XGBoost 2.0:对基于树的方法进行了重大更新
XGBoost是处理不同类型表格数据的最著名的算法，LightGBM 和Catboost也是为了修改他的缺陷而发布的。9月12日XGBoost发布了新的2.0版，本文除了介绍让XGBoost的完整历史以外，还将介绍新机制和更新。
解决‘function‘ object has no attribute ‘data‘
function对象没有data属性。
头歌--机器学习之决策树
1、下列说法正确的是？（AB）A、训练决策树的过程就是构建决策树的过程B、ID3算法是根据信息增益来构建决策树C、C4.5算法是根据基尼系数来构建决策树D、决策树模型的可理解性不高2、下列说法错误的是？（B）A、从树的根节点开始，根据特征的值一步一步走到叶子节点的过程是决策树做决策的过程B、决策树只
深度学习中常用的损失函数(一) —— MSELoss()
MSELoss() 损失函数学习笔记
华为开源自研AI框架昇思MindSpore应用案例：分布式并行训练基础样例（CPU）
华为开源自研AI框架昇思MindSpore应用案例：分布式并行训练基础样例
使用python实现LDA线性判别分析
LDA（Linear Discriminant Analysis）线性判别分析是一种监督学习的线性分类算法，它可以将一个样本映射到一条直线上，从而实现对样本的分类。LDA的目标是找到一个投影轴，使得经过投影后的两类样本之间的距离最大，而同一类样本之间的距离最小。LDA的过程可以分为以下几步：1.计算
【人工智能】大模型与数据、信息、知识、智慧的关系和本质
综上所述，大模型与数据、信息、知识、智慧之间存在着密切的关系和相互作用。只有充分利用这些资源，才能设计和应用出更加优秀和高效的大模型，从而推动人工智能技术的发展和应用。
CLIP与DINOv2的图像相似度对比
在本文中，我们将探讨CLIP和DINOv2的优势和它们直接微妙的差别。我们的目标是发现哪些模型在图像相似任务中真正表现出色。
线性判别分析(LDA)详解
入门小菜鸟，希望像做笔记记录自己学的东西，也希望能帮助到同样入门的人，更希望大佬们帮忙纠错啦~侵权立删。目录一、LDA简介二、数学原理（以二分类为例子）1、设定2、每一类的均值和方差3、目标函数4、目标函数的求解三、多分类LDA四、LDA用途与优缺点1、用途2、优点3、缺点五、LDA的python应
【人工智能】AI 人工智能技术近十年演变发展历程
人工智能是指通过计算机技术和算法实现模拟人类智能的能力。计算机视觉：通过计算机算法实现对图像和视频的理解和分析。自然语言处理：通过计算机算法实现对文字和语言的理解和分析。机器学习：通过大量数据和算法训练，使计算机能够自动学习和改进。深度学习：机器学习的一种，通过多层神经网络实现计算机对复杂问题的处理
【时间序列数据挖掘】ARIMA模型
ARIMA模型
实施 AI 最大的困难是什么？
虽然我们讨论的是专业知识，但考虑到 AI 在学习和教育中的概念有多新，可以肯定地说，找到具备必要知识和技能的人是一项相当大的挑战。尽管寻找可以将您的公司过渡到机器学习的供应商是一个可行的解决方案，但具有前瞻性思维的公司得出的结论是，从长远来看，投资于您的内部知识库更有益。换句话说，他们建议对您的员工
用于数据增强的十个Python库
在本文中，我们将介绍数据增强的十个Python库，并为每个库提供代码片段和解释。
“智慧时代的引领者：探索人工智能的无限可能性“
人工智能是一项具有非常广泛的应用前景和发展前景的技术。它在各个领域都产生了深远的影响，正在逐渐改变我们的生活、工作和社会。随着人工智能技术的不断创新和进步，未来的发展前景也将更加广阔。同时,人工智能技术的发展也面临着一些挑战和问题，例如数据隐私、算法偏见、人机关系等。因此，保障人工智能技术的安全、公
范数详解-torch.linalg.norm计算实例
本文以torch.linalg.norm()，详细讲解二范数、F范数、核范数、无穷范数、L1范数、L2范数的定义和计算。
如何用Python找出一组线性变化的数据中出现突变的值
通过计算每个数据点与前一个数据点之间的斜率差异，我们可以快速找到一组线性变化的数据中的突变点。使用Python实现此过程非常简单，只需要使用一个循环和一些数学运算即可。在实际数据分析中，我们可以根据具体情况调整阈值，以达到更好的结果。
16,8和4位浮点数是如何工作的
在本文中，我们将介绍最流行的浮点格式，创建一个简单的神经网络，并了解它是如何工作的。
【人工智能】《大模型十问》—— 我们认为大模型值得探索的十个问题
看过有些评论说，大模型出现后NLP没什么好做的了。在我看来，在像大模型这样的技术变革出现时，虽然有很多老的问题解决了、消失了，同时我们认识世界、改造世界的工具也变强了，会有更多全新的问题和场景出现，等待我们探索。所以，不论是自然语言处理还是其他相关人工智能领域的学生，都应该庆幸技术革命正发生在自己的
【人工智能】大脑传：人类对大脑的认识与历史
尽管人工智能在模拟人脑过程方面取得了显著进展，但相比人类大脑的本质，仍有许多挑战等待我们去解决。随着相关研究逐渐深入，我们期待未来人工智能能够更进一步地发展，更好地理解和模仿人类大脑，为人类社会的发展做出更大的贡献。
LabVIEW AI视觉工具包（非NI Vision）下载与安装教程
LabVIEW AI视觉工具包（非NI Vision）下载与安装教程
