腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
机器学习AI算法工程
机器学习,深度学习,大数据 ,公众号:datayx
专栏作者
举报
1330
文章
2441091
阅读量
326
订阅数
订阅专栏
申请加入专栏
全部文章(999+)
编程算法(317)
机器学习(301)
深度学习(240)
神经网络(231)
python(216)
其他(193)
人工智能(161)
数据挖掘(130)
数据分析(125)
https(104)
大数据(88)
网络安全(76)
r 语言(75)
爬虫(58)
NLP 服务(57)
数据库(46)
卷积神经网络(43)
决策树(42)
图像识别(41)
tensorflow(38)
github(38)
开源(38)
特征工程(37)
模型(27)
图像处理(25)
线性回归(25)
数据(24)
api(21)
http(21)
git(20)
腾讯云测试服务(20)
推荐系统(20)
数据处理(20)
sql(18)
keras(18)
pytorch(17)
存储(13)
html(12)
算法(12)
linux(11)
scikit-learn(11)
微信(11)
java(10)
云数据库 SQL Server(10)
json(9)
知识图谱(9)
网站(9)
数据可视化(9)
批量计算(8)
文字识别(8)
数据结构(8)
sas(8)
网络(8)
分布式(7)
自动化(7)
hadoop(7)
numpy(7)
监督学习(7)
tcp/ip(7)
scrapy(7)
人脸识别(6)
搜索引擎(6)
云直播(6)
游戏(6)
kernel(6)
ide(5)
中文分词(5)
模式识别(5)
安全(5)
机器人(5)
学习方法(5)
nlp(5)
函数(5)
.net(4)
bootstrap(4)
css(4)
matlab(4)
spring(4)
文件存储(4)
云数据库 MongoDB(4)
gui(4)
迁移学习(4)
小程序(4)
工程师(4)
基础(4)
论文(4)
自动驾驶(3)
c++(3)
php(3)
bash(3)
xml(3)
jquery(3)
qt(3)
硬件开发(3)
flask(3)
bash 指令(3)
容器(3)
无人驾驶(3)
正则表达式(3)
sql server(3)
opencv(3)
selenium(3)
anaconda(3)
腾讯云开发者社区(3)
分类算法(3)
mask(3)
编码(3)
微信公众号(3)
性能(3)
优化(3)
javascript(2)
node.js(2)
android(2)
oracle(2)
mapreduce(2)
访问管理(2)
mongodb(2)
电商(2)
金融(2)
shell(2)
spark(2)
html5(2)
强化学习(2)
面向对象编程(2)
unity(2)
二叉树(2)
windows(2)
nat(2)
聚类算法(2)
chatgpt(2)
data(2)
detection(2)
embedding(2)
excel(2)
博客(2)
程序员(2)
后端(2)
可视化(2)
配置(2)
事件(2)
视频(2)
费用中心(1)
语音识别(1)
官方文档(1)
ios(1)
go(1)
scala(1)
嵌入式(1)
云数据库 Redis(1)
django(1)
ruby on rails(1)
打包(1)
eclipse(1)
tomcat(1)
apache(1)
容器镜像服务(1)
日志服务(1)
短视频(1)
命令行工具(1)
声纹识别(1)
医疗(1)
渲染(1)
xslt & xpath(1)
缓存(1)
hive(1)
seo(1)
自动化测试(1)
单元测试(1)
flash(1)
架构设计(1)
网站建设(1)
canvas(1)
信息流(1)
jupyter notebook(1)
迁移(1)
联邦学习(1)
隐私计算(1)
智能推荐平台(1)
图像搜索(1)
图像分析(1)
汽车(1)
add(1)
backbone(1)
block(1)
blur(1)
config(1)
edge(1)
entity(1)
epoch(1)
eval(1)
file(1)
image(1)
instance(1)
it(1)
layer(1)
list(1)
lstm(1)
module(1)
normalization(1)
pandas(1)
partition(1)
patch(1)
prompt(1)
range(1)
scale(1)
self(1)
sharing(1)
split(1)
state(1)
svm(1)
tensor(1)
this(1)
token(1)
txt(1)
yaml(1)
yolo(1)
遍历(1)
布局(1)
测试(1)
插件(1)
产品(1)
对象(1)
工具(1)
工作(1)
华为(1)
计算机视觉(1)
架构(1)
监控(1)
教程(1)
解决方案(1)
框架(1)
连接(1)
路由(1)
面试(1)
软件(1)
设计(1)
摄像头(1)
实践(1)
数学(1)
同步(1)
微信小程序(1)
系统(1)
效率(1)
异常(1)
音频(1)
硬件(1)
原理(1)
源码(1)
指针(1)
自然语言处理(1)
PCB(1)
LLM(1)
搜索文章
搜索
搜索
关闭
fasterrcnn深度学习口罩检测
神经网络
机器学习
深度学习
人工智能
线性回归
当我们输入一张图片,首先传达给backbone网络进行特征提取,backbone的选择不是唯一的,可以使用resnet50,101等等,其目的就是为了得到图像的大小较小,但却很深的特征层
机器学习AI算法工程
2021-12-10
632
0
xgboost模型实战案例:预测未来一段时间的路段交通流量
数据分析
线性回归
机器学习
(ps. 不是我不调参,不融合模型,是以现在的特征即使做了这些,提高也不会很大,所以还是特征的问题,可能太简单了)
机器学习AI算法工程
2019-10-29
7.7K
0
faster-RCNN原理及相应概念解释
线性回归
机器学习
神经网络
深度学习
人工智能
(2)利用selective search 算法在图像中从上到下提取2000个左右的Region Proposal;
机器学习AI算法工程
2019-10-29
883
0
常见面试算法:回归、岭回归、局部加权回归
线性回归
github
https
git
开源
我们前边提到的分类的目标变量是标称型数据,而回归则是对连续型的数据做出处理,回归的目的是预测数值型数据的目标值。
机器学习AI算法工程
2019-10-28
1.3K
0
常见面试算法:树回归、树剪枝
线性回归
编程算法
gui
决策树
机器学习
我们本章介绍 CART(Classification And Regression Trees, 分类回归树) 的树构建算法。该算法既可以用于分类还可以用于回归。
机器学习AI算法工程
2019-10-28
1.3K
0
特征工程(四): 类别特征
编程算法
线性回归
一个简单的问题可以作为测试是否应该是一个分类变量的试金石测试:“两个价值有多么不同,或者只是它们不同?”500美元的股票价格比100美元的价格高5倍。 所以股票价格应该用一个连续的数字变量表示。 另一方面,公司的产业(石油,旅游,技术等)应该无法被比较的,也就是类别特征。
机器学习AI算法工程
2019-10-28
3.1K
0
入门深度学习,理解神经网络、反向传播算法是第一关
tensorflow
编程算法
线性回归
神经网络
机器学习
因为计算机能做的就只是计算,所以人工智能更多地来说还是数学问题[1]。我们的目标是训练出一个模型,用这个模型去进行一系列的预测。于是,我们将训练过程涉及的过程抽象成数学函数:首先,需要定义一个网络结构,相当于定义一种线性非线性函数;接着,设定一个优化目标,也就是定义一种损失函数(loss function)。
机器学习AI算法工程
2019-10-28
683
0
教你如何做特征选择
编程算法
线性回归
机器学习
决策树
神经网络
1、为什么要做特征选择 在有限的样本数目下,用大量的特征来设计分类器计算开销太大而且分类性能差。
机器学习AI算法工程
2019-10-28
1.3K
0
深度学习:用tensorflow建立线性回归模型
深度学习
tensorflow
线性回归
1. TensorFlow 是什么 是一个深度学习库,由 Google 开源,可以对定义在 Tensor(张量)上的函数自动求导。 Tensor(张量)意味着 N 维数组,Flow(流)意味着基于数据流图的计算,TensorFlow即为张量从图的一端流动到另一端。 它的一大亮点是支持异构设备分布式计算,它能够在各个平台上自动运行模型,从电话、单个CPU / GPU到成百上千GPU卡组成的分布式系统。 支持CNN、RNN和LSTM算法,是目前在 Image,NLP 最流行的深度神经网络模型。 一周之前
机器学习AI算法工程
2018-03-14
1.9K
0
利用回归模型预测数值型数据(代码)
机器学习
编程算法
线性回归
机器学习算法按照目标变量的类型,分为标称型数据和连续型数据。标称型数据类似于标签型的数据,而对于它的预测方法称为分类,连续型数据类似于预测的结果为一定范围内的连续值,对于它的预测方法称为回归。 “回归”一词比较晦涩,下面说一下这个词的来源: “回归”一词是由达尔文的表兄弟Francis Galton发明的。Galton于1877年完成了第一次回归预测,目的是根据上一代豌豆种子(双亲)的尺寸来预测下一代豌豆种子(孩子)的尺寸。 Galton在大量对象上应用了回归分析,甚至包括人的身高预测。他注意到,如果双亲
机器学习AI算法工程
2018-03-14
1.8K
0
针对用户活跃度分析中如何应用回归方法?
数据分析
线性回归
回归分析是研究一个变量(因变量)和另一个变量(自变量)关系的统计方法,用最小二乘方法拟合因变量和自变量的回归模型,把一种不确定的关系的若干变量转化为有确定关系的方程模型近似分析,并且通过自变量的变化来预测因变来预测因变量的变化趋势,在回归分析中两个变量的地位是不平等的,考察某一个变量的变化是依存于其他变量的变化程度,就是存在因果关系。 今天将利用回归分析对游戏数据分析的某些指标进行分析探讨。 今天针对DAU、PCU、ACU、新登等指标进行回归分析。一般而言我们可以使用Excel就能做一元回归分析,Excel
机器学习AI算法工程
2018-03-14
1.7K
0
梯度下降原理及Python实现
python
编程算法
机器学习
线性回归
梯度下降算法是一个很基本的算法,在机器学习和优化中有着非常重要的作用,本文首先介绍了梯度下降的基本概念,然后使用Python实现了一个基本的梯度下降算法。梯度下降有很多的变种,本文只介绍最基础的梯度下
机器学习AI算法工程
2018-03-14
881
0
如何用Python进行线性回归以及误差分析
python
线性回归
数据挖掘中的预测问题通常分为2类:回归与分类。 简单的说回归就是预测数值,而分类是给数据打上标签归类。 本文讲述如何用Python进行基本的数据拟合,以及如何对拟合结果的误差进行分析。 本例中使用一个2次函数加上随机的扰动来生成500个点,然后尝试用1、2、100次方的多项式对该数据进行拟合。 拟合的目的是使得根据训练数据能够拟合出一个多项式函数,这个函数能够很好的拟合现有数据,并且能对未知的数据进行预测。 代码如下: import matplotlib.pyplot as plt import nu
机器学习AI算法工程
2018-03-14
5.9K
0
梯度下降法求解逻辑回归
线性回归
梯度下降法(Gradient Descent)是优化问题中一种常用的手段,一般用于凸函数问题(或者可以转换为凸函数的问题)的求解,而逻辑回归问题就可以转换为一个凸函数问题,我们可以使用梯度下降来获得一个较优值(不保证全局最优)。 一、什么是逻辑回归 ---- 首先让我们了解一下线性回归(参考这篇文章)的输入为单个数据xi,返回的结果是xi的具体分类yj,比如预测男女,输入的是一个人的参数,输出是具体的男或者女。逻辑回归的输入与线性回归相同,但输出为该数据xi属于某个分类yj的概率,即:P(yj|xi)。
机器学习AI算法工程
2018-03-13
1.1K
0
用贝叶斯判别分析方法预测股票涨跌
线性回归
作者: 依然很拉风 原文:数据人网 http://shujuren.org/article/164.html 判别分析也是一种分类器,与逻辑回归相比,它具有以下优势: 当类别的区分度高的时候,逻辑回归的参数估计不够稳定,它点在线性判别分析中是不存在的; 如果样本量n比较小,而且在每一类响应变量中预测变量X近似服从正态分布,那么线性判别分析比逻辑回归更稳定; 多于两类的分类问题时,线性判别分析更普遍。 贝叶斯分类器 贝叶斯分类的基本思想是:对于多分类(大于等于2类)的问题,计算在已知条件下各类别的条件概率,
机器学习AI算法工程
2018-03-13
2.1K
0
线性回归:预测上海车牌成交价格
线性回归
scikit-learn
机器学习
上海是全国最早实行私人轿车牌照拍卖方式来控制交通流量的城市,需要通过投标拍卖的形式购买车牌。 而车牌的拍卖并不是简单的价高者得,服务器只接受最低可成交价上下300元区间内的出价,意思就是说,如果现在最低成交价是60000,你出价范围必须在57000~63000之间,并且这个最低成交价是在不断变化的,到了最后几分价格上涨太快根本来不及操作。 如果能提前根据历年数据预测本次拍卖成交价格,那么成功率必定比盲拍要高很多。 下面就尝试使用 scikit-learn 这个机器学习工具库来进行价格预测。 收集数据
机器学习AI算法工程
2018-03-13
2.4K
0
R语言学习路线和常用数据挖掘包
r 语言
数据挖掘
数据分析
线性回归
对于初学R语言的人,最常见的方式是:遇到不会的地方,就跑到论坛上吼一嗓子,然后欣然or悲伤的离去,一直到遇到下一个问题再回来。当然,这不是最好的学习方式,最好的方式是——看书。目前,市面上介绍R语言的书籍很多,中文英文都有。那么,众多书籍中,一个生手应该从哪一本着手呢?入门之后如何才能把自己练就成某个方面的高手呢?相信这是很多人心中的疑问。有这种疑问的人有福了,因为笔者将根据自己的经历总结一下R语言书籍的学习路线图以使Ruser少走些弯路。 本文分为6个部分,分别介绍初级入门,高级入门,绘图与可
机器学习AI算法工程
2018-03-13
677
0
梯度下降法求解逻辑回归
线性回归
梯度下降法(Gradient Descent)是优化问题中一种常用的手段,一般用于凸函数问题(或者可以转换为凸函数的问题)的求解,而逻辑回归问题就可以转换为一个凸函数问题,我们可以使用梯度下降来获得一个较优值(不保证全局最优)。 一、什么是逻辑回归 ---- 首先让我们了解一下线性回归(参考这篇文章)的输入为单个数据xi,返回的结果是xi的具体分类yj,比如预测男女,输入的是一个人的参数,输出是具体的男或者女。逻辑回归的输入与线性回归相同,但输出为该数据xi属于某个分类yj的概率,即:P(yj|xi)。 二
机器学习AI算法工程
2018-03-13
904
0
R语音与数据挖掘常用的包
数据挖掘
r 语言
数据分析
线性回归
本文分为6个部分,分别介绍初级入门,高级入门,绘图与可视化,计量经济学,时间序列分析,金融等。 1初级入门 《R语言实战》,这是高涛、肖楠等翻译的一本书详细全面介绍了入门、图形、统计、回归、方差、功效分析、广义线性模型、主成分、因子分析、缺失值处理等。除此之外,还可以去读刘思喆的《153分钟学会R》。这本书收集了R初学者提问频率最高的153个问题。为什么叫153分钟呢?因为最初作者写了153个问题,阅读一个问题花费1分钟时间,全局下来也就是153分钟了 2高级入门 读了上述书籍之后,你就可以去高级入门阶段了
机器学习AI算法工程
2018-03-13
1.7K
0
统计学习方法概论
监督学习
编程算法
线性回归
正则表达式
学习方法
1.统计学习 统计学习的对象是数据,它从数据出发,提取数据的特征,抽象出数据的模型,发现数据中的知识,又回到对数据的分析与预测中去。统计学习关于数据的基本假设是同类数据具有一定的统计规律性,这是统计学习的前提。 统计学习的目的就是考虑学习什么样的模型和如何学习模型。 统计学习方法包括模型的假设空间、模型选择的准则以及模型学习的算法。实现统计学习的步骤如下: (1) 得到一个有限的训练数据集合; (2)
机器学习AI算法工程
2018-03-12
727
0
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!
立即发文
Python精品学习库
代码在线跑,知识轻松学
立即查看
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
立即体验
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
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档