10种数据预处理中的数据泄露模式解析:识别与避免策略
当测试数据在数据准备阶段无意中泄露(渗透)到训练数据时,就会发生数据泄露。这种情况经常出现在常规数据处理任务中,而你可能并未察觉。当泄露发生时,模型会从本不应看到的测试数据中学习,导致测试结果失真。
【人工智能】线性回归
一、使用正规化方法计算下列样本的预测函数1. 没有归一化之前2. 归一化之后二、读取ex1data2.txt中的数据，建立样本集，使用正规化法获取（房屋面积，房间数量）与房屋价格间的预测函数1. 读取数据，建立样本集2. 设置X、y3. 计算theta三、读取ex1data1.txt中的数据，建立样
20240927 每日AI必读资讯
我们最近发布的语音到语音转换和OpenAI O1标志着交互和智能的新时代的开始——这些成就是由你们的聪明才智和手艺实现的。在这个过程中，AI会通过多次尝试得到反馈。这个阶段的重点是让AI明白哪些地方出错了，并且不会只做一些很小的、无关紧要的修改，而是能够真正找到并改正大的错误。这一成功证明了我们出色
随机性、熵与随机数生成器:解析伪随机数生成器（PRNG）和真随机数生成器（TRNG）
本文将探讨随机性、熵的概念以及不同类型随机数生成器(random number generator, RNG)的原理,重点介绍伪随机数生成器(PRNG)和真随机数生成器(TRNG)。
【实践篇】ChatGLM3-6B AI大模型的部署、微调训练智能客服
修改/mnt/workspace/apps/ChatGLM3/basic_demo/cli_demo.py，将默认的THUDM/chatglm3-6b修改为你的模型地址，比如我的是/mnt/workspace/models/chatglm3-6b。--model_name_or_path /mnt/
高斯分布（正态分布）
(1)高斯分布又名正态分布，在点云中的解释应为，在从某点邻近搜索的一块区域内，所有点的分布应该符合如下图的分布规律(2)实现高斯分布的公式为（公式不重要，不用记）其中【二者为主要变量】均值：u越小，图像整体向左偏移，u越大，图像整体向右偏移。方差对高斯分布的影响：σ越大，数据分布越分散，σ越小，数据
KNN算法（距离度量、归一化标准化）--day06
其中p≥1 是闵可夫斯基指数。切比雪夫距离（Chebyshev distance），也称为棋盘距离或无限范数距离，是在几何空间中计算两点之间的距离的一种方法，它使用的度量方式是各坐标数值差的绝对值的最大值。闵可夫斯基距离是一种重要的距离度量方法，能够根据p的值在曼哈顿距离和欧氏距离之间进行平滑过渡，
【机器学习】音乐与AI的交响：机器学习在音乐产业中的应用
在人类文明的长河中，音乐始终扮演着至关重要的角色。它不仅是情感的载体，更是文化的桥梁，跨越时空，连接着不同的人群和时代。然而，随着科技的飞速发展，特别是人工智能技术的崛起，音乐产业正经历着一场前所未有的变革。在这场变革中，机器学习作为人工智能的核心技术之一，正以其独特的魅力和无限的潜力，悄然改变着音
【AI原理解析】—对抗学习（AL）原理
对抗学习的核心思想是通过两个模型的相互对抗，使得生成模型（Generator）能够生成越来越逼真的数据，以欺骗判别模型（Discriminator）。同时，判别模型的目标则是尽可能准确地判断出生成模型生成的数据和真实数据。未来，对抗学习有望在更多领域发挥重要作用，为机器学习技术的发展带来新的突破。对
机器学习——自动机器学习(AutoML)
自动机器学习（AutoML）是指通过自动化的方法来选择模型、调整超参数和预处理数据的过程，从而让没有丰富经验的用户也能创建高质量的机器学习模型。与传统的机器学习方法相比，AutoML能够自动执行数据预处理、特征工程、模型选择、超参数优化等多个步骤，大大降低了机器学习的技术门槛。自动机器学习（Auto
数据集划分方法
数据集划分是机器学习和数据科学中的一个重要步骤，主要目的是为了确保模型的有效性和可靠性。将数据集划分为互斥的子集：训练集和测试集。训练集: 用于训练模型。测试集: 用于评估模型的性能和验证其准确性。将数据集分成多个子集，通常包括训练集、验证集和测试集。训练集: 用于训练模型。验证集: 用于调整模型的
什么是2范数、1范数、∞范数？
例如，2范数常用于计算向量之间的欧几里得距离，1范数用于优化问题中的稀疏性约束，而无穷范数则用于测量向量中最大分量的影响。在数学和线性代数中，范数（Norm）是一种测量向量大小或长度的工具。1范数，也称为曼哈顿范数或绝对值和范数，表示向量各元素绝对值的总和。2范数，也称为欧几里得范数，表示向量在欧几
基于图论的时间序列数据平稳性与连通性分析：利用图形、数学和 Python 揭示时间序列数据中的隐藏模式
在本文中,我们将探讨图论如何洞察时间关系和平稳性，将介绍基于图的变换的基本概念,讨论时间序列数据的平稳性,并展示如何应用这些概念。
大数据分析案例-基于逻辑回归算法构建抑郁非抑郁推文识别模型
本项目基于逻辑回归算法构建抑郁非抑郁推文识别模型具有重要的研究背景和应用价值。通过该模型的研究和应用，我们可以更好地理解和预测社交媒体中用户的心理健康状况，为抑郁症等心理疾病的防治提供有力的支持。在本次实验中，我们探索了使用不同的机器学习算法——逻辑回归、决策树和XGBoost——来构建抑郁非抑郁推
人工智能深度学习系列—深入解析：均方误差损失（MSE Loss）在深度学习中的应用与实践
在深度学习的世界里，损失函数犹如一把尺子，衡量着模型预测与实际结果之间的差距。均方误差损失（Mean Squared Error Loss，简称MSE Loss）作为回归问题中的常见损失函数，以其简单直观的特点，广泛应用于各种预测任务。本文将带您深入了解MSE Loss的背景、计算方法、使用场景以及
【AI知识点】小世界网络（Small-World Networks）
小世界网络（Small-World Networks） 是一种具有独特拓扑结构的网络模型，广泛应用于研究社交网络、神经网络、互联网以及其他复杂系统中的节点间连接方式。小世界网络的特点是节点之间的平均路径长度较短，并且大多数节点的局部连接较多，同时存在少量长距离连接（也称为“捷径”）。这一网络结构使得
人工智能的核心技术之机器学习
人工智能（AI）是一个快速发展的领域，其核心技术不断演进和扩展。机器学习（Machine Learning）：这是AI的一个分支，使计算机能够从数据中学习并做出预测或决策。深度学习（Deep Learning）：是机器学习的一个子集，它使用多层神经网络来模拟人脑的信息处理方式，处理复杂的数据模式。自
补充：理解Query、Key和Value
Query（查询）每个输入元素（如单词、字符等）都有一个Query向量。Query向量表示我们正在寻找的信息或特征。在计算注意力权重时，Query用于匹配Key，从而确定关注哪些元素及其重要程度。Key（键）每个输入元素也有一个Key向量。Key向量表示元素的特征或内容。Key用于与Query匹配，
【交通标志识别系统】Python+卷积神经网络算法+人工智能+深度学习+机器学习+算法模型
交通标志识别系统。本系统使用Python作为主要编程语言，在交通标志图像识别功能实现中，基于TensorFlow搭建卷积神经网络算法模型，通过对收集到的58种常见的交通标志图像作为数据集，进行迭代训练最后得到一个识别精度较高的模型文件，然后保存为本地的h5格式文件。再使用Django开发Web网页端
【AI知识点】机器学习中的常用优化算法（梯度下降、SGD、Adam等）
在机器学习中优化算法（Optimization Algorithm） 的任务是找到模型参数（如权重、偏置等），使得损失函数（例如均方误差、交叉熵等）最小化。损失函数度量的是模型预测值与真实标签之间的误差。优化算法通过不断调整模型的参数，使损失函数达到全局或局部最小值。
