatGPT 可以提供上下文相关的答案，使其成为语言翻译、客户服务和内容创建的宝贵工具。与 Chat GPT 一样，得益于 Google 的 LaMDA 语言模型，Bard 能够进行类似人类的对话、翻译语言并向用户提供准确的信息。响应的质量和准确性将取决于输入的质量和训练模型
LoRA模型是什么？
LoRA（Low-Rank Adaptation of Large Language Models，大型语言模型的低秩适应）是微软研究员提出的一种新颖技术，旨在解决微调大型语言模型的问题。研究人员发现，通过专注于大型语言模型的Transformer注意力块，LoRA的微调质量与完整模型的微调相当，同
yolov5傻瓜式调用usb摄像头
如果接入usb摄像头这里也会显示出usb，确保内置摄像头被禁用而usb摄像头被启用即可调用usb摄像头。一般笔记本默认的是内置摄像头即使接上usb摄像头也只有内置摄像头的图像进入设备管理器右键禁用内置摄像头。当你用requirement下载好yolov5的对应的包后就需要使用detect去检测图片了
plt.hist()介绍
plt.hist()具体作用：如图所示，左栏是数字value。右栏是频数frequency。现在我将0~5这个区间划分为10个bin（箱子），每个箱子的大小都为0.5。如下图最右侧所示。可以看到，图中的数字所对应的频数会按照Bins的所标识的数字的不同进行相加。plt.hist()也就是这个作用。将
数学建模 | 关于ARMA模型你必须知道的20个知识点
不适合,ARMA模型假定时间序列是stationary的,非stationary时间序列需要进行差分处理。ARMA模型综合考虑自回归模型和移动平均模型,使用过去的观测值和误差项的移动平均来预测未来值。时间序列的值随时间变化,且过去的观测值与未来值以及过去的误差与未来误差之间存在较强的相关性。同自回归
人工智能与大数据面试指南——自然语言处理（NLP）
人工智能与大数据面试指南》系列下的内容会，有需要的读者可以文章，以及时获取文章的最新内容。
