机器学习：过拟合、欠拟合、正则化之间的纸短情长～
正则化是何如解决过拟合的，机器学习的主要挑战是我们的算法能够在为观测的数据上误差较小，而不是在只在训练集上表现良好，我们这种能力我们称之为泛化。
CNN天气识别
本文将采用CNN实现多云、下雨、晴、日出四种天气状态的识别。本文为了增加模型的泛化能力，新增了Dropout层并且将最大池化层调整成了平均池化层。
SVM 支持向量机算法（Support Vector Machine ）【Python机器学习系列（十四）】
SVM 支持向量机算法（Support Vector Machine ）【Python机器学习系列（十四）】1.SVM简介2. SVM 逻辑推导2.1 Part1 化简限制条件2.2 Part2 SVM拉格朗日乘子法求解2.3 Part3 求解超平面3.核函数4. 软间隔支持向量机5. 支持向量回归
7个有用的Jupyter扩展
今天将介绍7个不常见但是却很好用且能够提高效率的Jupyter扩展
NumPy和Pandas中的广播
在本文中介绍Numpy的广播机制和Pandas中的一些广播的函数，并使用泰坦尼克的数据集演示了pandas上常用的转换/广播操作。
带掩码的自编码器MAE在各领域中的应用总结
NLP，图像，视频，多模态，设置时间序列和图机器学习中都出现了MAE的身影
2022 年最值得关注的颠覆性技术
颠覆性技术是一种创新，会导致消费者、企业和行业运营方式发生重大变化。颠覆性技术有可能通过其可衡量和优越的属性来取代现有的系统或习惯。简单来说，颠覆性技术是一种新技术，它显着改变了现有市场或行业的运作方式。颠覆性技术最初往往会遭到现有企业的抵制，因为它们有可能颠覆现状。然而，随着时间的推移，它们可以彻
使用机器学习创建自己的Emojis 表情
在本文中，我们将描述一种图像生成方法，该方法无需额外的模型训练和昂贵的设备就可以在不同的图像风格之间切换。
写完Numpy100道基础练习题后的错误总结和语法总结
numpy100题错误总结和语法总结！！我都已经踩了无数个雷了！！
GANs的优化函数与完整损失函数计算
本文详细解释了GAN优化函数中的最小最大博弈和总损失函数是如何得到的。将介绍原始GAN中优化函数的含义和推理，以及它与模型的总损失函数的区别，这对于理解Generative Adversarial Nets是非常重要的
时间序列中的特征选择：在保持性能的同时加快预测速度
在这篇文章中，我们展示了特征选择在减少预测推理时间方面的有效性，同时避免了性能的显着下降。tspiral 是一个 Python 包，它提供了各种预测技术。并且它与 scikit-learn 可以完美的集成使用。
分类模型评估的实际编码
从实际编码的角度出现看看如何用代码评价分类模型的好坏。
【深度学习】7-矩阵乘法运算的反向传播求梯度
本节以较简单的例子来理解矩阵乘法下的反向传播过程。为了稍微形象一些，这里同样会用到计算图来进行描述。
最大似然估计(MLE)入门教程
最大似然估计(Maximum Likelihood Estimation)是一种可以生成拟合数据的任何分布的参数的最可能估计的技术。它是一种解决建模和统计中常见问题的方法——将概率分布拟合到数据集。
CS231n-2022 Module1: Minimal Neural Network case study
本文编译自斯坦福大学的CS231n课程（2022） Module1课程中神经网络部分之一，原课件网页参见：本文（本系列）不是对原始课件网页内容的完全忠实翻译，只是作为学习笔记的摘要，主要是自我参考，而且也可能夹带一些私货（自己的理解和延申，不保证准确性）。如果想要更准确地了解更具体的细节，还请服用原
手把手教你深度学习和实战-----线性回归+梯度下降法
本文主要从基础的角度讲解线性回归算法和梯度下降算法，力求用通俗的语言和简单的例子进行算法的讲解。
手把手教你深度学习和实战-----逻辑回归算法
文本从基础的角度对逻辑回归进行了一个讲解，手动推导了逻辑回归的梯度下降法
使用Torchmetrics快速进行验证指标的计算
TorchMetrics可以为我们提供一种简单、干净、高效的方式来处理验证指标。TorchMetrics提供了许多现成的指标实现，如Accuracy, Dice, F1 Score, Recall, MAE等等，几乎最常见的指标都可以在里面找到。
Code For Better 谷歌开发者之声----谷歌云基于TensorFlow高级机器学习
谷歌云基于TensorFlow高级机器学习
