基于BILSTM时间序列预测 python程序
基于BILSTM时间序列预测 python程序
使用LIME解释各种机器学习模型代码示例
在本文中，我们将介绍LIME，并使用它来解释各种常见的模型。
支持向量机SVM（包括线性核、多项式核、高斯核）python手写实现+代码框架说明
支持向量机SVM（包括线性核、多项式核、高斯核）python手写实现+代码框架说明
Pytorch版Mask-RCNN图像分割实战（自定义数据集）
Mask R-CNN是一种广泛应用于目标检测和图像分割任务的深度学习模型，它是由Faster R-CNN（一种快速目标检测模型）和Mask R-CNN（一种实例分割模型）组成的。Mask R-CNN将Faster R-CNN中的RPN和RoI Pooling层替换成了RPN和RoI Align层，以
数据抽样技术全面概述
抽样是研究和数据收集中不可或缺的方法，能够从更大数据中获得有意义的见解并做出明智的决定的子集。不同的研究领域采用了不同的抽样技术，每种技术都有其独特的优点和局限性。
RANSAC算法（仅供学习使用）
RANSAC（Random Sample Consensus）算法是一种基于随机采样的迭代算法，用于估计一个数学模型参数。它最初由Fischler和Bolles于1981年提出，主要用于计算机视觉和计算机图形学中的模型拟合和参数估计问题。RANSAC算法的基本思想是通过随机采样一小部分数据来估计模型
【人工智能与机器学习】决策树ID3及其python实现
决策树ID3是一种经典的机器学习算法，用于解决分类问题。它通过在特征空间中构建树形结构来进行决策，并以信息增益作为划分标准。ID3算法的关键在于选择最佳的属性进行划分，以最大化信息增益。通过Python实现ID3算法，我们可以构建出一棵高效而准确的决策树模型，用于分类预测和决策分析。参考。
【Python气象处理绘图第七弹–泰勒图绘制】
在进行模式评估的过程中，常常需要评估模式的模拟性能，这通常由空间相关系数（CC）,相对标准差（SD）及其中心化的均方根误差（RMSE）体现，这三者又常常可以由泰勒图具体体现。RMSE越接近0，CC和SD越接近1，模式模拟能力越好泰勒图23.泰勒图以上就是对于泰勒图的绘制。处理核心：数据预处理成一维数
维苏威火山挑战赛 AI 破译火山灰烬中的古代卷轴
最近在接触一些机器学习的内容，从基础理论到具体项目的复现和学习，发现自己已经热衷于机器学习的种种，恰巧这两天碰到了这样的一个瓜：AI破译烧焦古卷
深度学习中训练时经常碰到的train、val、test有啥区别？
train是训练集，val是训练过程中的测试集，是为了让你在边训练边看到训练的结果，及时判断学习状态。test就是训练模型结束后，用于评价模型结果的测试集。只有train就可以训练，val不是必须的，比例也可以设置很小。test对于model训练也不是必须的，但是一般都要预留一些用来检测，通常推荐比
百度智能云获评Forrester中国市场人工智能/机器学习平台领导者
Forrester Wave报告：百度智能云15项能力第一，获评中国人工智能/机器学习平台领导者。
Python时间序列分析库介绍：statsmodels、tslearn、tssearch、tsfresh
在本文中，我们将介绍四个主要的Python库——statmodels、tslearn、tssearch和tsfresh——每个库都针对时间序列分析的不同方面进行了定制
注意力机制详解
将attentionj机制全部都将其研究透彻，好好研究一下。
[因果推断] 增益模型（Uplift Model）介绍（三）
1 基础介绍增益模型（uplift model）：估算干预增量（uplift），即干预动作（treatment）对用户响应行为（outcome）产生的效果。这是一个因果推断（Causal Inference) 课题下估算ITE（Individual Treatment Effect）的问题——估算同
【人工智能概论】 用Python实现数据的归一化
用Python实现数据的归一化
深度学习面试问题与答案（2023）
深度学习热门面试题。
数据预处理与模型评估【机器学习、人工智能、实际事例】
数据预处理是机器学习中不可或缺的步骤，它包括数据清洗和特征工程两个主要方面。在机器学习的旅程中，一旦我们训练了一个模型，就需要对其性能进行全面评估。这个过程被称为模型评估，它是确保我们的模型足够强大以应对实际应用需求的关键一步。
园区低速自动驾驶实车决策规划控制（C++实现）
本项目用的都是些基础的算法，可以优化的地方很多，比如规划的不是轨迹（没有时间戳）、只有匀速和停车等工况，缺少速度规划、跟车工况很粗糙、缺少碰撞检测等等。
SLAM 轨迹评估工具——EVO安装、使用介绍
evo是一款用于视觉里程计和SLAM问题的轨迹评估工具. 核心功能是能够绘制相机的轨迹, 或评估轨迹与真值之间的误差. 支持多种数据集的轨迹格式(TUM、KITTI、EuRoC MAV、ROS的bag)， 同时支持这些数据格式之间的相互转换，本文轨迹展示以tum数据格式为例。
