机器学习中的预测评价指标MSE、RMSE、MAE、MAPE、SMAPE
你一定要知道的预测评价指标MSE、RMSE、MAE、MAPE、SMAPE！！！
R实战 | Nomogram(诺莫图/列线图)及其Calibration校准曲线绘制
R实战|Nomogram(诺莫图/列线图)及其Calibration校准曲线绘制Nomogram，中文常称为诺莫图或者列线图。简单的说是将Logistic回归或Cox回归的结果进行可视化呈...
数学建模——熵权法步骤及程序详解
权重的求解一直都是数学建模的重点关注对象，所以学好建模论文的重要一步就是如何确定权重，今天是来介绍一种客观确定几个指标各自所占的权重的方法——熵权法。之前的数学建模实战里有提到用熵权法确定了每个指标各自的权重，这里展开详细的写一下。按照信息论基本原理的解释，信息是系统有序程度的一个度量，熵是系统无序
使用谱聚类（spectral clustering）进行特征选择
在本文中，我们将介绍一种从相关特征的高维数据中选择或提取特征的有用方法。
Pandas的apply, map, transform介绍和性能测试
在这篇文章中，我们将通过一些示例讨论apply、agg、map和transform的预期用途。
2023 年 1 月的5篇深度学习论文推荐
本文整理了 2023 年 1 月5 篇著名的 AI 论文，涵盖了计算机视觉、自然语言处理等方面的新研究。
机器学习强基计划1-2：图文详解线性回归与局部加权线性回归+房价预测实例
线性回归是机器学习线性模型中的一种，本文图文详解+一步步推导线性模型的算法原理和数学原理，并用python实现回归模型
CRPS：贝叶斯机器学习模型的评分函数
连续分级概率评分（Continuous Ranked Probability Score, CRPS）或“连续概率排位分数”是一个函数或统计量，可以将分布预测与真实值进行比较。
不平衡数据集的建模的技巧和策略
在本文中，我们将讨论处理不平衡数据集和提高机器学习模型性能的各种技巧和策略
动手学深度学习（五十）——多头注意力机制
文章目录1. 为什么用多头注意力机制2. 什么是多头注意力机制3. 多头注意力机制模型和理论计算4. 动手实现多头注意力机制层小结练习1. 为什么用多头注意力机制所谓自注意力机制就是通过某种运算来直接计算得到句子在编码过程中每个位置上的注意力权重；然后再以权重和的形式来计算得到整个句子的隐含向量表示
MoCo代码分析 [自监督学习]
关键词：MoCo 源码分析。
联邦学习（（Federated Learning，FL）
联邦学习相关概念、领域热点、挑战与前景。联邦学习的定义、特点、框架、迭代流程、分类；领域亟待解决的问题；主要研究方向、热点和前景展望。
使用OpenAI的Whisper 模型进行语音识别
本文将解释用于训练的数据集的种类以及模型的训练方法，以及如何使用Whisper
机器学习强基计划1-1：图文详解感知机算法原理+Python实现
感知机是最简单的二分类线性模型，也是神经网络的起源算法。本文图文详解感知机算法原理+手推公式，附Python代码实战加深理解
监控Python 内存使用情况和代码执行时间
我的代码的哪些部分运行时间最长、内存最多？我怎样才能找到需要改进的地方？”在本文中总结了一些方法来监控 Python 代码的时间和内存使用情况。
使用CNN进行2D路径规划
本文将CNN应用于解决简单的二维路径规划问题。主要使用Python, PyTorch, NumPy和OpenCV。
这20个Pandas函数可以完成80%的数据科学工作
Pandas 是数据科学社区中使用最广泛的库之一,本文将提供最常用的 Pandas 函数以及如何实际使用它们的样例。
机器学习强基计划1-4：从协方差的角度详解线性判别分析原理+Python实现
线性判别分析是一种将样本投影到低维空间进行分类的方法，本文从协方差的物理意义出发探索LDA算法的物理意义和算法原理，并给出Python实现
7个流行的强化学习算法及代码实现
目前流行的强化学习算法包括 Q-learning、SARSA、DDPG、A2C、PPO、DQN 和 TRPO。 这些算法已被用于在游戏、机器人和决策制定等各种应用中，并且这些流行的算法还在不断发展和改进，本文我们将对其做一个简单的介绍。
【Python】Python寻找多维数组（numpy.array）中最大值的位置（行和列）
最近需要从热力图中找出关键点的坐标，也就是极大值的行和列。搜寻了网上的一些方法，在这里总结一下。使用numpy进行多维数组中最大值的行和列搜寻非常的灵活，有以下几种方法可供参考。二维数组方法一：np.max()函数 + np.where()函数如下图所示，x是一个 3×3 的二维np.array，首
