四大名著知识图谱可视化
四大名著人物关系分析实践，通过知识图谱可视化，从二维视觉突破到2.5维视觉，整体提升数据关系感知能力。
机器学习入门-一元线性回归模型的骚操作
🐸文章适合于所有的相关人士进行学习🐸🐶各位看官看完了之后不要立刻转身呀🐶🐼期待三连关注小小博主加收藏🐼🐤小小博主回关快 会给你意想不到的惊喜呀🐤文章目录🚩前言🚩一元线性回归模型讲解☁️我们可能会遭遇的问题☁️线性回归模型🚩数学公式推导☁️公式推导☁️代码介绍及实现🌊jupyt
520还不知道选啥礼物？让AHP帮你选一个最符合你的吧~（附Python代码
520了，不管是男码，女码友，都应该收到一份示爱，也希望各位单身码友今年脱单，不单身的码友和另一半感情越来越好，不管在什么地方都有人爱你，我爱你们~
520不要老想着谈恋爱要变的更加爱强化学习
快速了解强化学习
人工智能——文本分类（大作业必备）
tensorflow文本分类问题，实现将文本区分为积极、消极文本，保姆级讲解，不仅仅轻松过大作业，更可以带你快速理解对keras库的基本使用。
数学建模学习：因子分析
第二周学习打卡
Pytorch目标检测算法(2)（基于李沐老师的课程）
二.锚框2.1 定义目标检测算法，顾名思义我们需要在输入图像上检测是否存在我们关注的目标。因此我们需要在输入图像上进行大量的采样，然后进行判断是否存在目标，并调整区域边界从而更准确的预测目标的真实边框。故在图像上的大量采样所得到的不同缩放比和宽高比的边界框就称为锚框。图示：2.2 实现过程1.锚框数
GAN 初学者指南
GAN是一个非常巧妙并且非常有用的模型。当有大量关于 GAN 的论文时，但是你会发现这些论文通常很难理解，你可能会想要一些对初学者更友好的东西。所以本文的对非传统机器学习人员来说，是我能想到的最好的例子。
基于LSTM的时空序列预测任务文章总结
时空序列预测任务，LSTM单元结构
交互式多模型-无迹卡尔曼滤波IMM-UKF仿真一——机动目标跟踪中的应用
IMM-UKF交互式多模型-无迹卡尔曼滤波matlab仿真及其在机动目标跟踪中的应用目标运动模型为CV CT CV
李宏毅老师《机器学习》课程笔记-3卷积神经网络
介绍了深度学习在图像识别领域的应用—卷积神经网络。
520拿去表白，表白不成功你打我（Matlab代码动态图）
目录1 幸福和快乐的哲学追问2 提前祝女朋友节日快乐2.1 展现2.2 代码1 幸福和快乐的哲学追问在过去的500年间，我们见证了一连串令人惊叹的革命。地球在生态和历史上都已经整合成一个单一的领域。经济呈现指数增长，今日人类所享有的财富在过去只有可能出现在童话里。而科学和工业革命也带给我们超人类的力
2022中青杯数学建模
2022中青杯免费思路。
2022年第五届中青杯全国大学生数学建模竞赛思路分析
2022年第五届中青杯全国大学生数学建模竞赛通知点击链接加入群聊【2022中青杯数学建模交流群】：https://jq.qq.com/?_wv=1027&k=F0mTdd1h点击链接加入群聊【2022中青杯数学建模交流群】：https://jq.qq.com/?_wv=1027&k=
物体检测快速入门系列(4)-TensorFlow 2.x Object Detection API快速安装手册
tensorflow object detection api框架安装指南
KNN算法数字识别完整代码——打开就可以跑
目录1、原理2、数据集3、代码以及注释1. 数据准备：2. 构建训练数据集：3. 测试集数据测试：4、运行结果5、总结6、致谢1、原理邻近算法，或者说K最近邻（KNN，k-NearestNeighbor）分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是K个最近的邻居的意思，说的是每个
Matplotlib剑客行——初相识Matplotlib
个性签名：整个建筑最重要的是地基，地基不稳，地动山摇。而学技术更要扎稳基础，关注我，带你稳扎每一板块邻域的基础。博客主页：啊四战斗霸的博客南来的北往的，走过路过千万别错过，错过本篇，“精彩”可能与您失之交臂yo有代码，就有注释！！！Triple attack(三连击):Comment,Like an
机器学习系列(14)_PCA对图像数据集的降维_03
文章目录一、噪音过滤1、案例：手写数字图像识别一、噪音过滤降维的目的之一是希望抛弃对模型带来负面影响的特征，同时，带有效信息的特征的方差应该是远大于噪音的，所以相比噪音，有效的特征所带来的信息不会在PCA当中大量抛弃。inverse_transform能够在不恢复原始数据的情况下，将降维后的数据返回
数学建模学习（69）：朴素贝叶斯回归分类，轻松掌握
手把手教你使用贝叶斯回归分类模型
Python学习记录 使用tensorflow 2.8 完成猫狗识别 使用keras构建CNN神经网络
猫狗识别项目数据分为带标签和不带标签带标签：25000张不带标签：12500张数据分类处理下载的数据存放在data文件夹下# 定义数据存储的文件夹data_dir = './data/'train是25000张带标签的猫狗图片test1是12500张无标签的猫狗图片使用代码核对一下# 进入图片数据的
