腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

素质云笔记

素质云笔记/Recorder... Research Area：多模态+计算机视觉舆情

专栏作者

416

文章

1114181

阅读量

108

订阅数

决策树以及XGBoost 树分裂图的多种可视化工具盘点

决策树 python scikit-learn https

如果要画出决策树图，一般需要该库，需要先下载： http://www.graphviz.org/download/

2022-11-30

1.3K0

盘点三款高可用的机器学习模型 web页面化的工具（一）

网站 python markdown https

笔者只是抛砖引玉，把三款看到的在本篇简单的介绍。如果有其他更好的欢迎留言推荐，后续笔者会对这三款做一一的学习。

2022-11-21

1.3K0

hanlp的安装问题

https github 网络安全 git 开源

github官方文档的安装： https://github.com/hankcs/pyhanlp

2022-11-21

9730

语音识别系列︱用python进行音频解析（一）

python https 网络安全 html

笔者最近在挑选开源的语音识别模型，首要测试的是百度的paddlepaddle；测试之前，肯定需要了解一下音频解析的一些基本技术点，于是有此篇先导文章。

2022-10-08

1.6K0

因果推断与反事实预测——几篇关联论文（二十六）

https 网络安全学习方法机器学习深度学习

简介：工具变量(Instrumental Variables, IV)是治疗随机化的来源，有条件地独立于结果，在未观察到的混杂因素的因果推理中具有重要作用。然而，现有的基于工具变量的反事实预测方法需要预先定义好的工具变量，而在许多现实场景中，找到有效的IV是一门艺术，而不是科学。此外，人为预先定义的IV可能会因为违反有效IV的条件从而引入错误。这些棘手的事实阻碍了基于IV的反事实预测方法的应用。在本文中，我们提出了一种新的自动工具变量分解(AutoIV)算法，从观测变量(IV候选变量)中自动生成IV的表示。具体来说，我们通过互信息最大化和最小化约束，让学到的IV表示分别满足与治疗和结果的相关性条件。我们也通过鼓励他们与治疗和结果相关来学习混杂表征。在对抗性博弈中，IV表征和混杂表征通过它们的约束条件争夺信息，这使得我们能够得到基于IV的反事实预测的有效的IV表征。大量的实验表明，我们的方法能够产生有效的IV表征来进行准确的基于IV的反事实预测。

2022-05-11

1K0

活动、节假日、促销等营销方式的因果效应评估——特征工程篇（一）

特征工程 https 网络安全

本系列旨在挖掘活动、节假日、促销、优惠券、积分等营销权益因果效应评估，目前规划两个篇幅：

2022-05-11

3.3K0

跟着开源项目学因果推断——whynot（十四）

https github 网络安全 git 开源

WhyNot是一个Python包，它提供了一个用于动态决策的实验沙箱，将因果推理和强化学习工具与具有挑战性的动态环境连接起来。该软件包有助于开发、测试、基准测试和教学因果推理和顺序决策工具。

2021-12-07

4040

因果推断中期学习小结

https 网络安全开源机器学习神经网络

因果推断笔记—— 相关理论：Rubin Potential、Pearl、倾向性得分、与机器学习异同（二）[2]

2021-12-07

1.4K0

非结构化用户标签︱如何花式解析一条收货地址（一）

NLP 服务 github git 开源 https

数据中台类产品必须用户画像，目前大多数用户画像都是结构化数据，其实还有非常多有意思的兴趣标签，可以从文本、图片、视频中获取，接下来这类兴趣标签也会越来越多的被计算与获得。

2021-12-07

1.3K0

百度AI -智能地址识别接口使用

https github 网络安全 git 开源

代码地址：https://github.com/mattzheng/Baidu-AIP-Address

2021-12-07

6390

linux ubuntu系统安装dotnet / Azcopy

网络安全 https github .net git

https://github.com/dotnet/core/blob/master/release-notes/download-archives/1.1.1-download.md

2021-12-07

9280

回顾︱DeepAR 算法实现更精确的时间序列预测（二）

https 网络安全编程算法 github git

在机器学习中，目前主流的方法是利用LSTM等递归神经网络来对未来数据进行预测，这次介绍的DeepAR模型也不例外，不过不同的是，DeepAR模型并不是直接简单地输出一个确定的预测值，而是输出预测值的一个概率分布，这样做的好处有两点：

2021-12-07

2.8K0

回顾︱时间序列预测与分解有哪些模型？（一）

https 网络安全机器学习深度学习人工智能

时序预测从不同角度看有不同分类。从实现原理的角度，可以分为传统统计学、机器学习（又分非深度学习和深度学习）。

2021-12-07

1.7K0

多渠道归因分析：python实现马尔可夫链归因（三）

网站 https 网络安全 python

马尔可夫链是一个过程，它映射运动并给出概率分布，从一个状态转移到另一个状态。马尔可夫链由三个属性定义：

2021-12-07

5330

python︱写markdown一样写网页，代码快速生成web工具：streamlit介绍（一）

缓存 markdown 网站 https 网络安全

系列参考： python︱写markdown一样写网页，代码快速生成web工具：streamlit介绍（一） python︱写markdown一样写网页，代码快速生成web工具：streamlit 重要组件介绍（二） python︱写markdown一样写网页，代码快速生成web工具：streamlit 展示组件（三） python︱写markdown一样写网页，代码快速生成web工具：streamlit lay-out布局（四） python︱写markdown一样写网页，代码快速生成web工具：streamlit 缓存（五） python︱写markdown一样写网页，代码快速生成web工具：streamlit 数据探索案例（六） streamlit + opencv/YOLOv3 快速构建自己的图像目标检测demo网页（七）

2021-12-07

2.3K0

python+Treelite：Sklearn树模型训练迁移到c、java部署

打包编程算法 scikit-learn https

项目论文：https://mlsys.org/Conferences/doc/2018/196.pdf

2021-12-07

6430

python - 机器学习lightgbm相关实践

编程算法机器学习 spark https python

相关文章： R+python︱XGBoost极端梯度上升以及forecastxgb（预测）+xgboost（回归）双案例解读 python︱sklearn一些小技巧的记录（训练集划分/pipelline/交叉验证等）

2021-12-07

9660

nvidia-rapids︱cuGraph(NetworkX-like)关系图模型

数据结构 api 全站加速网络 python https

RAPIDS cuGraph库是一组图形分析，用于处理GPU数据帧中的数据 - 请参阅cuDF。 cuGraph旨在提供类似NetworkX的API，这对数据科学家来说很熟悉，因此他们现在可以更轻松地构建GPU加速的工作流程

2020-03-27

1.6K0

nvidia-rapids︱cuDF与pandas一样的DataFrame库

api python https 全站加速网络

cuDF（https://github.com/rapidsai/cudf）是一个基于Python的GPU DataFrame库，用于处理数据，包括加载、连接、聚合和过滤数据。向GPU的转移允许大规模的加速，因为GPU比CPU拥有更多的内核。

2020-03-27

2.1K0

statsmodels︱python常规统计模型库

html https 网络安全线性回归

之前看sklearn线性模型没有R方，F检验，回归系数T检验等指标，于是看到了statsmodels这个库，看着该库输出的结果真是够怀念的。。

2020-03-27

3K0

点击加载更多

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态