Deephub
更多文章请关注公众号：Deephub-IMBA
AI如何能比人类的眼睛看得更清楚？通俗的解释卷积神经网络
本文介绍了现代计算机视觉的主要思想。我们探索如何将数百个学习图像中低级特征的神经元堆叠成几层。视觉，源于自然
为时间序列分析准备数据的一些简单的技巧
每个时间序列(TS)数据都装载有信息;时间序列分析(TSA)是解开所有这些的过程。然而，要释放这种潜力，需要在将数据放入分析管道之前对其进行适当的准备和格式化。
多元线性回归的模型解释、假设检验、特征选择
线性回归是最流行和讨论最多的模型之一，它无疑是深入机器学习(ML)的入门之路。这种简单、直接的建模方法值得学
1D卷积入门：一维卷积是如何处理数字信号的
卷积是在科学、工程和数学中应用最广泛的运算符之一
权重衰减== L2正则化?
神经网络是很好的函数逼近器和特征提取器，但有时它们的权值过于专门化而导致过度拟合。这就是正则化概念出现的地方
条件变分自动编码器CVAE：基本原理简介和keras实现
变分自动编码器(VAE)是一种有方向的图形生成模型，已经取得了很好的效果，是目前生成模型的最先进方法之一。
使用PyTorch手写代码从头构建完整的LSTM
这是一个造轮子的过程，但是从头构建LSTM能够使我们对体系结构进行更加了解，并将我们的研究带入下一个层次。
为什么中位数（大多数时候)比平均值好
开始我的数据分析冒险之旅，我发现了解数据描述的主要统计方法是非常必要的。当我深入研究时，我意识到我很难理解为给定的数据选择哪个集中趋势指标有三种:平均值，中位数和众数
自动美化你的Matplotlib ，使用Seaborn控制图表的默认值
如果您曾经在 Python 中进行过数据可视化，那么很可能您使用了 Matplotlib 库。
在Python中用Seaborn美化图表的3个示例
本篇文章可以看作是上篇文章的延续，对于想美化自己图表的小伙伴可以看看。
机器学习中评估分类模型性能的10个重要指标
在这篇文章中，我们将学习10个最重要的模型性能度量，这些度量可用于评估分类模型的模型性能。以下是我们将通过示
15个能使你工作效率翻倍的Jupyter Notebook的小技巧
概述在数据科学界，Jupyter Notebook是一个受欢迎的工具，采用率很高。本文旨在分享一些很酷的技巧
DevOps与机器学习的集成：使用Jenkins自动调整模型的超参数
Jenkins是真的好用
使用假设检验分析PS4，XBox，Switch 谁是最好的游戏主机
假设检验，一劳永逸
Adam 优化算法详解
选择优化算法可能是在数分钟，数小时或数天（有时甚至是数周）内获得高质量结果的区别
算法大赛神器:集成学习方法关键点介绍
本文的目的是介绍集成学习方法的各种概念。将解释一些必要的关键点，以便读者能够很好地理解相关方法的使用，并能够
DNN、CNN和RNN的12种主要dropout方法的数学和视觉解释
深入研究DNN，CNN和RNNDropout方法 进行正则化，蒙特卡洛不确定性和模型压缩动机在（深度）机器学
机器学习模型生产环境部署的四种系统架构总结
本文将从简单到复杂介绍典型架构的特点以及其优缺点。
推荐系统的PMF - 概率矩阵分解和协同过滤
自动化推荐系统通常用于根据现有的偏好数据为用户提供他们感兴趣的产品建议。文献中通常描述了不同类型的推荐系统。
使用Numpy进行深度学习中5大反向传播优化算法的性能比较
在本文中，我们将通过计算二次凸函数的最优点来比较主要的深度学习优化算法的性能。