5,498
社区成员
① 【机器学习】特征筛选:提升模型性能的关键步骤(云天徽上:[博客] [成就])
[质量分:97;难度等级:未知;新鲜技术:99]
摘要:通过特征筛选,我们可以减少数据集的维度,降低模型的复杂度,提高模型的泛化能力,并加速模型的训练过程。通过选择适当的特征筛选方法,我们可以减少模型的复杂度,提高模型的泛化能力,并加速模型的训练过程。此外,减少特征数量还可以加快模型的训练速度,降低计算成本。
② 【机器学习】各大模型原理简介(库库的里昂:[博客] [成就])
[质量分:96;难度等级:未知;新鲜技术:99]
摘要:通俗来说,机器学习模型就是一种数学函数,它能够将输入数据映射到预测输出。更具体地说,机器学习模型就是一种通过学习训练数据,来调整模型参数,以最小化预测输出与真实标签之间的误差的数学函数。
③ 7.机器学习-十大算法之一拉索回归(Lasso)算法原理讲解(以山河作礼。:[博客] [成就])
[质量分:97;难度等级:未知;新鲜技术:99]
摘要:拉索回归(Lasso Regression)是一种线性回归的正则化形式,它通过引入L1范数惩罚项来实现模型的稀疏性,从而有助于特征选择。在机器学习和统计学中,当数据集具有许多特征时,可能会遇到特征之间存在多重共线性或者某些特征对预测结果影响不大的情况。
④ 大模型改变了NLP的游戏规则了吗(Want595:[博客] [成就])
[质量分:94;难度等级:未知;新鲜技术:99]
摘要:NLP 的研究方法也许会改变,但是 NLP 的应用市场会更加广阔。学习 NLP 不仅要追踪热门技术,也要透彻了解 NLP 发展的来龙去脉,《动手学自然语言处理》就可以很好地帮助读者通盘掌握 NLP。本书最大的特色就是。
⑤ 《动手学深度学习(Pytorch版)》Task01:初识深度学习——4.22打卡(groperr:[博客] [成就])
[质量分:95;难度等级:未知;新鲜技术:99]
摘要:自然语言处理:起源于符号学,如机器翻译,人在几秒钟能反应过来,属于感知问题计算机视觉:图片由像素组成,难以用符号学解释,在图片中进行推理,大部分用概率模型或者机器学习深度学习:机器学习的一种。
⑥ 日语对话构建调查研究(风吹落叶花飘荡:[博客] [成就])
[质量分:93;难度等级:未知;新鲜技术:99]
摘要:OKWave(オウケイウェイヴ)是一家位于日本的在线问答社区,成立于1999年。它是日本最大的问答社区之一,有超过300万的注册用户,每个月有超过500万的独立访问者。
⑦ 《人工智能》大作业反馈(白日梦想家April_Liu:[博客] [成就])
[质量分:90;难度等级:未知;新鲜技术:99]
摘要:春学期带了一门很有意思的课《人工智能与机器学习》,在学期初就在构思怎么才能把这门课上好,怎么才能让一群土木大类专业的小孩对人工智能这个领域感兴趣,怎么才能让他们将这个专业与自己专业结合起来。
⑧ 卷积神经网络CNN入门(在地球迷路的怪兽:[博客] [成就])
[质量分:90;难度等级:未知;新鲜技术:99]
摘要:还有要注意的一点,就是在最后的 FC 全连接阶段以前(也就是不断的循环卷积池化-卷积池化的过程)进行的只是特征的提取,最后的结果也是一个三维的数据或者说立体的数据,比如是 323210 大小的一个特征图,那我们怎么样对它进行分类任务呢?
⑨ 阿里云X魔搭社区Create@AI创客松第四届冠军:MumuLab(MumuLab:[博客] [成就])
[质量分:89;难度等级:未知;新鲜技术:99]
摘要:这,是一个开始,MumuLab团队邀请志同道合、感兴趣的小伙伴一同参与MumuLab项目,包括但不限于对平台进行运营、开发补齐功能、测试反馈、体验试用......如果你有面向儿童的公益项目、有好的主意希望实现或者有吐槽的地方,都欢迎聊一聊。
⑩ Tensorflow AutoGraph 的作用和功能(叶庭云:[博客] [成就])
[质量分:88;难度等级:未知;新鲜技术:99]
摘要:传统的 TensorFlow 图代码可能难以理解和调试,因为图的构建和执行是分离的。尽管 AutoGraph 能够将复杂的 Python 代码转换为高效的图,但它同时也提供了辅助工具,旨在帮助开发者更好地理解和调试生成的图。:虽然高级 API 如。