首页
首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
机器学习
尤而小屋
创建于2021-05-14
订阅专栏
人工智能、机器学习理论+实战
等 67 人订阅
共114篇文章
创建于2021-05-14
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
9种神经网络优化算法详解
大家好,我是Peter~ 在深度学习中,有一个“损失loss”的概念,它告诉我们:模型在训练数据中表现的“多差”。 现在,我们需要利用这个损失来训练我们的网络,使其表现得更好。本质上,我们需要做的是利
PyTorch教程2:Tensor创建
大家好,我是Peter~ 本文介绍如何在PyTorch中创建Tensor,这是使用PyTorch进行深度学习的第一步,也是最为基础的一步。最后介绍PyTorch中常用的数据类型,以及如何进行设置和改变
时间序列神器Prophet教程2-饱和预测
大家好,我是Peter~ 本文是时间序列预测神器Prophet的第二篇:使用Prophet如何实现饱和预测 饱和预测增长-Saturating Forecasts 默认情况下,Prophet 使用线性
时间序列神器Prophet教程1-入门教程
大家好,我是Peter~ 今天给大家分享一个时间序列预测神器Prophet的简易入门教程。 什么是Prophet Prophet是一种基于加法模型的时间序列预测工具,由Facebook的数据科学团队开
pandas处理时间序列数据1-基础知识点
大家好,我是Peter~ Pandas 是一个强大的 Python 数据分析库,它提供了非常灵活和高效的方式来处理时间序列数据。 时间序列数据是指按照时间顺序排列的数据点集合,通常用于分析随时间变化的
2024年最值得关注的10大深度学习算法
大家好,我是Peter~ 今天给大家分享一下10大经典的深度学习算法。 首先,对比一下传统机器学习和深度学习的训练过程差异: 下图展示了传统机器学习算法与深度学习技术在数据量方面的性能比较。从图表中可
令人惊艳的机器学习扩展包MLxtend绘图
大家好,我是Peter~ mlxtend(machine learning extensions,机器学习扩展)是一个用于日常数据分析、机器学习建模的有用Python库。mlxtend可以用作模型的可
机器学习扩展包MLxtend绘制决策边界
大家好,我是Peter~ 继续更新机器学习扩展包MLxtend的文章。本文介绍如何使用MLxtend来绘制与分类模型相关的决策边界decision_regions。 导入库 导入相关用于数据处理和建模
机器学习树模型LightGBM+随机搜索调参实战
大家好,我是Peter~ 今天给大家分享一下树模型的经典算法:LightGBM,介绍算法产生的背景、原理和特点,最后提供一个基于LightGBM和随机搜索调优的案例。 LightGBM算法 在机器学习
基于密度的聚类算法DBSCAN原理、参数、实操、优缺点详解
大家好,我是Peter~ 今天给大家介绍基于密度的聚类算法DBSCAN,包含: DBSCAN算法定义 sklearn.cluster.DBSCAN参数详解 DBSCAN聚类实战 DBSCAN聚类效果评
MLxtend:强大的机器学习扩展包
大家好,我是Peter~ 今天给大家介绍一个强大的机器学习建模扩展包:mlxtend。 mlxtend(machine learning extensions,机器学习扩展)是一个用于日常数据分析、机
机器学习最底层库Numpy的70个知识点,刷爆!
大家好,我是Peter~ NumPy(Numerical Python)是Python的一个开源的数值计算扩展,它提供了高效的多维数组对象ndarray,以及大量的数学函数库,用于处理大型矩阵和数组运
用户聚类分群
大家好,我是Peter~ 今天给大家分享一篇关于聚类的建模文章,主要内容包含: 数据基本信息 原数据特征处理 数据探索性分析EDA 建模之数据预处理:数据编码、数据标准化、数据降维 实施聚类:肘图法确
基于LightGBM的建模实战(附Python全码)
大家好,我是Peter~ 本文是UCI数据集建模的第3篇,第一篇是数据的探索性分析EDA部分,第二篇是基于LightGBM模型的baseline。 本文是第3篇,主要是对LightGBM模型的优化,最
一个极其完整的LightGBM实战项目
大家好,我是Peter~ 介绍一个简单而不简约的基于LightGBM的实战项目,主要内容包含: 数据探索性分析EDA 基于LightGBM的建模 基于网格搜索的模型优化 1 导入库 In [1]: 2
LightGBM的参数详解以及如何调优
LightGBM的参数详解以及如何调优 LightGBM可以用来解决大多数表格数据问题的算法。有很多很棒的功能,并且在kaggle这种该数据比赛中会经常使用。但我一直对了解哪些参数对性能的影响最大以及
基于LightGBM的金融信贷数据分析
大家好,我是Peter~ 本文是UCI金融信贷数据集的第二篇文章:基于LightGBM的二分类建模。主要内容包含: 数据基本信息 缺失值信息 不同字段的统计信息 目标变量的不均衡性 变量间的相关性分析
图神经网络2-图表征学习
图表征学习(Graph Representation Learning,也称之为图表示学习)是专门针对图数据域的技术,旨在将图结构中的节点转化为具有连续数值的向量表示,以便在这些表示上进行进一步的机器
图神经网络学习笔记1—图表征学习
大家好,我是Peter~ 最近开始看一本之前出版社老师赠送的书《图神经网络-基础、前言与应用》,开始系统地了解下图神经网络。 书籍的目录: 第一部分:引言 第 1 章 表示学习 第 2 章 图表示学习
下一页