使用 Python 进行数据预处理的标准化
标准化和规范化是机器学习和深度学习项目中大量使用的数据预处理技术之一。
如何选择数据拆分方法:不同数据拆分方法的优缺点及原因
在这里,我将讨论 scikit-learn 中的不同数据拆分技术、选择特定方法以及一些常见陷阱。
如何在时间序列预测中检测随机游走和白噪声
介绍无论多么强大,机器学习都无法预测一切。例如与时间序列预测有关的领域中,表现得就不是很好。
Boruta 和 SHAP :不同特征选择技术之间的比较以及如何选择
在这篇文章中,我们演示了正确执行特征选择的实用程序。
创建你的第一个 DeepFake 视频
今天我要谈谈 Deep Fake ,我将解释First Order Motion算法是如何工作的。看完本文本后你也可以制作Deep Fake 视频。
时序数据预测:ROCKET vs Time Series Forest vs TCN vs XGBoost
机器学习小项目:从NIFTY指数的当日股价预测股票收盘价格,对比各种模型在时序数据预测的效果
图卷积网络 (GCN) 的高层解释
在本文中,我们将了解为什么图数据是必不可少的,以及如何用图形神经网络处理它们,我们将看到它们如何用于药物重新定位。
5 分钟了解机器学习的特征工程
在本文中,我们将了解什么是特征工程以及如何将其应用于您的机器学习算法。
使用 YOLO v5 进行目标检测
在这篇文章中,我们将使用来自 AWS 上的 COCO 数据集(可定制)的图像设置和运行 YOLO
Pandas中替换值的简单方法
使用内置的 Pandas 方法进行高级数据处理和字符串操作
使用动态时间规整来同步时间序列数据
动态时间规整可能是快速方便地同步时间序列数据的最有效的解决方案,并且可以同步具有不同维度的非线性数据。
强化学习vs遗传算法-人工智能在模拟领域的应用
强化学习(Reinforcement Learning)和遗传算法(Genetic Algorithm)都是受自然启发的AI方法
Python图像处理:形态学操作
形态学的操作主要是去除影响图像形状和信息的噪声。形态学运算在图像分割中非常有用,可以得到无噪声的二值图像。
M1 mac安装PyTorch的完整步骤指南
本文将介绍如何在M1机器上本地安装和运行PyTorch。你使用的M1机型(Air、Pro、Mini或iMac)没有区别。
8 个例子帮你快速掌握 Pandas 索引操作
在本文中,让我们回顾一些关于用pandas处理索引的技巧。
PyTorch 实现 GradCAM
在本文中,我们将学习如何在 PyTorch 中绘制 GradCam
CVPR2021: Sparse R-CNN新的目标检测模型
今天我们将讨论由四个机构的研究人员提出的一种方法,他们为我们提供了一种新的方法,称为Sparse R-CNN
2021 年 8 月推荐阅读的四篇深度学习论文
2021 年 8 月推荐阅读的四篇深度学习论文
使用通用的单变量选择特征选择提高Kaggle分数
在这篇文章中,我将讨论我如何使用 sklearn 的 GenericUnivariateSelect 函数来提高我最初获得的分数
用于时间序列分析的 5 个Python 库
本文将讨论五个库,如果您对解决时间序列相关问题感兴趣,它们可能会对您有所帮助