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

端到端的特征转换示例：使用三元组损失和 CNN 进行特征提取和转换

通过卷积和三元组损失学习数据的表示，并提出了一种端到端的特征转换方法，这种使用无监督卷积的方法简化并应用于各种数据。

LSTM 又回来了！ 新论文使用LSTM挑战长序列建模的 ViT

Sequencer 通过将空间信息与节省内存和节省参数的 LSTM 混合来降低内存成本，并在长序列建模上实现与 ViT 竞争的性能。

GAN能进行股票预测吗？

在过去的研究中，出现了而很多的方式，但这些方式和方法并不是很成功，所以本文将这个领域的研究扩展到GANs。看看GANs这个领域是否能够进行预测。

Residual, BottleNeck, Inverted Residual, MBConv的解释和Pytorch实现

上篇ConvNext的文章有小伙伴问BottleNeck，Inverted Residual的区别，所以找了这篇文章，详细的解释一些用到的卷积块，当作趁热打铁吧

使用PyTorch复现ConvNext：从Resnet到ConvNext的完整步骤详解

ConvNext论文提出了一种新的基于卷积的架构，不仅超越了基于 Transformer 的模型（如 Swin），而且可以随着数据量的增加而扩展！今天我们使用Pytorch来对其进行复现。

统计学小抄：常用术语和基本概念小结

统计学是涉及数据的收集，组织，分析，解释和呈现的学科。

Pycaret 3.0的RC版本已经发布了，什么重大的改进呢？

Pycaret是Python中的一个开源可自动化机器学习工作流程的低代码机学习库。 它是一种端到端的机器学习和模型管理工具。要了解有关Pycaret的更多信息，可以查看官方网站或GitHub。

神经网络与傅立叶变换有关系吗？

傅里叶变换可以视为一种有助于逼近其他函数的函数，神经网络被也认为是一种函数逼近技术或通用函数逼近技术。 本文将讨论傅里叶变换，以及如何将其用于深度学习领域。

5分钟NLP：文本分类任务中的数据增强技术

Micro-Outlier Removal: 一种Kaggle快速提分的小技巧

Micro-Outlier Removal：这个词听起来不错。但是这个术语是本文的作者首创的。所以应该找不到其他相关的资料，但是看完本篇文章你就可以了解这个词的含义。