神经网络Python实现（9行代码）
神经网络由输入层、输出层和之间若干层（一层或多层）隐含层构成，每一层可以有若干个节点。层与层之间节点的连接状态通过权重来体现。这9行代码就是把上图的1~4组数据作为训练集进行模型训练，不断地更新权重使其输出更接近训练集中给出的输出标签（标准答案），然后将最后一组数据当做测试集来检测模型的准确度，它最
【深度强化学习】(7) SAC 模型解析，附Pytorch完整代码
Deepmind 提出的 SAC (Soft Actor Critic) 算法是一种基于最大熵的无模型的深度强化学习算法，适合于真实世界的机器人学习技能。SAC 算法的效率非常高，它解决了离散动作空间和连续性动作空间的强化学习问题。SAC 算法在以最大化未来累积奖励的基础上引入了最大熵的概念，加入熵
因果推断1--基本方法介绍（个人笔记）
因果推断是基于统计学方法刻画变量之间的因果关系。
YOLO，VOC数据集标注格式
YOLO，VOC数据集标注格式
对sklearn中transform()和fit_transform()的深入理解
对sklearn中transform()和fit_transform()的深入理解
优化算法 | 人工蜂群算法（附Python代码）
十分钟教你掌握人工蜂群算法Python代码
推荐系统笔记（一）：BPR Loss个性化推荐
在常规的推荐系统统计算法中，我们通常是通过现有数据集去计算获取用户对所有商品的得分，但大多情况下我们只需要关系极少数的商品的优先级，而不是所有的商品的排序，并且一些基于矩阵分解和KNN的推荐算法，是没有对排序方法进行优化的，而BPR损失函数能够满足我们的需求。（1）BPR的出发点是优化用户对商品的偏
朴素贝叶斯（Naive Bayes）详解
贝叶斯决策论、朴素贝叶斯原理与算法实现、具体应用。
ParC-Net 论文详解
ECCV 2022 || ParC-Net 一种超越MobileViT的pure ConvNet
联邦学习开山之作代码解读与收获
详细阅读FL代码
Yolov5_v6.2训练数据集进行预测
Yolov5_v6.2环境部署，并在云端训练自己的数据集
跟着AI学AI(1): 线性回归模型
在线性回归中，我们的目标是找到一条直线，使得所有数据点到该直线的距离之和最小。因此，我们的目标是最小化平方误差。具体来说，我们计算损失函数对w和b的偏导数，然后将其乘以学习率并从当前w和b的值中减去。在线性回归模型中，我们使用梯度下降来找到最小化平方误差的最佳拟合直线。具体来说，我们计算损失函数对每
HyperLPR3车牌识别-五分钟搞定: 中文车牌识别光速部署与使用
基于深度学习高性能中文车牌识别 High Performance Chinese License Plate Recognition Framework.快速上手教程
盘点5种最频繁使用的检测异常值的方法（附Python代码）
在统计学中，异常值是指不属于某一特定群体的数据点。它是一个与其他数值大不相同的异常观测值，与良好构成的数据组相背离。例如，你可以清楚地看到这个列表里的异常值：[20, 24, 22, 19, 29, 18, 4300, 30, 18].当观测值仅仅是一堆数字并且是一维时，很容易识别出异常值。但是，当
基于opencv的边缘检测方法
介绍6种基于opencv的边缘检测的方法
Kaggle，上传，GPU，下载
Kaggle的基本使用
在pycharm新建项目时配置anaconda环境
在pycharm新建项目时配置anaconda环境的解决办法
10个最频繁用于解释机器学习模型的 Python 库
XAI，Explainable AI是指可以为人工智能（AI）决策过程和预测提供清晰易懂的解释的系统或策略。XAI 的目标是为他们的行为和决策提供有意义的解释，这有助于增加信任、提供问责制和模型决策的透明度。XAI 不仅限于解释，还以一种使推理更容易为用户提取和解释的方式进行 ML 实验。在实践中，
LDA模型构建与可视化
隐含狄利克雷分布（Latent Dirichlet Allocation，LDA），是一种主题模型（topic model），典型的词袋模型，即它认为一篇文档是由一组词构成的一个集合，词与词之间没有顺序以及先后的关系。一篇文档可以包含多个主题，文档中每一个词都由其中的一个主题生成。它可以将文档集中每
YOLOv5图像分割--SegmentationModel类代码详解
SegmentationModel类DetectionModel类推理阶段DetectionModel--forward()BaseModel--forward() Segment类Detect--forward 定义model将会调用models/yolo.py中的类SegmentationMo
