使用ClassificationThresholdTuner进行二元和多类分类问题阈值调整，提高模型性能增强结果可解释性
本文将深入探讨阈值调整的具体机制 — 特别是在多类分类问题中,这个过程可能会比较复杂。我们还将介绍一个名为 ClassificationThresholdTuner 的开源工具,这是笔者开发的一个自动化阈值调整和解释的工具。
Datawhale X 李宏毅苹果书 AI夏令营 Task1-机器学习初认识
作为一个技术小白，我的逻辑可能并不严密，专业知识并不丰富，但还是想通过这样的一种输出方式，谈谈自己的感受和理解，在写文章的同时帮助自己梳理思路，也为大家提供一点见解。机器要找一个函数 f，其输入是可能是种种跟预测 PM2.5 有关的指数，包括今天的 PM2.5 的数值、平均温度、平均的臭氧浓度等等，
深度学习笔记 # Datawhale X 李宏毅苹果书 AI夏令营
从零基础开始深度学习
如何解决NVIDIA显卡报错：uncorrectable ECC error的问题
线上问题出现的时候，如果国内的百度搜不到解决方案，就试试国际的Google，办法总比困难多。
Monte Carlo方法解决强化学习问题
本文继续深入探讨蒙特卡罗 (MC)方法。这些方法的特点是能够仅从经验中学习,不需要任何环境模型,这与动态规划(DP)方法形成对比。
【机器学习】周志华《机器学习》西瓜书勘误：按章节排序整理（截至2024年1月第45次印刷）
本文整理了机器学习领域经典之作：南京大学周志华教授的《机器学习》（西瓜书）勘误。包含博主按章节排序整理（截至2024年1月第45次印刷）及原印刷排序两部分。
AI：272-【机器学习算法】从线性到多维：多元线性回归算法的深度解析与应用实践
多元线性回归（Multiple Linear Regression）是机器学习中最基本且广泛应用的算法之一。尽管它简单易懂，但在实际应用中仍然能解决许多复杂的问题。本篇文章将从零开始，逐步深入地讲解多元线性回归算法的原理，并通过Python代码实例帮助你理解和实现这一算法。
人工智能深度学习系列—探索余弦相似度损失：深度学习中的相似性度量神器
在机器学习和模式识别领域，评估样本间的相似性是一项基本而关键的任务。余弦相似度损失（Cosine Similarity Loss）作为一种衡量向量间相似度的损失函数，在深度学习中被广泛用于相似性度量问题。本文将详细介绍余弦相似度损失的背景、计算方法、使用场景、代码实现及总结。**余弦相似度是两个向量
时间序列结构变化分析：Python实现时间序列变化点检测
在时间序列分析和预测中，准确检测结构变化至关重要。
深入理解变分图自编码器（VGAE）：原理、特点、作用及实现
图神经网络（Graph Neural Networks, GNNs）在处理图结构数据方面展现出强大的能力。其中，变分图自编码器（Variational Graph Auto-Encoder, VGAE）是一种无监督学习模型，广泛用于图嵌入和图聚类任务。本文将深入探讨VGAE的原理、特点、作用及其具体
图特征工程实践指南：从节点中心性到全局拓扑的多尺度特征提取
本文将介绍如何利用NetworkX在不同层面（节点、边和整体图）提取重要的图特征。
透明性和解释性AI：概念与应用
透明性AI指的是AI系统的操作过程、决策机制、数据流动和模型行为是可理解和可追踪的。换句话说，透明性AI使得人们可以清楚地看到AI系统是如何做出决策的，这一过程包括输入数据的处理方式、模型的内部计算过程、以及最终决策的产生机制。解释性AI是指AI系统不仅能够给出决策结果，还能够提供关于该决策如何产生
机器学习/人工智能中的学习证明
在进行任何数学发展之前，我们必须首先了解学习的基础以及它如何与错误的概念密切相关。关于代价函数，它的工作原理是梯度下降原理。本文将回顾梯度下降原理。
【数值模拟】参数化基本概念和参数化建模
介绍了参数化的概念，举例介绍了参数化建模流程，归纳了机器学习模型在参数化建模中的应用
Nat Med·UNI：开启计算病理学新篇章的自监督基础模型｜顶刊精析·24-07-31
一作&通讯角色姓名单位（中文）第一作者哈佛医学院布里格姆和妇女医院病理科第一作者Tong Ding哈佛医学院工程与应用科学学院第一作者Ming Y. Lu哈佛医学院和麻省理工学院癌症项目通讯作者哈佛医学院布里格姆和妇女医院病理科这篇文章介绍了一个名为UNI的新型通用自监督模型，它在计算病理学领域通过
Optuna发布 4.0 重大更新：多目标TPESampler自动化超参数优化速度提升显著
Optuna这个备受欢迎的超参数优化框架在近期发布了其第四个主要版本。
监督学习、无监督学习、半监督学习、弱监督学习、强化学习 和 主动学习
弱监督学习通常指的是训练数据的标签质量不完全可靠，可能是不准确的、噪声较多的或是不完全的。例如，利用搜索引擎的结果为图像自动标注标签，这些标签可能不完全准确。
人工智能的核心技术有哪些?
NLP技术包括文本分类、情感分析、信息抽取等多个方面，能够自动识别文档中的关键信息，如人物、地点、时间等，甚至能够将合同中的条款提取出来制作成表格。它通过声音信息采集、数模转码、过滤、调制解调等步骤，将人类的语音转化为计算机可识别的文本或指令。在机器人技术领域，由于机器人技术涉及多个学科的交叉，没有
【机器学习】语音转文字 - FunASR 的应用与实践（speech to text）
FunASR 是一个开源的语音识别工具，它支持多种语言和多种语音识别任务。VAD（Voice Activity Detection）：用于检测语音活动，将输入的音频信号分割为语音和非语音部分。ASR（Automatic Speech Recognition）：将语音信号转换为文字。PUNC（Punc
