神经网络中的分位数回归和分位数损失
在分位数回归中，我们不仅关注预测的中心趋势（如均值），还关注在分布的不同分位数处的预测准确性。Quantile loss允许我们根据所关注的分位数来量化预测的不确定性。
亚马逊云科技AI应用 SageMaker 新突破，机器学习优势显著
Amazon SageMaker是一种机器学习服务，帮助开发人员快速准备、构建、训练和部署高质量的机器学习模型。本文主要讲解了SageMaker的五项新功能，并使用Sagemaker部署模型并进行推理，最后对数据处理。新功能给SageMaker的使用带来极大的便利，期待未来有更多的创新应用。
【数据挖掘大作业】基于决策树的评教指标筛选（weka+数据+报告+操作步骤）
数据挖掘大作业一、考核内容现有某高校评教数据(pjsj.xls)，共计842门课程，属性包括：课程名称、评价人数、总平均分以及10个评价指标Index1-Index10。指标内容详见表1。表1 学生评教指标体系及权重序 号指 标权重（10%）Index1老师在第一节课能向我们介绍本课程的基
Python到机器学习再到深度学习：一条完整的人工智能学习之路
Python到机器学习再到深度学习：一条完整的人工智能学习之路
《神经网络与深度学习》算法伪代码汇总
《神经网络与深度学习》算法伪代码
数据对象属性分类
月份、日期、一天的时间描述（早上、上午、中午、下午、晚上、夜里），调查问卷的反馈（十分满意、比较满意、满意、一般、不满意、比较不满意、十分不满意），还有军衔、职级等等。从理论上讲，不论什么測量标度类型（标称的、序数的、区间的和比率的）都能够与基于属性值个数的随意类型（二元的、离散的和连续的）组合。此
人工智能计算机视觉：解析现状与未来趋势
人工智能计算机视觉的发展，如同一场精彩的科技盛宴，我们期待着更多创新的涌现，为未来的智能化世界贡献更多可能性。在迎接未知的同时，让我们保持对技术的敬畏之心，引导着它走向更加美好的未来。计算机视觉是人工智能的一个重要分支，其目标是使机器具备类似于人类视觉的能力。计算机视觉的不断发展不仅改变着我们对技术
一文读懂分类模型评估指标
模型评估是深度学习和机器学习中非常重要的一部分，用于衡量模型的性能和效果。本文将逐步分解混淆矩阵，准确性，精度，召回率和F1分数。
处理不平衡数据的过采样技术对比总结
在不平衡数据上训练的分类算法往往导致预测质量差。过采样提供了一种在模型训练开始之前重新平衡类的方法。
EDA中常用的9个可视化图表介绍和代码示例
在这篇文章中我们介绍EDA中常用的9个图表，并且针对每个图表给出代码示例。
深度学习基础实例与总结
感知机(Perceptron)，又称神经元(Neuron，对生物神经元进行了模仿)是神经网络(深度学习)的起源管法，1958年由康奈尔大学心理学教授弗兰克·罗森布拉特(Frank Rosenblatt) 提出，它可以接收多个输入信号，产生一个输出信号。其中，x1ix_1ix1i和x2x_2x2称
【机器学习】主成分分析(PCA)算法及Matlab实现
PCA即主成分分析，是用一个超平面对所有样本进行恰当表达的方法，思想是将n维特征映射到k维上（k
人工智能、机器学习、深度学习之间的关系是什么？
人工智能（Artificial Intelligence，AI）是指通过计算机技术来实现人类的智能行为和智能思维的一种技术手段。它的传统研究方向是从人类的智能角度出发，通过模拟和实现人类的智能能力，比如语言理解、图像识别、推理、决策等。而机器学习则是人工智能的一个重要分支，是指计算机通过学习数据和样
高斯分布、高斯混合模型、EM算法详细介绍及其原理详解
今天给大家带来的主要内容包括：高斯分布，高斯混合模型，EM算法。废话不多说，下面就是本文的全部内容了！
粒子群算法详解
粒子群算法（Particle Swarm Optimization，PSO）是一种常见的优化算法，常用于解决多元函数的优化问题。PSO 算法通过模拟群体中的粒子在搜索空间中的移动，来寻找最优解。下面，我们将详细介绍 PSO 算法的原理、流程和应用。
处理不平衡数据的方法小结（算法层面）
不平衡数据处理的阶段性小总结
python机器学习数据建模与分析——数据预测与预测建模
机器学习的预测建模在多个领域都具有重要的应用价值，包括个性化推荐、商品搜索、自动驾驶、人脸识别等。本篇文章将带领大家了解什么是预测建模
pinokio让你在本地轻松跑多种AI模型的神奇浏览器
就像一个网络浏览器，Pinokio本身不会做任何事情，但随着人们围绕它构建和分享应用、工作流和API，它将变得越来越有用。订阅我们的中文简报，深入解析最新的技术突破、实际应用案例和未来的趋势。Pinokio是一个浏览器，可以让您自动且轻松地安装、运行和自动化任何AI应用和模型。再也不需要打开终端。但
高维向量压缩方法IVFPQ :通过创建索引加速矢量搜索
IVFPQ 是一种用于数据检索的索引方法，它结合了倒排索引（Inverted File）和乘积量化（Product Quantization）的技术。
在Linux系统下部署Llama2（MetaAI）大模型教程
在Linux系统下部署Llama2（MetaAI）大模型教程。1、本文选择部署的模型是Llama2-chat-13B-Chinese-50W。2、由于大部分笔记本电脑无法满足大模型Llama2的部署条件，因此可以选用autodl平台（算力云）作为部署平台。
