- ML与Information：机器学习与Information信息论之间那些七七八八、乱七八糟、剪不断理还乱的关系攻略 目录 ML与信息论 ML与熵 1、熵的基础知识 2、熵与分布的关系 3、最大熵模型与Logistic/Softmax回归 相关文献推荐 ML与信息论 更新…… ML与熵 1、熵的基础知识 (1)、... ML与Information：机器学习与Information信息论之间那些七七八八、乱七八糟、剪不断理还乱的关系攻略 目录 ML与信息论 ML与熵 1、熵的基础知识 2、熵与分布的关系 3、最大熵模型与Logistic/Softmax回归 相关文献推荐 ML与信息论 更新…… ML与熵 1、熵的基础知识 (1)、...
- ML之分类预测：基于sklearn库的七八种机器学习算法利用糖尿病(diabetes)数据集(8→1)实现二分类预测 目录 输出结果 数据集展示 输出结果 1、k-NN 2、LoR 4、DT 5、RF 6、GB 7、SVM 8、NN 设计思路 输出结果 数据集展示 输出结果 1、k-NN k-NN：... ML之分类预测：基于sklearn库的七八种机器学习算法利用糖尿病(diabetes)数据集(8→1)实现二分类预测 目录 输出结果 数据集展示 输出结果 1、k-NN 2、LoR 4、DT 5、RF 6、GB 7、SVM 8、NN 设计思路 输出结果 数据集展示 输出结果 1、k-NN k-NN：...
- EL之Boosting之GB(DTR)：简单回归问题使用梯度提升法(DIY数据集+DTR模型+调两参) 目录 输出结果 设计思路 核心代码 输出结果 1、eps=0.1,treeDepth=1 2、eps=0.1,treeDepth=5 2、eps=0.3,treeDepth=5 设计思路 核心代码 f... EL之Boosting之GB(DTR)：简单回归问题使用梯度提升法(DIY数据集+DTR模型+调两参) 目录 输出结果 设计思路 核心代码 输出结果 1、eps=0.1,treeDepth=1 2、eps=0.1,treeDepth=5 2、eps=0.3,treeDepth=5 设计思路 核心代码 f...
- RL之DQN：基于TF训练DQN模型玩“打砖块”游戏 目录 输出结果 设计思路 训练过程 输出结果 1、test01 2、test02 设计思路 训练过程 后期更新…… RL之DQN：基于TF训练DQN模型玩“打砖块”游戏 目录 输出结果 设计思路 训练过程 输出结果 1、test01 2、test02 设计思路 训练过程 后期更新……
- RL之Q Learning：利用强化学习之Q Learning实现走迷宫—训练智能体走到迷宫(简单迷宫)的宝藏位置 目录 输出结果 设计思路 实现代码 测试记录全过程 输出结果 设计思路 实现代码 from __future__ import print_functionimport numpy as ... RL之Q Learning：利用强化学习之Q Learning实现走迷宫—训练智能体走到迷宫(简单迷宫)的宝藏位置 目录 输出结果 设计思路 实现代码 测试记录全过程 输出结果 设计思路 实现代码 from __future__ import print_functionimport numpy as ...
- ML之分类预测之ElasticNet之OPLiR：在二分类数据集上训练OPLiR模型(T1) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 #对属性程度进行排列nzList = []for iAlpha in range(1,nalpha): coefList = list(c... ML之分类预测之ElasticNet之OPLiR：在二分类数据集上训练OPLiR模型(T1) 目录 输出结果 设计思路 核心代码 输出结果 设计思路 核心代码 #对属性程度进行排列nzList = []for iAlpha in range(1,nalpha): coefList = list(c...
- ML之回归预测：机器学习中的各种Regression回归算法、关键步骤配图 目录 机器学习中的各种回归算法 1、回归算法代码 2、各种回归算法 3、各种回归算法大PK 机器学习中的各种回归算法 1、回归算法代码 2、各种回归算法 (1)、线性回归：紫色；Logistic回归：绿色 (2)、局部加权回归 ... ML之回归预测：机器学习中的各种Regression回归算法、关键步骤配图 目录 机器学习中的各种回归算法 1、回归算法代码 2、各种回归算法 3、各种回归算法大PK 机器学习中的各种回归算法 1、回归算法代码 2、各种回归算法 (1)、线性回归：紫色；Logistic回归：绿色 (2)、局部加权回归 ...
- TF之AutoML框架：AutoML框架的简介、特点、使用方法详细攻略 目录 AutoML框架的简介 AutoML框架的特点 AutoML框架的使用方法 AutoML VS AutoKeras 框架 AutoML框架的简介 AutoML官网：https://www.automl.org/ 自动化机器学习，简单来说就是一种自动化任... TF之AutoML框架：AutoML框架的简介、特点、使用方法详细攻略 目录 AutoML框架的简介 AutoML框架的特点 AutoML框架的使用方法 AutoML VS AutoKeras 框架 AutoML框架的简介 AutoML官网：https://www.automl.org/ 自动化机器学习，简单来说就是一种自动化任...
- ML/DL之预测分析类：利用机器学习算法进行预测分析的简介、分析、代码实现之详细攻略 目录 机器学习算法进行预测的简介 机器学习算法进行预测的分析 机器学习算法进行预测的代码实现 机器学习算法进行预测的简介 1、推荐论文 《An Empirical Comparison of Supervised Learning Algorith... ML/DL之预测分析类：利用机器学习算法进行预测分析的简介、分析、代码实现之详细攻略 目录 机器学习算法进行预测的简介 机器学习算法进行预测的分析 机器学习算法进行预测的代码实现 机器学习算法进行预测的简介 1、推荐论文 《An Empirical Comparison of Supervised Learning Algorith...
- ML：推荐给小白入门机器学习一系列书籍 目录 一、外文版 二、中文版 一、外文版 Christopher M.Bishop, Pattern Recognition and Machine Learning, Springer-Verlag 2006 Kevin P.Murphy，Machine Learning:A Prob... ML：推荐给小白入门机器学习一系列书籍 目录 一、外文版 二、中文版 一、外文版 Christopher M.Bishop, Pattern Recognition and Machine Learning, Springer-Verlag 2006 Kevin P.Murphy，Machine Learning:A Prob...
- TF之LSTM：利用LSTM算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测) 相关文章DL之LSTM：利用LSTM算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测) 目录 输出结果 Tensorboard可视化 设计思路 核心代码 输出结果 波士顿房价数据集前10行数据 b... TF之LSTM：利用LSTM算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测) 相关文章DL之LSTM：利用LSTM算法对Boston(波士顿房价)数据集【13+1,506】进行回归预测(房价预测) 目录 输出结果 Tensorboard可视化 设计思路 核心代码 输出结果 波士顿房价数据集前10行数据 b...
- ML之SL：监督学习(Supervised Learning)的简介、应用、经典案例之详细攻略 目录 监督学习(Supervised Learning)的简介 1、监督学习问题的两大类—分类问题和回归问题 2、监督学习常见的算法 3、监督学习过程 1、Model selection during prototyping phase 监督学习(Supe... ML之SL：监督学习(Supervised Learning)的简介、应用、经典案例之详细攻略 目录 监督学习(Supervised Learning)的简介 1、监督学习问题的两大类—分类问题和回归问题 2、监督学习常见的算法 3、监督学习过程 1、Model selection during prototyping phase 监督学习(Supe...
- TF之pix2pix之dataset：基于TF利用自己的数据集训练pix2pix模型之DIY自己的数据集 目录 转换图像并合并 1、A 类图像将挖去中心像素后得到B 类图像 2、生成并列图像样本的全过程 转换图像并合并 1、A 类图像将挖去中心像素后得到B 类图像 2、生成并列图像样本的全过程 TF之pix2pix之dataset：基于TF利用自己的数据集训练pix2pix模型之DIY自己的数据集 目录 转换图像并合并 1、A 类图像将挖去中心像素后得到B 类图像 2、生成并列图像样本的全过程 转换图像并合并 1、A 类图像将挖去中心像素后得到B 类图像 2、生成并列图像样本的全过程
- 比赛要求：根据训练集数据和测试集数据生成自己的预测模型，按照预测模型来预测出892到1309条数据是否获救，按照比赛规定的格式生成csv文件，并上传到kaggle上，然后会反馈预测的准确率。 导读： 泰坦尼克号沉船事故。1912年，当时隶属于英国的世界级豪华客轮泰坦尼克号，因在处女航行中不幸撞上北大西洋冰山而沉没。这场事故使得1500多名乘客罹难。后来，这场震惊世界的... 比赛要求：根据训练集数据和测试集数据生成自己的预测模型，按照预测模型来预测出892到1309条数据是否获救，按照比赛规定的格式生成csv文件，并上传到kaggle上，然后会反馈预测的准确率。 导读： 泰坦尼克号沉船事故。1912年，当时隶属于英国的世界级豪华客轮泰坦尼克号，因在处女航行中不幸撞上北大西洋冰山而沉没。这场事故使得1500多名乘客罹难。后来，这场震惊世界的...
- DL之DCGNN：基于TF利用DCGAN实现在MNIST数据集上训练生成新样本 目录 输出结果 设计思路 实现部分代码 说明：所有图片文件丢失 输出结果 更新…… 设计思路 更新…… 实现部分代码 更新…… DL之DCGNN：基于TF利用DCGAN实现在MNIST数据集上训练生成新样本 目录 输出结果 设计思路 实现部分代码 说明：所有图片文件丢失 输出结果 更新…… 设计思路 更新…… 实现部分代码 更新……
上滑加载中
推荐直播
-
华为云码道 × 仓颉编程：工程化AI编码探索2026/05/27 周三 19:00-21:00
刘俊杰-华为云仓颉语言专家/李炎-华为云码道技术专家/王智鹏-OpenCangjie开源社区发起人
本场直播围绕华为云仓颉语言与华为云码道的深度结合，展示华为云智能编程从零基础到高效落地的完整生态能力。以华为云码道为引擎，仓颉语言为载体，带给大家日常提效、趣味创新到极速量产的开发体验。
回顾中
热门标签