产品展示共8540篇
排序
弱监视建模技术在蚂蚁风控场景中的探求与运行
传统，强，监视学习的典型状况是基于给定的X、Y数据组构建一个模型，以期在未来的场景中能够有较好的预测，通常在这类疑问上有一些基本假定，比如散布分歧性，即训练数据和未来经常使用的场景数据不能有较大的差异，、短缺的样本量、标签要相对准确等，该范......
终于把机器学习中的交叉验证搞懂了！！
Google开发者在线课程开局学习终于把机器学习中的交叉验证搞懂了！！2024，10，3014，00，01交叉验证是机器学习中用于评价模型泛化才干的一种方法，用于权衡模型在训练集之外的新数据上的体现，当天给大家分享机器学习中的一个关键概念，......
XGBoost中正则化的九个超参数
正则化是一种弱小的技术，经过防止过拟合来提高模型性能，本文将探求各种XGBoost中的正则化方法及其长处，为什么正则化在XGBoost中很关键?XGBoost是一种以其在各种机器学习义务中的效率和性能而知名的弱小算法，像任何其余复杂模型一样......
Python 中极速上手机器学习的七个基础算法
本文引见了几种罕用的机器学习算法，包括线性回归、逻辑回归、决策树、允许向量机和K近邻算法，并经过Python代码示例展现了它们的详细运行，经过实战案例手写数字识别进一步验证了这些算法的有效性，宿愿读者能够从中取得对机器学习的了解和通常才干，......
在PC和树莓派上部署 做检测 YOLOv10
首先，与一年前可用的新YOLOv10模型相比，速度略快，这是一个不错的改良，其次，树莓派5也比前一个模型更快，咱们可以经常使用最小的，Nano，模型从摄像头流中成功大概0.6秒每张图像的性能，普通来说，0.6秒的解决期间还不错，树莓派是一台......
机器学习中的五个关键掂量 深化了解
在机器学习，ML，畛域，成功往往取决于做出正确的决策，但疑问在于，很少有明白的，正确，选用，同样，机器学习从业者不时掂量利害，改良模型或系统的一个方面往往以就义另一个方面为代价，当天，咱们来讨论机器学习中的5个关键掂量，了解这些掂量将协助你......
Python 构建 机器学习模型的八个步骤
经过上述步骤，咱们成功构建了一个便捷的股票多少钱预测模型，模型的RMSE较低，说明预测误差较小；R²凑近1，说明模型的预测成果较好，但是，股票多少钱预测是一个十分复杂的义务，受多种要素影响，因此，单凭线性回归模型或许不可齐全捕捉一切影响要素......
机器学习中处置不平衡数据集的五种方法
大家好，我是小寒当天给大家分享处置不平衡数据集的罕用方法，在开局之前，咱们先来了解一下什么是不平衡的数据集，不平衡数据集是指在分类义务中，不同类别的样本数量差异清楚的数据集，通常体现为少数类样本远少于少数类样本，这样的数据集在事实生存中很经......
预测奉献与失误奉献 机器学习模型中特色奉献度剖析
在机器学习畛域，特色关键性剖析是一种宽泛运行的模型解释工具，然而特色关键性并不同等于特色品质，本文将讨论特色关键性与特色有效性之间的相关，并引入两个关键概念，预测奉献度和失误奉献度，...。...
sklearn的微妙与实战指南 深度解锁机器学习神器
在这个数据驱动的时代，机器学习已成为解锁未知、提升决策、推进翻新的关键力气，而在泛滥机器学习库中，scikit，learn，简称sklearn，仰仗其易用性、高效性和宽泛的算法允许，成为了有数数据迷信家、工程师及钻研者的首选工具，本文将带您......