Python手写决策树并应对过度拟合问题

介绍决策树是一种用于监督学习的算法。它使用树结构,预测过程是通过沿着路径的每个决策节点回答问题来从根到达叶节点。

孤立森林:大数据背景下的最佳异常检测算法之一

孤立森林或“iForest”是一个非常漂亮和优雅简单的算法,可以用很少的参数来识别异常。

通过数据分析找出Netflix最适合学习英语的电影和电视剧

从Netflix的1500部电视剧和电影中找出哪一部最适合学习英语。

Pandas与SQL的数据操作语句对照

本文可以作为一个备查表、字典、指南,无论你想怎么称呼它,这样你在使用Pandas时就可以参考它。

神经网络中的损失函数正则化和 Dropout 并手写代码实现

在深度神经网络中最常用的方法是Regularization和dropout。 在本文中,我们将一起理解这两种方法并在python中实现它们

PyTorch中的傅立叶卷积:通过FFT有效计算大核卷积的数学原理和代码实现

卷积卷积在数据分析中无处不在。几十年来,它们已用于信号和图像处理。

Python中的时间序列数据可视化的完整指南

时间序列数据在许多不同的行业中都非常重要。它在研究、金融行业、制药、社交媒体、网络服务等领域尤为重要。

Python和VizViewer进行自动驾驶数据集可视化

使用可视化工具包探索Lyft预测数据集介,可视化动图非常消耗流量,请在wifi环境下查看本篇文章

特征选择介绍及4种基于过滤器的方法来选择相关特征

特征选择是面试中一个非常受欢迎的问题。 这篇文章能带你了解这方面相关的知识。

SEAM论文解读:弱监督语义分割的自监督等变注意力机制

语义分割是一项基本的计算机视觉任务,其目的是预测图像的像素级分类结果。

再见卷积神经网络,使用Transformers创建计算机视觉模型

本文旨在介绍/更新Transformers背后的主要思想,并介绍在计算机视觉应用中使用这些模型的最新进展。

10分钟了解图嵌入

知识图谱中的客户数据样本以及该图中附加的嵌入向量去年,图嵌入在企业知识图谱(EKG)策略中变得越来越重要。

在Pytorch中构建流数据集

在处理监督机器学习任务时,最重要的东西是数据——而且是大量的数据。

PIFuHD简介:使用AI从2D图像生成人的3D高分辨率重建

Facebook和南加州大学的研究人员最近推出了一篇新论文。它使用某人的2D图像来重构该人的3D高分辨率版本

手动搜索超参数的一个简单方法

深度学习是人工智能的一个分支,我们让模型自己通过特征学习并得到结果。

使用自编码器进行数据的匿名化以保护数据隐私

使用自编码器可以保持预测能力的同时进行数据匿名化数据。

论文解读:使用带门控卷积进行生成式深层图像修复方法

我们将深入研究一种名为DeepFill v2的非常实用的生成型深层图像修复方法。 本文可以视为DeepFill v1,Partial Convolution和EdgeConnect的增强版本。

5分钟介绍各种类型的人工智能技术

人工智能是一个广泛的术语,涵盖了许多技术,所有这些技术使计算机能够显示类似于我们人类的某种程度的智能。

使用LSTM-GAN为歌词谱曲

在本文中,我将首先介绍基于AI的音乐生成的最新发展,然后介绍我创建的系统并讨论其组成

t-SNE:可视化效果最好的降维算法

t-distribution Stochastic Neighborhood Embedding

个人信息

加入时间:2020-01-23

最后活动:3 小时前

发帖数:1574

回复数:1