Python
Java
PHP
IOS
Android
Nodejs
JavaScript
Html5
Windows
Ubuntu
Linux
连续型随机变量的分布(均匀分布、指数分布、正态分布)
一 均匀分布 均匀分布是指在一个区间内各个数值出现的概率相等的一种随机分布 均匀 这一概念可以理解为 在任何子区间上 变量的取值概率相等 它的概率密度函数为 其中 a和b分别为区间的上下限 均匀分布的特点是 它的概率密度函数为常数 即该分布
概率论
机器学习
人工智能
CVPR‘2023
Paper https arxiv org pdf 2206 02066 pdf Code https github com XuJiacong PIDNet 导读 本文介绍了一种名为PIDNet的实时语义分割网络架构 虽然传统的双分支网络
深度学习宝典
语义分割
深度学习
人工智能
机器学习
机器学习洞察
在之前的 机器学习洞察 系列文章中 我们分别针对于多模态机器学习和分布式训练 无服务器推理进行了解读 本文将为您重点介绍 JAX 的发展并剖析其演变和动机 下面 就让我们来认识一下 JAX 这一新崛起的深度学习框架 亚马逊云科技开发者社区为
机器学习
人工智能
机器学习之逻辑回归,代码实现(附带sklearn代码,小白版)
文章目录 前言 一 逻辑回归能够解决什么 二 公式 三 激活函数 四 如何求得w 六 逻辑回归代码实现 五 sklearn demo 总结 前言 虽然名字带有回归 但实际上是一个常用的二分类算法 并且在预测的时候能够提供预测类别的概率 一
机器学习
python
sklearn
逻辑回归
batch normalization详解
1 引入BN的原因 1 加快模型的收敛速度 2 在一定程度上缓解了深度网络中的 梯度弥散 问题 从而使得训练深层网络模型更加容易和稳定 3 对每一批数据进行归一化 这个数据是可以输入也可以是网络中间的某一层输出 4 网络一旦train起来
深度学习
tensorflow
机器学习
人工智能
变分贝叶斯
Variational Bayesian inference 参考文献 徐亦达老师变分推断课件 A tutorial on variational Bayesian inference 白板推导指数族分布 白板推导变分推断 Log like
机器学习
贝叶斯
算法
拉普拉斯近似算法小结
序 在机器学习中 经常遇到需要对复杂分布进行近似的情况 目前常用的近似算法主要有三种 拉普拉斯近似 变分近似 Gibbs采样 其中拉普拉斯近似算法是用一个高斯分布来近似原始分布 当原始分布比较简单的时候效果会较好 目标 用一个高斯分布近似一
机器学习基础
机器学习
近似算法
拉普拉斯
推导
PCA、SVD、谱聚类
PCA SVD 谱聚类 1 PCA 2 SVD 3 LDA 4 谱聚类 4 1 无向权重图 4 2 相似矩阵 4 3 拉普拉斯矩阵 4 4 无向图切图 附录1 秩 和 特征值 附录2 协方差 附录3 卡方检验 1 PCA 所谓降维 就是要把
机器学习
PCA
SVD
谱聚类
PRML一书中关于贝叶斯曲线拟合结论的推导细节
PRML一书中关于贝叶斯曲线拟合结论的推导细节 我们令训练数据集为 X T X T X T 对于一个新的点 x
机器学习
算法
人工智能
python机器学习之决策树案例——泰坦尼克号幸存者的预测
决策树 Decision Tree 是一种非参数的有监督学习方法 它能够从一系列有特征和标签的数据中总结出决策规则 并用树状图的结构来呈现这些规则 以解决分类和回归问题 决策树算法容易理解 适用各种数据 在解决各种问题时都有良好表现 尤其是
机器学习
决策树
python
数据分析
人工智能
机器学习识别身份证信息代码
用机器学习识别身份证信息需要一些步骤 收集身份证图像数据并打标签 使用深度学习模型 如卷积神经网络 训练识别模型 使用OpenCV等图像处理库对身份证图像进行预处理 以便模型能够识别 使用模型对身份证图像进行预测 并获取身份证信息 但是这里
机器学习
计算机视觉
人工智能
深度学习
强化学习笔记-13 Policy Gradient Methods
强化学习算法主要在于学习最优的决策 到目前为止 我们所讨论的决策选择都是通过价值预估函数来间接选择的 本节讨论的是通过一个参数化决策模型来直接根据状态选择动作 而不是根据价值预估函数来间接选择 我们可以定义如下Policy Gradient
笔记
强化学习
机器学习
LASlib 读写点云
一 参考链接 1 LASlib LAStools 2 LASlib库将PCL库点云类型数据转换为las格式保存 3 las数据转 pcd并显示 las格式详解 1 孙爱怡 王健 LAS格式的解析与转换 J 全球定位系统 2016 41 02
配库教程
机器学习
决策树,信息熵,信息增益计算----机器学习
决策树 decision tree 决策树简单介绍 信息量 信息熵 信息增益 决策树简单介绍 决策树是一种基于树状结构来做决策的 是一种常见的机器学习方法 主要做分类 也可以做回归 一棵决策树含有一个根结点 样本全集 若干个内部结点和若干个
机器学习
决策树
信息熵
Python之参数化DDT(包含:openpyxl的初步了解)
文章目录 前言 一 参数化 DDT 二 初步了解Excel表格操作 总结 前言 记录参数化DDT数据驱动 初步了解Python中openpyxl对Excel表格操作和手动操作表格的区别点 一 参数化 DDT DDT Data Driven
python接口自动化(含框架)
python
pandas
机器学习
kaggle比赛集成指南
介绍 集成模型是一种能在各种的机器学习任务上提高准确率的强有力技术 在这篇文章中 我会分享我在Kaggle比赛中的集成方法 在第一部分中 我们会讨论从提交文件中建立集成 主要包括 投票集成 平均 排名平均 第二部分我们会讨论 通过 gene
数据挖掘
机器学习
kaggle
集成
天池
各领域机器学习数据集汇总(附下载地址)
原文地址 大学公开数据集 Stanford 69G大规模无人机 校园 图像数据集 Stanford http cvgl stanford edu projects uav data 人脸素描数据集 CUHK http mmlab ie cu
Machine Learning
Dataset
数据集
大数据
机器学习
【XGBoost】第 7 章:使用 XGBoost 发现系外行星
大家好 我是Sonhhxg 柒 希望你看完之后 能对你有所帮助 不足请指正 共同学习交流 个人主页 Sonhhxg 柒的博客 CSDN博客 欢迎各位 点赞 收藏 留言 系列专栏 机器学习 ML 自然语言处理 NLP 深度学习 DL fore
XGBoost 和 scikitlearn 的实践
机器学习(ML)
人工智能
机器学习
python
常用的快速数学函数(with SSE2 )
很明显 在工业或者一些智能设备的控制方面 对运行速度的要求总是比较严苛的 有时候 在速度和精度上做一合理的取舍就显得尤为重要了 今天当一个搬运工 带来一些常用的数学库函数 这些函数采用一定的算法对结果进行了高精度的逼近 在工程上应用问题不大
机器学习
常用的快速数学函数(with SSE2)
解读YOLO v7的代码(一)模型结构研究
YOLO v7在今年7月份推出 模型的性能和速度相比以往版本有了很大的提升 我也想好好研究一下YOLO v7模型 因此把官方的代码库下载下来进行研究 尝试更好的理解这个模型 从文档中我们可以看到 如果要从头开始训练 可以输入以下命令 pyt
人工智能
机器学习
深度学习
«
1 ...
94
95
96
97
98
99
100
»