基于大数据的智慧家庭产品潜在客户挖掘课题分享（下集）：使用PU算法基于少量正样本和海量未标记样本预测

大模型与Agent智能体
人工智能领域新星创作者
博客专家认证
2023-01-13 02:44:59

课时名称课时知识点
基于大数据的智慧家庭产品潜在客户挖掘课题分享（下集）：使用PU算法基于少量正样本和海量未标记样本预测基于大数据的智慧家庭产品潜在客户挖掘课题分享（下集）：使用PU算法基于少量正样本和海量未标记样本预测
...全文
134 回复 打赏 收藏 转发到动态 举报
AI 作业
写回复
用AI写文章
回复
切换为时间正序
请发表友善的回复…
发表回复
软件测试 | 突破视觉边界：零样本识别引领图片分类新时代
随着人工智能的不断发展，视觉技术在图像分类和识别领域取得了巨大进步。然而，传统的图像分类方法往往需要大量标记样本来进行训练，而这种方式存在着数据收集成本高、标注耗时等问题。为了解决这些挑战，零样本识别技术应运而生，它为图片分类领域带来了全新的可能性。
A Survey on Vision-Language-Action Models: An Action Tokenization Perspective论文解读（VLA-下集）
视觉-语言-行动（VLA）模型借助多模态基础模型的进步，在机器人领域迅速发展。本文从“动作标记化”视角对现有VLA方法进行系统梳理，归纳出八种主要类型：语言描述、代码、可供性、轨迹、目标状态、潜在表示、原始动作和推理。每种标记方式在表达能力、泛化性和执行效率方面各有优劣，但也存在理解不足、评估不统一等问题。通过分析其优势与局限，本文揭示了VLA模型的发展趋势与未被充分探索的潜力方向，如跨模态对齐、长期任务规划和现实场景适应等。研究旨在推动更高效、通用的VLA系统构建，为未来智能体在复杂环境中的应用提供理论支
【gcc】RtpTransportControllerSend学习笔记 3：gcc 算法
gcc
KNIME 无代码深度学习（一）
本书旨在向你介绍深度学习网络的概念和实践。书中研究了多个基于深度学习解决方案的案例研究。在每个案例研究中，我们通过无代码的 KNIME 分析平台工具解释并实现了神经网络架构。我们首先简要介绍深度学习的基本概念和可视化编程工具 KNIME 分析平台。基本概念明确后，我们继续通过案例研究探讨使用深度学习架构解决特定任务：使用神经自编码器进行欺诈检测，使用递归神经网络进行需求预测和自然语言处理，使用编码器-解码器架构进行神经机器翻译，以及使用卷积神经网络进行图像分类。
机器学习-Sklearn（第三版）Day8 SVM下集
1 SVC用于二分类的原理复习 在支持向量SVM（上）中，学习了二分类SVC的所有基本知识，包括SVM的原理，二分类SVC的损失函数，拉格朗日函数，拉格朗日对偶函数，预测函数以及这些函数在非线性，软间隔这些情况上的推广，并且引出了核函数这个关键概念。今天，基于已经学过的理论，继续探索支持向量机的其他性质，并在真实数据集上运用SVM。开始今天的探索之前，先来简单回忆一下支持向量机是如何工作的。支持向量机分类器，是在数据空间中找出一个超平面作为决策边界，利用这个决策边界来对数据进行分类，并使分类误差尽量小的模型
段智华的课程社区_NO_1

2

社区成员

206

社区内容

发帖
与我相关
我的任务
社区描述
聚焦学习Gavin大咖智能对话机器人课程内容：业务对话机器人Rasa 3.x Internals内幕详解及Rasa框架定制实战课程、业务对话机器人Rasa核心算法DIET及TED论文内幕详解、30小时解密10篇NLP领域最高质量的对话机器人经典论文及源码答疑课、Bayesian Transformer：架构、算法、数学、源码、NLP比赛、Advanced Python事件驱动及异步编程实战、“一种架构，统治一切”( 来自Gavin的Transformer硅谷杂谈系列)、Transformer 101 包含所有直播视频、代码及1年的答疑服务的课程。
社区管理员
  • 大模型与Agent智能体
加入社区
  • 近7日
  • 近30日
  • 至今

加载中

查看更多榜单
社区公告
暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章