- DBSCAN算法是一种基于密度的聚类算法： 聚类的时候不需要预先指定簇的个数 最终的簇的个数不定 DBSCAN算法将数据点分为三类： 核心点：在半径Eps内含有超过MinPts数目的点 边界点：在半径Eps内点的数量小于MinPts，但是落在核心点的邻域内 噪音点：既不是核心点也不是边界点的点 DBSCAN算法流程： 将所有点标记为核心... DBSCAN算法是一种基于密度的聚类算法： 聚类的时候不需要预先指定簇的个数 最终的簇的个数不定 DBSCAN算法将数据点分为三类： 核心点：在半径Eps内含有超过MinPts数目的点 边界点：在半径Eps内点的数量小于MinPts，但是落在核心点的邻域内 噪音点：既不是核心点也不是边界点的点 DBSCAN算法流程： 将所有点标记为核心...
- https://github.com/shunchan0677/Tensorflow_in_ROS Tensorflow_in_ROS 我做了一个ros-node从相机图像预测数字。我使用Tensorflow教程Deep MNIST模型（https://www.tensorflow.org/versions/r0.11/tutorials/mnist/pros/inde... https://github.com/shunchan0677/Tensorflow_in_ROS Tensorflow_in_ROS 我做了一个ros-node从相机图像预测数字。我使用Tensorflow教程Deep MNIST模型（https://www.tensorflow.org/versions/r0.11/tutorials/mnist/pros/inde...
- @Author：Runsen 什么是逻辑回归 回想一下线性回归，它被用于确定一个连续因变量的值。逻辑回归通常用于分类目的。与线性回归不同，因变量只能采用有限数量的值，即因变量是分类的。当可能结果的数量只有两个时，它被称为二元逻辑回归。 从大的类别上来说，逻辑回归是一种有监督的统计学习方法，主要用于对样本进行分类。 逻辑回归与线性回归的关系 逻辑回归也被称为... @Author：Runsen 什么是逻辑回归 回想一下线性回归，它被用于确定一个连续因变量的值。逻辑回归通常用于分类目的。与线性回归不同，因变量只能采用有限数量的值，即因变量是分类的。当可能结果的数量只有两个时，它被称为二元逻辑回归。 从大的类别上来说，逻辑回归是一种有监督的统计学习方法，主要用于对样本进行分类。 逻辑回归与线性回归的关系 逻辑回归也被称为...
- 贝叶斯算法中最重要用的用的最广的是 使用多项式朴素贝叶斯的地方是文本分类，其中特征与待分类文档中的字数或频率有关。 将使用20个新闻组语料库中的稀疏字数功能来将这些短文档分类。 数据集的介绍 使用 sklearn.datasets中的 fetch_20newsgroups 该数据集介绍 20 newsgroups数据集18000篇新闻文章，一共涉及到20种话... 贝叶斯算法中最重要用的用的最广的是 使用多项式朴素贝叶斯的地方是文本分类，其中特征与待分类文档中的字数或频率有关。 将使用20个新闻组语料库中的稀疏字数功能来将这些短文档分类。 数据集的介绍 使用 sklearn.datasets中的 fetch_20newsgroups 该数据集介绍 20 newsgroups数据集18000篇新闻文章，一共涉及到20种话...
- 下面我带大家整理下机器学习的回归算法 基本回归方法（线性、决策树、SVM、KNN）和集成方法（随机森林，Adaboost和GBRT） 下面是源码 import numpy as np import matplotlib.pyplot as plt def get_data(): x1_train = np.linspace(01234 下面我带大家整理下机器学习的回归算法 基本回归方法（线性、决策树、SVM、KNN）和集成方法（随机森林，Adaboost和GBRT） 下面是源码 import numpy as np import matplotlib.pyplot as plt def get_data(): x1_train = np.linspace(01234
- GridSearchCV GridSearchCV的主要参数 GridSearchCV(estimator, param_grid, cv=None, scoring=None) estimator: 代表我们想要采用的分类器，如决策树，随机森林，SVM,kNN，朴素贝叶斯等等 param_grid: 代表我们想要优化的参数和取值，输入的是字典或者列表... GridSearchCV GridSearchCV的主要参数 GridSearchCV(estimator, param_grid, cv=None, scoring=None) estimator: 代表我们想要采用的分类器，如决策树，随机森林，SVM,kNN，朴素贝叶斯等等 param_grid: 代表我们想要优化的参数和取值，输入的是字典或者列表...
- Dropout Dropout 是一类用于神经网络训练或推理的随机化技术，这类技术已经引起了研究者们的广泛兴趣，并且被广泛地应用于神经 网络正则化、模型压缩等任务。 其实很简单，只需要添加Dropout层 model=keras.models.Sequential() model.add(keras.layers.Dense(150, activation="re... Dropout Dropout 是一类用于神经网络训练或推理的随机化技术，这类技术已经引起了研究者们的广泛兴趣，并且被广泛地应用于神经 网络正则化、模型压缩等任务。 其实很简单，只需要添加Dropout层 model=keras.models.Sequential() model.add(keras.layers.Dense(150, activation="re...
- 声明：本文示例来自于GitHub用户vkasojhaa的项目，一切权利归其所有，此处仅是自己学习分享。 实现了基于机器学习的乳腺癌的恶性和良性预测，比较了不同机器学习算法之间的性能。主要目的是评估在每种算法的准确性和效率方面对数据进行分类的正确性。 loss # 损失值：预估值与实际值之间的均方差 optimizer # 优化器 trainer = ... 声明：本文示例来自于GitHub用户vkasojhaa的项目，一切权利归其所有，此处仅是自己学习分享。 实现了基于机器学习的乳腺癌的恶性和良性预测，比较了不同机器学习算法之间的性能。主要目的是评估在每种算法的准确性和效率方面对数据进行分类的正确性。 loss # 损失值：预估值与实际值之间的均方差 optimizer # 优化器 trainer = ...
- 先把来源写上 来源：贪心学院，https://www.zhihu.com/people/tan-xin-xue-yuan/activities 对于这个Titanic泰坦尼克号生存绝对有笔记 Seaborn数据可视化 通过Logistic Regression预测Titanic乘客是否能在事故中生还 导入工具库和数据查看缺失数据 2.1. 年龄2.2. 仓位2... 先把来源写上 来源：贪心学院，https://www.zhihu.com/people/tan-xin-xue-yuan/activities 对于这个Titanic泰坦尼克号生存绝对有笔记 Seaborn数据可视化 通过Logistic Regression预测Titanic乘客是否能在事故中生还 导入工具库和数据查看缺失数据 2.1. 年龄2.2. 仓位2...
- 来源： https://tensorflow.google.cn/tensorboard TensorBoard是TensorFlow中的又一神器级工具，想用户提供了模型可视化的功能。我们都知道，在构建神经网络模型时，只要模型开始训练，很多细节对外界来说都是不可见的，参数如何变化，准确率怎么样了，loss还在减小吗，这些问题都很难弄明白。但是，TensorB... 来源： https://tensorflow.google.cn/tensorboard TensorBoard是TensorFlow中的又一神器级工具，想用户提供了模型可视化的功能。我们都知道，在构建神经网络模型时，只要模型开始训练，很多细节对外界来说都是不可见的，参数如何变化，准确率怎么样了，loss还在减小吗，这些问题都很难弄明白。但是，TensorB...
- 为什么数据质量控制重要呢？ 质量控制是生物分析的基本概念之一，用在保证组学测定的数据的重复性和精确性。由于色谱系统与质谱直接与样品接触， 随着分析样品的增多，色谱柱和质谱会逐步的污染，导致信号的漂移。通过重复使用同一个质控样本来跟踪整个数据采集过程的行为， 已经被大多数的分析化学领域专家推荐和使用。质控样本被用于评估整个质谱数据在采集过程中的信号漂移， 这些... 为什么数据质量控制重要呢？ 质量控制是生物分析的基本概念之一，用在保证组学测定的数据的重复性和精确性。由于色谱系统与质谱直接与样品接触， 随着分析样品的增多，色谱柱和质谱会逐步的污染，导致信号的漂移。通过重复使用同一个质控样本来跟踪整个数据采集过程的行为， 已经被大多数的分析化学领域专家推荐和使用。质控样本被用于评估整个质谱数据在采集过程中的信号漂移， 这些...
- 目录 前言 复指数信号与傅里叶分析 LTI系统对复指数信号的响应 连续周期时间信号的傅里叶级数（FS） 离散时间复指数信号的周期性质 离散周期信号的傅里叶级数（DFS） 傅里叶级数与线性时不变系统 滤波器简介 周期方波的傅里叶级数系数 连续时间傅里叶变换（FT） 周期信号的傅里叶变换 几个判断线性时不变系统的精彩例子 连续时间傅里叶变换的共轭与共轭对... 目录 前言 复指数信号与傅里叶分析 LTI系统对复指数信号的响应 连续周期时间信号的傅里叶级数（FS） 离散时间复指数信号的周期性质 离散周期信号的傅里叶级数（DFS） 傅里叶级数与线性时不变系统 滤波器简介 周期方波的傅里叶级数系数 连续时间傅里叶变换（FT） 周期信号的傅里叶变换 几个判断线性时不变系统的精彩例子 连续时间傅里叶变换的共轭与共轭对...
- 数据的预处理 通过特征提取，我们能得到未经处理的特征，这时的特征可能有以下问题： 不属于同一量纲： 即特征的规格不一样，不能够放在一起比较。无量纲化可以解决这一问题。 信息冗余： 对于某些定量特征，其包含的有效信息为区间划分，例如学习成绩，假若只关心“及格”或不“及格”，那么需要将定量的考分，转换成“1”和“0”表示及格和未及格。二值化可以解决这一问题。 定性特... 数据的预处理 通过特征提取，我们能得到未经处理的特征，这时的特征可能有以下问题： 不属于同一量纲： 即特征的规格不一样，不能够放在一起比较。无量纲化可以解决这一问题。 信息冗余： 对于某些定量特征，其包含的有效信息为区间划分，例如学习成绩，假若只关心“及格”或不“及格”，那么需要将定量的考分，转换成“1”和“0”表示及格和未及格。二值化可以解决这一问题。 定性特...
- EM聚类 EM算法也称期望最大化（Expectation-Maximum,简称EM）算法它是一个基础算法，是很多机器学习领域算法的基础，比如隐式马尔科夫算法（HMM）， LDA主题模型的变分推断等等。 EM算法解决这个的思路是使用启发式的迭代方法，既然我们无法直接求出模型分布参数，那么我们可以先猜想隐含数据（EM算法的E步），接着基于观察数据和猜测的隐含数据一起来极... EM聚类 EM算法也称期望最大化（Expectation-Maximum,简称EM）算法它是一个基础算法，是很多机器学习领域算法的基础，比如隐式马尔科夫算法（HMM）， LDA主题模型的变分推断等等。 EM算法解决这个的思路是使用启发式的迭代方法，既然我们无法直接求出模型分布参数，那么我们可以先猜想隐含数据（EM算法的E步），接着基于观察数据和猜测的隐含数据一起来极...
- 基于RDKit和Python3的化合物溶解度的机器学习模型小案例。 《仅供参考》 # In[1]:导入依赖包 from rdkit import Chem, DataStructsfrom rdkit.Chem import AllChemfrom rdkit.ML.Descriptors import MoleculeDescriptorsfrom rdkit.Chem... 基于RDKit和Python3的化合物溶解度的机器学习模型小案例。 《仅供参考》 # In[1]:导入依赖包 from rdkit import Chem, DataStructsfrom rdkit.Chem import AllChemfrom rdkit.ML.Descriptors import MoleculeDescriptorsfrom rdkit.Chem...
上滑加载中
推荐直播
-
HDC深度解读系列 - Serverless与MCP融合创新，构建AI应用全新智能中枢2025/08/20 周三 16:30-18:00
张昆鹏 HCDG北京核心组代表
HDC2025期间，华为云展示了Serverless与MCP融合创新的解决方案，本期访谈直播，由华为云开发者专家(HCDE)兼华为云开发者社区组织HCDG北京核心组代表张鹏先生主持，华为云PaaS服务产品部 Serverless总监Ewen为大家深度解读华为云Serverless与MCP如何融合构建AI应用全新智能中枢
回顾中 -
“智能运维新视野”系列直播 —— 云监控技术深度实践2025/08/29 周五 15:00-16:00
星璇 华为云监控产品经理
本期直播深度解析全栈监控技术实践，揭秘华为云、头部企业如何通过智能监控实现业务零中断，分享高可用系统背后的“鹰眼系统”。即刻预约，解锁数字化转型的运维密码！
回顾中
热门标签