一个新的基于样本数量计算的的高斯 softmax 函数

本文提出了一种基于最小误差界和高斯统计量的softmax函数的安全快速扩展，可以在某些情况下作为softmax的替代

使用Python从头开始手写回归树

在本篇文章中，我们将介绍回归树及其基本数学原理，并从头开始使用Python实现一个完整的回归树模型。

基于神经网络集成学习的研究论文推荐

集成 的概念在机器学习中很常见。集成可以被认为是一种学习技术，可以将许多模型连接起来解决一个问题

在没有训练数据的情况下通过领域知识利用弱监督方法生成NLP大型标记数据集

介绍了弱监督的概念，以及如何使用它来将专家的领域知识编码到机器学习模型中。我还讨论了一些标记模型。在两步弱监督方法中结合这些框架，可以在不收集大量手动标记训练数据集的情况下实现与全监督ML模型相媲美的准确性!

旷视MegEngine是如何将31*31的大核卷积计算速度提高10倍的

LCE：一个结合了随机森林和XGBoost优势的新的集成方法

LCE它结合了它们的优势并采用互补的多样化方法来获得更好的泛化预测器。 进一步增强了随机森林和 XGBoost 的预测性能。

微调大型语言模型示例：使用T5将自然语言转换成SQL语句

在本文中，我们将使用谷歌的文本到文本生成模型T5和我们的自定义数据进行迁移学习，这样它就可以将基本问题转换为SQL查询。

期望最大化（Expectation Maximization）算法简介和Python代码实现

期望最大化（EM）算法被广泛用于估计不同统计模型的参数。 在本文中将解释它是如何工作的，并使用python手写进行实现

90个Numpy的有用的代码片段

这些有用的片段在面试中会经常出现，也可以作为日常的numpy练习。

使用动图深入解释微软的Swin Transformer

本文旨在使用插图和动画为Swin Transformers提供全面的指南，以帮助您更好地理解这些概念。

在 Pandas 中使用 Merge、Join 、Concat合并数据的效率对比

在 Pandas 中有很多种方法可以进行DF的合并。本文将研究这些不同的方法，以及如何将它们执行速度的对比。

数据科学中的 10 个重要概念和图表的含义

“当算法给你一条曲线时，一定要知道这个曲线的含义！”

在时间序列中使用Word2Vec学习有意义的时间序列嵌入表示

在这篇文章中，介绍了众所周知的 Word2Vec 算法的推广，用于学习有价值的向量表示。我们在时间序列上下文中应用 Word2Vec,并展示了这种技术在非标准 NLP 应用程序中的有效性。整个过程可以很容易地集成到任何地方，并且很容易用于迁移学习任务。

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。

5篇关于3D 卷积的最新论文推荐

Python 3.11比3.10 快60%：使用冒泡排序和递归函数对比测试

Python 3.11中特意强调了优化，我们可以实际验证下到底有没有官方说的平均1.25倍的提升呢？

多目标追踪小抄：快速了解MOT的基本概念

MOT 获取单个连续视频并以特定帧速率 (fps) 将其拆分为离散帧以输出

一个简单实例解析移动平均模型 Moving-Average Models

本文将使用简单的说明性示例来解释移动平均模型（Arima [p，q]中的MA [Q]）。

多层感知机还在进步，关于深度学习中MLP的5篇最新的论文推荐

2002年最新的5篇MLP论文推荐

3 个不常见但非常实用的Pandas 使用技巧