Curriculum Labeling：重新审视半监督学习的伪标签
Curriculum Labeling (CL)，在每个自训练周期之前重新启动模型参数，优于伪标签 (PL)
ML之FE：VIF(方差膨胀系数)指标的简介、计算逻辑、判断标准、案例应用之详细攻略
ML之FE：VIF(方差膨胀系数)指标的简介、计算逻辑、判断标准、案例应用之详细攻略目录VIF(方差膨胀系数)指标的简介(1)、VIF(方差膨胀系数)指标的计算逻辑(2)、VIF(方差膨胀系数)指标的一般判断标准(3)、VIF(方差膨胀系数)与容忍度的关系(4)、VIF(方差膨胀系数)的使用方法VI
【youcans 的 OpenCV 例程200篇】203. 伪彩色图像处理
NASA 公布了蟹状星云 （Crab Nebula ）的观测图像。茫茫太空，距离我们几亿光年的宇宙真是这样绚丽迷人吗？NASA 专家撰文指出，蟹状星云彩色照片实际上人工合成的图像，这是不是暗示照片中的彩色是伪造的？伪彩色图像在形式和视觉表现为彩色图像，但其所呈现的颜色并非图像的真实色彩重现，仅仅是各
如何正确拆分数据集？常见的三种方法总结
拥有适当的验证策略是成功创建良好预测，使用AI模型的业务价值的第一步，本文中就整理出一些常见的数据拆分策略。
AI眼中的世界 ——人工智能绘画进阶
继上一篇文章，我们继续介绍线上colab运行环境，先放一张AI画的图片给大家欣赏一下哈哈 众所周知，深度学习又称深度炼丹，炼丹最重要的就是丹方（训练的参数），我们进阶就是调参哈哈，谁还不是调参大佬呢（bushi01.修改 batch_name（图片保存在云盘的名称）；设置 steps，可按默认值（数
手把手带你玩转Spark机器学习-使用Spark构建聚类模型
本文以Covid-19新冠肺炎的公开数据为例，为大家演示如何在Spark上进行空缺值处理、异常检测、去除重复项等预处理操作。同时为了直观了解过去一段时间内新冠肺炎病例演变情况，我们还引入geopandas来画一个比较酷炫的全球新冠肺炎地理热图，并通过coding将png图像转换成一个动态图片gif，
Python 详解K-S检验与3σ原则剔除异常值
Python 详解K-S检验与3σ原则剔除异常值
《概念与类比》：侯世达的双翼
1970年代问世的GEB反映了当时正经历人工智能“第一个寒冬”的认知科学对其初心的坚守，而在人工智能的“第二个寒冬”中诞生的《概念与类比》则堪称以侯世达为代表的认知科学“生命阵营”的《少数派报告》。.........
PyTorch nn.RNN 参数全解析
全面解析 torch.nn.RNN
【毕业季】从高考失利到成功保研——我的大学四年
大家好，我是JoJo！一名数据科学爱好者。目前大四统计学在读(还有几天就能领到双证了)，目前保研至统计学top3的某985高校继续攻读统计学研究生。马上要毕业了，回想这四年，感慨万千！
【毕业季】一个普通大二学生的迷茫与展望
毕业季，我有话说
官宣！Apache Doris 从 Apache 孵化器毕业，正式成为 Apache 顶级项目
Apache Doris 成功从 Apache 孵化器毕业，正式成为 Apache 顶级项目！
联合概率和条件概率的区别和联系
本文解释联合概率和条件概率之间区别和联系
单目3D车辆检测全流程实战分享-附完整代码
基于M3D-RPN全流程实现单目3D检测，从数据处理到优化和部署的全流程实战分享
物理驱动的深度学习方法入门到详解
物理驱动的深度学习方法入门
【R语言数据科学】（十二）：有趣的概率学（上）
你真的了解概率吗？在机会游戏中，概率有一个非常直观的定义。例如，我们知道一对骰子出现七的机会是六分之一。但是，现实情况中，概率并不是一个确定的值。在如今，我们常常喜欢用概率来解释现实问题。例如，明天下雨的概率、被鲨鱼咬的概率、癌症的概率等等。知道如何计算概率会让你在机会游戏中占据优势，纵观历史，许多
自然语言处理系列（一）——RNN基础
注： 本文是总结性文章，叙述较为简洁，不适合初学者目录一、为什么要有RNN？二、RNN的结构三、RNN的分类四、Vanilla RNN的优缺点一、为什么要有RNN？普通的MLP无法处理序列信息（如文本、语音等），这是因为序列是不定长的，而MLP的输入层神经元个数是固定的。二、RNN的结构普通MLP的
快速上手数据挖掘
数据挖掘是一项应用十分广泛的技术，它能够从历史数据中发掘出有用的规律，然后运用规律去做预测。比如在金融机构中通过挖掘历史用户信息和违约之间的规律进行风险预测，防止坏帐；在营销场景中可以通过挖掘客户消费行为规律寻找潜在客户，进行精准营销；在企业生产中，可以根据历史生产数据来预测良品情况，从而改进工艺降
一文速学-Pandas中DataFrame转换为时间格式数据与处理
由于在Pandas中经常要处理到时间序列数据，需要把一些object或者是字符、整型等某列进行转换为pandas可识别的datetime时间类型数据，方便时间的运算等操作。正好原来有篇文章特别是讲述一文速学-Pandas处理时间序列数据操作详解。这篇文章忽略掉了如何转换为时间序列数据，正好补上，这样
使用神经网络模型创建一个龙与地下城怪物生成器
龙与地下城（DND）于1974年发行第一版，现在所有RPG游戏都有它的影子，在本文中我们将使用神经网络构建一个能够生成平衡数据的怪物生成器
