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

机器学习原理

专栏作者

119

文章

203806

阅读量

51

订阅数

《A Cancer Survival Prediction Method Based on Graph Convolutional Network》

编程算法机器学习神经网络深度学习人工智能

摘要背景现状：多种基因组数据和临床数据尚未综合考虑癌症并预测其生存率方法先对各种数据进行融合，然后用GCN来训练 📷 结论 GCN在癌症生存预测方面的有效性和优越性介绍异质性疾病癌症具有不同的分子特征、临床行为、形态学表现和对治疗的不同反应一些传统的机器学习模型用于预测存活一些机器学习分类方法，如支持向量机（SVM）[16-18]，朴素贝叶斯分类器（NB）[19]和随机森林（RF）[20]也可用于预测癌症存活率。例如，Nguyen等人[21]提出了一种基于随机森林

2021-12-13

2950

运营商评论情感分析

简介提供情感识别能力，可以帮您快速判断一段运营商评论文本的情感得分。接口能力接口名称英文名称请求方式 API地址运营商情感分析 sentiment_operation_analysis GET http://192.168.0.19:50001/nlp/sentiment_operation_analysis 参数说明请求参数参数名称（英文）是否必选数据类型示例数据描述 token 是 string 340611b2014541c98ca14737f3892c79 用户标识 tex

2021-03-27

3580

A Growing Neural Gas Network Learns Topologies

node.js 文件存储编程算法

image 我们用蓝色实线将这张图划分为16个区域。任意的一对数（也就是横轴x和纵轴y组成的任意的一个坐标点(x, y)）都会落到上面这张图中的某一特定区域。然后它就会被该区域的红星的点近似。这里有16块不同区域，就是16个红星点。然后这16个值就可以用4位的二进制码来编码表示（2^4=16）。因此，这是个2-dimensional, 4-bit VQ，它的速率同样是2bits/dimension。上面这些红星点就是量化矢量，表示图中的任意一个点都可以量化为这16个矢量中的其中一个。

2021-03-17

7610

mongodb的基本使用以及pymong的用法

云数据库 MongoDB mongodb 数据库 sql 编程算法

MongoDB 是由 C++ 语言编写的非关系型数据库，是一个基于分布式文件存储的开源数据库系统，其内容存储形式类似 JSON 对象，它的字段值可以包含其他文档、数组及文档数组，非常灵活。

2019-11-27

9650

关键点挖掘

当科学家共同写一篇论文，或者写一本书。通过网络连接，找出哪些科学家有更大的影响力。

2019-05-15

9680

flask框架搭建api

http json api 编程算法

入门网址：http://docs.jinkan.org/docs/flask/quickstart.html

2019-03-21

1.1K0

KBQA: Learning Question Answering over QA Corpora and Knowledge Bases

一个知识库包含了大量的结构化数据。下图给出了一个关于Obama的知识图谱示例。知识库中的每一个三元组代表一个知识或某个事实。例如，一个三元组（d，人口，390k）表示檀香山的人口为390k。

2019-03-06

1.4K0

写一个简单的WEB框架

前面都是从httpserver中添加功能，下面希望把添加web功能写成框架的形式，如果进行开发，只需要响应的功能模块就行，而不是在httpserver中改写。

2019-03-01

5010

关于知识图谱的几个问题

NLP 服务深度学习编程算法存储

1.为什么知识图谱对于机器实现人工智能如此重要呢？知识图谱实现机器认知智能的两个核心能力：“理解”和“解释”。机器理解数据的本质是建立起从数据到知识库中的知识要素（包括实体、概念和关系）映射的一个

2018-10-10

9900

NLP（2）——中文分词分词的概念分词方法分类CRFHMM分词

编程算法神经网络机器学习

上一篇文章提到了词向量的相关知识，可如何用计算机对一篇文章或者一些句子进行分词，从而让计算机更好理解句子呢？

2018-07-24

1.9K0

深度学习——目标检测（1）什么是目标检测？RCNNRCNN的检测流程：Bounding-box回归

深度学习编程算法

前言：深度学习在图像的应用中目标检测是最基本也是最常用的，下面介绍几种常见的目标检测算法或者模型

2018-07-24

6010

深度学习（5）——RBF算法简介

深度学习编程算法模式识别图像处理

前言：rbf算法用的不多，但他的思想引用到局部逼近，能够更快求解参数，在未来的发展应该不错简介 RBF网络能够逼近任意非线性的函数。可以处理系统内难以解析的规律性，具有很好的泛化能力，并且具有较快的学习速度。有很快的学习收敛速度，已成功应用于非线性函数逼近、时间序列分析、数据分类、模式识别、信息处理、图像处理、系统建模、控制和故障诊断等。当网络的一个或多个可调参数（权值或阈值）对任何一个输出都有影响时，这样的网络称为全局逼近网络。由于对于每次输入，网络上的每一个权值都要调整，从而导致全局

2018-07-06

1.8K0

深度学习（3）——用tensorflow实现机器学习算法1实现线性回归实现逻辑回归

深度学习 tensorflow 机器学习编程算法线性回归

前言：主要用TensorFlow实现线性回归和逻辑回归这两个机器学习算法，就当对TensorFlow的一个应用了吧 1实现线性回归直接上代码吧，注释和步骤直接在代码里面了 # 1. 构造一个数据 np.random.seed(28) N = 100 x = np.linspace(0, 6, N) + np.random.normal(loc=0.0, scale=2, size=N) y = 14 * x - 7 + np.random.normal(loc=0.0, scale=5.0, size=N

2018-07-04

5600

实例（2）——音乐文件特征工程的提取音乐便签分类

编程算法推荐系统

前言：在很多音乐网站上都存在着音乐推荐这种功能，音乐文件的推荐列表可以使用专门的推荐算法来产生，也可以使用音乐本身的标签来进行推荐；一般常规的音乐所属标签标注是由工作人员进行的，所以在这个过程中，就会存在音乐标签和音乐类型不匹配的情况，也就有可能最终导致推荐的效果不好的问题存在。所以说保证音乐标签的准确性是一个保证推荐系统效果的前提。音乐便签分类可以根据音乐的声音特性进行音乐类型的判断，从而可以得到音乐的标签值。音乐有频率，每个频率段里面包含很多个振幅，这些就是音乐本质的数据（可以从

2018-06-13

8050

深度学习——CNN(2)池化层怎么反向传播？为什么采用小批量梯度下降？学习率设置

深度学习编程算法

前言：CNN的优化方法依旧可以是梯度下降的方法，类似于BP算法中的反向传播，一般采用小批量梯度下降的方法，来更新参数，同时回答CNN遗留下来几个问题池化层怎么反向传播？ Maxpool 池化层反向传

2018-06-08

4.2K0

机器学习（18）——神经网络算法思想：从线性思想到最基础神经网络神经网络算法

机器学习神经网络编程算法人工智能

前言：关于“神经网络”这个词想必对人工智能感兴趣额的早已经熟得不能再熟悉了，在机器学习和认知科学领域，人工神经网络（artificial neural network，缩写ANN），简称神经网络（neural network，缩写NN）或类神经网络，是一种模仿生物神经网络(动物的中枢神经系统，特别是大脑)的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统

2018-04-27

1.7K0

机器学习（17）——GMM算法算法流程

编程算法机器学习

前言：介绍一下EM算法的简单应用算法流程先从一个简单的例子开始：随机选择1000名用户，测量用户的身高；若样本中存在男性和女性，身高分别服从高斯分布N(μ1,σ1)和N(μ2,σ2)的分布，试估计参数:μ1,σ1,μ2,σ2; 如果明确的知道样本的情况(即男性和女性数据是分开的)，那么我们使用极大似然估计来估计这个参数值。如果样本是混合而成的，不能明确的区分开，那么就没法直接使用极大似然估计来进行参数的估计啦。算法流程如下： GMM(Gaussian Mixture Model,

2018-04-27

2K0

机器学习（16）——EM算法示例

机器学习编程算法

算法思想：含有隐变量的极大似然估计我们经常会从样本观察数据中，找出样本的模型参数。最常用的方法就是极大化模型分布的对数似然函数。但是在一些情况下，我们得到的观察数据有未观察到的隐含数据，此时我们未知的有隐含数据和模型参数，因而无法直接用极大化对数似然函数得到模型分布的参数。怎么办呢？这就是EM算法可以派上用场的地方了。那么先复习一下极大似然估计。极大似然估计（MLE）直接举个例子：某位同学与一位猎人一起外出打猎，一只野兔从前方窜过。只听一声枪响，野兔应声到下，如果要你推测，这一发命中的子弹是谁打

2018-04-27

1.4K0

机器学习（14）——朴素贝叶斯算法思想：基于概率的预测贝叶斯公式朴素贝叶斯算法示例：文本数据分类

机器学习编程算法

前言：在所有的机器学习分类算法中，朴素贝叶斯和其他绝大多数的分类算法都不同。对于大多数的分类算法，比如决策树,KNN,逻辑回归，支持向量机等，他们都是判别方法，也就是直接学习出特征输出Y和特征X之间的关系，要么是决策函数Y=f(X)要么是条件分布P(Y|X)。但是朴素贝叶斯却是生成方法，也就是直接找出特征输出Y和特征X的联合分布然后用P(Y|X)=P(X,Y)/P(X)得出。朴素贝叶斯很直观，计算量也不大，在很多领域有广泛的应用，算法思想：基于概率的预测逻辑回归通过拟合曲线（或者学习超平面）实现分类

2018-04-27

12.8K0

机器学习（13）——adaboostAdaboost

机器学习编程算法

前言：下面介绍另外一种集成算法思想—boosting，提升学习（Boosting）是一种机器学习技术，可以用于回归和分类的问题，它每一步产生弱预测模型(如决策树)，并加权累加到总模型中；如果每一步的弱预测模型的生成都是依据损失函数的梯度方式的，那么就称为梯度提升(Gradient boosting)；提升技术的意义：如果一个问题存在弱预测模型，那么可以通过提升技术的办法得到一个强预测模型；常见的模型有： Adaboost Gradient Boosting(GBT/GBDT/GBRT) Ad

2018-04-27

6470

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