貢獻者40
粉絲0
前言 隨機森林的出現，是為了解決決策樹對訓練數據過擬合的問題而出現的。決策樹在訓練的工程中，可以讓每一個葉子節點的不確定性降為0（即熵或者基尼指數為0），這樣做可能把訓練數據中的偶然性、異常值或噪聲也當成了“規 律”去學習了 對於複雜高維的數據，隨機森林的算法可以更好的泛化能力 開始探索 scikit-learn 老規矩，先上代碼，看看隨機森林的用法 from sklearn.ensemble i
昵稱 MrVolleyball
前言 彩筆運維勇闖機器學習，今天我們來討論一下梯度下降法 梯度 首先要搞明白什麼是梯度，那就要先從導數説起 導數 函數\(y=f(x)\)的自變量\(x\)在一點\(x_0\)上產生一個增量\(\Delta x\)時，函數輸出值的增量\(\Delta y=f(x_0 + \Delta x)-f(x_0)\)與自變量增量\(\Delta x\)的比值在\(\Delta x\)趨於0時的極限\(a\)
昵稱 MrVolleyball
前言 彩筆運維勇闖機器學習，今天我們來討論一下lasso迴歸，本期又是一起數學推理過程展示 座標下降法 目標找到一組參數，使目標函數值最小。比如\(f(x,y)=3x^2+5xy+10y^2\)，要找到\(x,y\)使得\(f(x,y)\)取值最小 \[x_j^{(k+1)} = \arg \min_{x_j} f(x_1^{(k+1)}, \dots, x_{j-1}^{(k+1)}, x_j
昵稱 MrVolleyball
前言 本文討論的GBDT算法，也是基於決策樹 開始探索 scikit-learn 老規矩，先上代碼，看看GBDT的用法 from sklearn.datasets import load_iris from sklearn.ensemble import GradientBoostingClassifier from sklearn.model_selection import train_tes
昵稱 MrVolleyball
最近在配置YOLO（You Only Look Once）進行物體檢測和圖像分割任務時，發現默認安裝的情況下，YOLO使用的是CPU進行計算。 這對於需要處理大量圖像或實時檢測的任務來説，效率明顯不足。 本文將詳細介紹如何將YOLO從CPU模式切換到GPU模式，顯著提升運行效率。 1. 配置步驟 1.1. 檢查當前PyTorch是否支持GPU 首先需要確認當前安裝的PyTorch是否支持GPU。打
昵稱 wang_yb
什麼是激活函數 激活函數，屬於神經網絡中的概念。 激活函數，就像神經元的開關，決定了輸入信號能否被傳遞，以及以什麼形式傳遞。 為應對不同的場景，激活函數不斷髮展出了各種實現。它們存在的意義，就是為信號傳遞賦予不同種類的“非線性”特徵，從而讓神經網絡能夠表達更為豐富的含義。 本文旨在梳理常見的 40 多種激活函數（也包含少量經典的輸出層函數）。 説明 本文將簡要介紹激活函數的概念和使用場景，並列出其
昵稱 xiaoxi666
前言 彩筆運維勇闖機器學習：KNN算法，它也是分類中的一種 開始探索 scikit-learn import numpy as np import matplotlib.pyplot as plt from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler
昵稱 MrVolleyball
PyTorch 的矩陣操作 注意： 無論是torch.f()還是tensor.f()，都是返回新的Tensor，不會修改原始的tensor 單個tensor 初始化 empty 用於創建一個未初始化的張量，其值是隨機的 與torch.randn的區別在於，torch.randn是從正態分佈中採樣的 torch.empty(*size, *, out=None, dtyp
昵稱 qlhh
前言 孤立森林，一種非常高效快速的異常檢測算法 開始探索 scikit-learn import numpy as np import matplotlib.pyplot as plt from sklearn.ensemble import IsolationForest rng = np.random.RandomState(0) X_train = 0.3 * rng.randn(100
昵稱 MrVolleyball
一．目前我校主要研究方向就是目標檢測，所以首先應對目標檢測有初步瞭解。目標檢測屬於計算機視覺中的一個熱門方向，主要應用於物體、人、動物識別、動作識別等。結合我校農業研究方向，通過目標檢測，可以用來檢測瓜果、蔬菜的成熟度、可以用來識別花卉、土壤營養分析、蔬菜採摘等。我國為農業大國，通過在農業工程中運用人工智能技術，可以有效降低人力投入、經濟成本。 人工智能研究方向分類如下圖： 傳統目標
昵稱 明月之歌
還在為重複性的問題解答而煩惱？或是苦於新人培訓效率低下？又或是希望有個隨時待命的“技術大牛”為你答疑解惑？現在，這些需求只需一個PandaWiki AI機器人就能全部搞定！ 什麼是PandaWiki AI機器人？ PandaWiki AI機器人是基於開源知識庫系統PandaWiki打造的智能助手。它不僅能理解你的問題，更能從你構建的知識庫中精準找到答案，甚至能進行多輪對話，就像一位真正懂行的專家
昵稱 百川雲開發者
在抖音平台開展直播業務的創業者，普遍面臨以下核心痛點：當直播間人氣持續攀升、產品銷售進入高峯階段時，平台突然彈出違規提醒彈窗或觸發人臉驗證要求，直接導致直播流程中斷，直播間流量隨即出現斷崖式下滑。 更為關鍵的是，隨着抖音平台風控體系的持續升級與直播伴侶軟件的高頻更新，創業者稍有操作疏忽，便可能面臨賬號封禁的風險，給業務運營帶來重大隱患。 針對上述行業痛點，青否數字人推出四大防封核心功能，以 “風險
昵稱 青否Ai
半無人是當下最穩的搭建方案，我們整理了一整套搭建教程，超詳細！ ●乾貨分享--青否數字人3大AI半無人直播搭建方案，更穩定！ 方案一：助播實時驅動（青否數字人源頭v：zhibo175） 直播間畫面同步呈現 “真人助播 + 數字人主播”，數字人講解過程中，真人助播可隨時開口接管，系統實時識別真人聲音，數字人自動 “閉嘴讓話”，全程無延遲、無違和感。 建議每隔3-5分鐘插入1次真人露臉互動（如答疑、福
昵稱 憂鬱的吐司
在抖音平台開展直播業務的創業者，普遍面臨以下核心痛點：當直播間人氣持續攀升、產品銷售進入高峯階段時，平台突然彈出違規提醒彈窗或觸發人臉驗證要求，直接導致直播流程中斷，直播間流量隨即出現斷崖式下滑。 更為關鍵的是，隨着抖音平台風控體系的持續升級與直播伴侶軟件的高頻更新，創業者稍有操作疏忽，便可能面臨賬號封禁的風險，給業務運營帶來重大隱患。 針對上述行業痛點，青否數字人推出四大防封核心功能，以 “風險
昵稱 憂鬱的吐司
最近，羅永浩數字人直播在電商圈掀起一陣熱潮，其超高的逼真度和流暢互動，讓眾多網友驚歎不已。直播間裏，羅永浩數字人談笑風生，熟練地介紹着產品，從神態到動作，從語氣到表情，幾乎與真人別無二致，不少觀眾甚至一度分不清是真人還是數字人在直播。 而鮮為人知的是，青否數字人和羅永浩使用的是同款數字人直播系統，在羅永浩數字人憑藉名人效應大放異彩之時，青否數字人正默默賦能萬千商家，尤其是中小商家羣體，為他們開闢直
昵稱 憂鬱的吐司
Python 生態裏能用的因果庫有很多選哪個往往要看你對模型的理解程度，以及項目對“可解釋性”的要求。這篇文章將對比了六個目前社區中最常用的因果推斷庫：Bnlearn、Pgmpy、CausalNex、DoWhy、PyAgrum 和 CausalImpact。 貝葉斯因果模型 在因果推斷裏所有變量可以粗略分成兩種：驅動變量（driver variables）和乘客變量（passenger varia
昵稱 deephub
12 種 Pandas 測試技巧，讓數據處理少踩坑 12 種測試實踐 —— fixtures、schemas、property-based tests、snapshots、performance guards —— 每週能省不少排查問題的時間 Pandas 的 bug 有個特點，就是不會在控制枱裏大喊大叫，而是悄悄藏在 dtype 轉換、索引操作、時區處理的某個角落，或者那種跑十萬次才能復現一次
昵稱 deephub
「明年我們去法國接甲骨文回家」，2024 年 12 月下旬，安陽師範學院甲骨文信息處理教育部重點實驗室的研究人員遠赴法國，與法國國家圖書館等 4 家甲骨文收藏機構簽訂合作協議，將以數字化形態將已經遠離故土許久的甲骨文文化遺產「接回家」。 2024 年 8 月 5 日，「全球甲骨數字迴歸計劃」正式啓程，實驗室主任劉永革帶領團隊成員張展、李邦、郭安、龔慕凡飛往韓國，於 8 月 13 日帶回了 7 片甲
昵稱 超神經HyperAI
一 前言 對於一個類別特徵，如果這個特徵的取值非常多，則稱它為高基數（high-cardinality）類別特徵。在深度學習場景中，對於類別特徵我們一般採用Embedding的方式，通過預訓練或直接訓練的方式將類別特徵值編碼成向量。在經典機器學習場景中，對於有序類別特徵，我們可以使用LabelEncoder進行編碼處理，對於低基數無序類別特徵（在lightgbm中，默認取值個數小於等於4的類別特徵
昵稱 京東雲開發者
在傳統機器學習中數據編碼確實相對直觀：獨熱編碼處理類別變量，標準化調整數值範圍，然後直接輸入模型訓練。整個過程更像是數據清洗，而非核心算法組件。 量子機器學習的編碼完全是另一回事。 傳統算法可以直接消化特徵向量 [0.7, 1.2, -0.3]，但量子電路運行在概率幅和量子態的數學空間裏。你的每個編碼決策——是用角度旋轉、振幅映射還是基態表示——都在重新定義信息在量子系統中的存在形式。這不是簡單的
昵稱 deephub
降本增效、永不“塌房”、24小時不下播……數字人直播的誘惑越來越大，但坑也多得超乎想象。 “一年成本只要一兩千塊，和真人主播幾萬塊的月薪相比，簡直是九牛一毛！”一位剛試水數字人直播的電商賣家如此感慨。隨着AI技術迅猛發展，數字人直播因其低成本、無“塌房”風險、可全天候工作的特點，迅速成為電商從業者和創業者的新寵。 當前技術下，數字人直播效果已無限接近真人：能自動講解商品、根據關鍵詞回覆
昵稱 青否Ai
你是否遇到過這樣的場景 深夜，辦公室裏燈火通明。你和你的團隊成員，還在為明天的直播腳本絞盡腦汁，反覆排練，只為那幾小時的完美出鏡。 或者，看着飛速發展的短視頻風口，你深知必須入局，打造個人或品牌IP，但一想到要頻繁面對鏡頭，組織語言，處理複雜的拍攝和剪輯，一股無形的壓力便撲面而來。 又或者，你算了一筆賬：聘請一個專業的主播團隊，高昂的薪資、漫長的培訓、狀態的不穩定……成本與效果之
昵稱 青否Ai
降本增效、永不“塌房”、24小時不下播……數字人直播的誘惑越來越大，但坑也多得超乎想象。 “一年成本只要一兩千塊，和真人主播幾萬塊的月薪相比，簡直是九牛一毛！”一位剛試水數字人直播的電商賣家如此感慨。隨着AI技術迅猛發展，數字人直播因其低成本、無“塌房”風險、可全天候工作的特點，迅速成為電商從業者和創業者的新寵。 當前技術下，數字人直播效果已無限接近真人：能自動講解商品、根據關鍵詞回覆
昵稱 憂鬱的吐司
一年一度的雙十一狂歡購物節已經拉開帷幕。踏入各大電商平台的店鋪直播間，會看到一些主播彷彿擁有無窮精力，連續直播數十小時仍神采奕奕。 他們不僅對產品特點進行細緻入微的講解，還能實時與新進入直播間的觀眾流暢互動。然而，只要稍加留意屏幕角落，便能發現一行小字——“AI生成”。原來，這些看起來與真人別無二致的主播，實則是人工智能打造出的。 一、突破極限：24 小時流量收割機（青否數字人源頭v
昵稱 憂鬱的吐司
