526互联

基本原则 机器 原则p4

就离谱！使用机器学习预测2022世界杯：小组赛挺准，但冠亚季军都错了 ⛵

本文使用机器学习建模对 FIFA 2022世界杯结果进行了预测，赛后将其与真实结果进行比较，可以看出：小组赛到1/4决赛的预测准确率很高，半决赛和决赛的预测准确率为0，冠亚季军无一预测准确。 ......
季军 小组赛 小组 机器 世界

NGINX的配置和基本使用

Linux NGINX NGINX：engine X ，2002年开发，分为社区版和商业版(nginx plus ) 社区版：分为主线版（开发版，奇数），稳定版（偶数） Nginx官网：http://nginx.org NGINX的两大功能：web服务器、反向代理服务器 NGINX和APACHE一样 ......
NGINX

Linux NTP工具的基本使用

NTP 时间同步 NTP（Network Time Protocol）协议，网络时间协议。利用ntp协议可以实现网络中的计算机时间同步。 实现NTP协议的工具： ntpdate：只能同步一次时间 ntp：持久同步时间 chrony：持久同步时间，精度比上面的ntp更好，速度更快。 使用ntpdate ......
工具 Linux NTP

软件设计中最关键的“开闭原则”，究竟指什么呢？

前言 软件设计原则中有一条很关键的原则是开闭原则，就是所谓的对扩展开放，对修改关闭。个人觉得这条原则是非常重要的，直接关系到你的设计是否具备良好的扩展性，但也是相对比较难以理解和掌握的，究竟怎样的代码改动才被定义为“扩展”？怎样的代码改动才被定义为“修改”？怎么才算满足或违反“开闭原则”？别急，本文 ......
原则 关键 软件

【机器学习】李宏毅——机器学习任务攻略

【机器学习】李宏毅——机器学习任务攻略，主要内容是讲解了如果出现了测试集误差较大的情况应该如何进行判断以及解决 ......
机器 任务攻略 任务 攻略

【机器学习】李宏毅——Explainable ML(可解释性的机器学习)

在前面的学习之中，我们已经学习了很多的模型，它能够针对特定的任务，接受我们的输入并产生目标的输出。但我们并不满足于此，我们甚至希望机器告诉我们，它是如何得到这个答案的，而这就是可解释的机器学习。 Why we need Explainable ML 首先我们要明确，即使我们训练出来的模型能够得到一个 ......
解释性 机器 Explainable ML

机器学习——人脸性别识别

一、选题背景 人脸识别技术是模式识别和计算机视觉领域最富挑战性的研究课题之一，也是近年来的研究热点，人脸性别识别作为人脸识别技术的重要组成部分也受到了广泛地关注。人脸性别识别就是向计算机输入人脸图像，经过某种方法或运算，得出其性别。这种识别对人眼来说很简单，但对计算机却并不是一件容易的事情。 二、机 ......
人脸 性别 机器

【机器学习】李宏毅——Transformer

本文详细地介绍了Transformer算法，介绍了其内部重要的Encoder和Decoder，以及具体的实现过程和原理，还介绍了其训练过程以及训练过程中应该注意的种种问题。 ......
Transformer 机器

【机器学习】李宏毅——线性降维

降维，可以用下面这张图来很简单的描述，就是将不同的、复杂的多种树都抽象成最简单的树的描述，也就是我们不关心这棵树长什么样子有什么特别的特征，我们只需要降维，知道它是一棵树即可。 维度下降实际上就是找到一个function，使得输入x得到输出z，而输出z的维度要比输入x的维度小。具体有几种方面，下面就 ......
线性 机器

【机器学习】李宏毅——自监督式学习

本文介绍了近几年比较火热的自监督式学习，并介绍了其中最具有代表性的BERT算法和GPT算法，其中对BERT算法进行了详细叙述。 ......
机器

【机器学习】李宏毅——Unsupervised Learning

读这篇文章之间欢迎各位先阅读我之前写过的线性降维的文章。这篇文章应该也是属于Unsupervised Learning的内容的。 Neighbor Embedding Manifold Learning（流形学习） 在实际的数据中，很可能会存在这一种分布： 左边这个分布可以看成原先在二维平面上的分布 ......
Unsupervised Learning 机器

【机器学习】李宏毅——生成式对抗网络GAN

本文非常详细的介绍什么是生成式对抗网络GAN，以及GAN内部的实现原理，包括各种GAN的训练技巧和变形等等内容。 ......
机器 网络 GAN

【机器学习】李宏毅——Anomaly Detection（异常检测）

本篇文章主要介绍了Anomaly Detection（异常检测）的思路具体实现方法，以及可能在实际应用中遇到的各种情况。 ......
Detection 机器 Anomaly

【机器学习】李宏毅——Adversarial Attack（对抗攻击）

本文主要介绍了Adversarial Attack（对抗攻击）当前的研究现状，包括如何攻击、攻击的类别，以及原始模型如何进行防御等相关知识点。 ......
Adversarial 机器 Attack

【机器学习】李宏毅——类神经网络训练不起来怎么办

如何判断导数值为零的点的类型 当发现训练数据集误差不再下降的时候，不是只有卡在局部最小值的情况，还有另外一种情况是处于鞍点，鞍点位置处虽然其导函数为零，但是其既不是局部最大值也不是局部最小值，如图： 因此，我们把局部最小值和鞍点这种点统称为驻点（critical point），但这两种情况是截然不同 ......
神经网络 神经 机器 怎么办 网络

【机器学习】李宏毅——Recurrent Neural Network(循环神经网络)

假设我们当前要做一个人工智能客服系统，那该系统就需要对用户输入的话语进行辨认，例如用户输入： I want to arrive Taipei on November 2nd 那么该系统就能够辨认出来Taipei是目的地，而后面是时间。那么我们可以用一个简单的前向网络来实现这个事情，输出为这个单词属于 ......
神经网络 Recurrent 神经 机器 Network

【机器学习】李宏毅——Flow-based Generative Models

本文主要介绍了Flow-based Generative Models的概念，以及其内部各个模块的主要思想，可结合我之前写过的生成模型的博客共同阅读。 ......
Flow-based Generative 机器 Models based

【机器学习】李宏毅——自注意力机制(Self-attention)

前面我们所讲的模型，输入都是一个向量，但有没有可能在某些场景中输入是多个向量，即一个向量集合，并且这些向量的数目并不是固定的呢？ 这一类的场景包括文字识别、语音识别、图网络等等。 那么先来考虑输出的类型，如果对于输入是多个数目不定的向量，可以有以下这几种输出方式： 每个向量对应一个输出：输出的数目与 ......
Self-attention 注意力 attention 机制 机器

【机器学习】李宏毅——AE自编码器(Auto-encoder)

1、What 在自编码器中，有两个神经网络，分别为Encoder和Decoder，其任务分别是： Encoder：将读入的原始数据（图像、文字等）转换为一个向量 Decoder：将上述的向量还原成原始数据的形式 而目标是希望还原出来的结果能够与原始数据尽可能的接近。其中的向量可称为Embedaing ......
编码器 Auto-encoder 编码 机器 encoder

数据结构初阶--二叉树介绍（基本性质+堆实现顺序结构）

树的基本概念和结构 树的相关概念 **节点的度：**一个节点含有的子树的个数称为该节点的度； 如上图：A的为2 叶节点或终端节点：度为0的节点称为叶节点； 如上图：D、F、G、H为叶节点 **非终端节点或分支节点：**度不为0的节点； 如上图：A、B…等节点为分支节点 **双亲节点或父节点：**若一 ......
结构 数据结构 顺序 性质 数据

一文读懂！异常检测全攻略！从统计方法到机器学习 ⛵

本文系统介绍了『单变量异常检测』和『多变量异常检测』识别技术，包括传统的统计方法（四分位距、标准差），以及前沿的机器学习模型（孤立森林、DBSCAN、LOF局部离群因子）。 ......
全攻略 机器 方法

边玩边学！交互式可视化图解！快收藏这18个机器学习和数据科学网站！⛵

机器学习算法理论比较枯燥乏味，但有许多有趣且有用的网站，您可以像游戏一样交互式操作，并同时学习机器学习概念、模型和应用知识。以下是 ShowMeAI 为大家整理的18个交互式机器学习网站，学起来！ ......
交互式 机器 科学 数据 网站

机器学习分类模型评价指标之ROC 曲线、 ROC 的 AUC 、 ROI 和 KS

前文回顾： 机器学习模型评价指标之混淆矩阵 机器学习模型评价指标之Accuracy、Precision、Recall、F-Score、P-R Curve、AUC、AP 和 mAP 1. 基本指标 1.1 True Positive Rate(TPR) $TPR = \frac{TP}{TP+FN}$ ......
曲线 ROC 模型 机器 指标

MySQL数据库：2、MySQL的下载与安装、基本使用、系统服务制作

一、MySQL简介 ​ MySQL是一种关系型数据库管理系统，关系数据库将数据保存在不同的表中，而不是将所有数据放在一个大仓库内，这样就增加了速度并提高了灵活性。 二、安装与下载 1、下载流程 1、访问官方（www.mysql.com） 2、点击‘DOWNLOADS’，进入下载界面 3、下拉，找到‘ ......
MySQL 数据库 数据 系统

深入浅出学习透析Nginx服务器的基本原理和配置指南「初级实践篇 」

Nginx (Engine X)是一个轻量级的Web服务器 、反向代理服务器及电子邮件（IMAP/POP3）代理服务器、高性能的HTTP服务器，它以高稳定性、丰富的功能集、示例配置文件和低系统资源的消耗而闻名。 ......
实践篇 深入浅出 原理 服务器 指南

深入浅出学习透析 Nginx 服务器的基本原理和配置指南「运维操作实战篇」

Nginx 安装非常的简单，且Nginx 启动特别容易，并且几乎可以做到24小时不间断运行，即使运行数个月也不需要重新启动。你还能够在不间断服务的情况下进行软件版本的升级。接下来我们要针对于安装和运维操作进行实战和分析。 ......
深入浅出 实战 原理 服务器 指南

.NET 6 实现滑动验证码（二）、基本数据

上一节，介绍了滑动验证码的基本情况，也创建了一个.NET 6的工程。本节内容是创建一些基础类。 (创建基础类) 本节创建的类全部在工程的Model目录下： CaptchaData.cs CaptchaData.cs：验证码的数据类实体 namespace SlideCaptcha.Model { p ......
数据 NET

Blazor和Vue对比学习（进阶.路由导航一）：基本使用

Blazor和Vue都是单文件组件SPA，路由的实现逻辑非常相似，页面路径的改变都是组件的切换，但因为各自语言的特性，在实现方式上有较大差异。 一、安装 1、Vue：Router是Vue的一个插件。如果使用Vite脚手架初始化项目，需要手动安装和配置Router插件。如果使用Vue脚手架初始化项目， ......
路由 Blazor Vue

基于Sklearn机器学习代码实战

本文主要跟随Datawhale的学习路线以及内容教程，详细介绍了机器学期常见的多个基础算法的基于sklearn的实现过程，内容丰富。 ......
实战 机器 Sklearn 代码

Java lambda表达式基本使用

代码示例：java.lambda.LambdaExpression 1 本质 lambda表达式本质上是对匿名内部类实例的一种简化写法。 1.1 案例 有以下List<Integer>对象： List<Integer> list = Arrays.asList(1, 3, 5, 7, 9, 2, 4 ......
表达式 lambda Java
共4200篇  :131/140页 首页上一页131下一页尾页