腾讯云
开发者社区
文档
建议反馈
控制台
登录/注册
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
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
信数据得永生
专栏成员
举报
1757
文章
1729339
阅读量
60
订阅数
订阅专栏
申请加入专栏
全部文章（999+）
函数（313）
python（310）
数据（278）
模型（273）
编程算法（268）
对象（206）
配置（129）
网络安全（121）
numpy（119）
安全（119）
索引（119）
java（110）
深度学习（108）
字符串（98）
教程（85）
数据库（81）
django（79）
数组（75）
http（74）
机器学习（73）
android（71）
size（68）
神经网络（66）
人工智能（66）
sqlalchemy（65）
程序（64）
self（62）
sql（60）
工作（60）
pytorch（59）
变量（58）
gpt（57）
javascript（55）
php（53）
tensorflow（50）
源码（50）
存储（48）
https（48）
工具（47）
连接（47）
腾讯云测试服务（45）
torch（45）
算法（45）
html（44）
pandas（44）
网络（43）
matlab（41）
网站（41）
git（40）
api（40）
测试（39）
系统（37）
游戏（33）
编程（33）
c++（31）
github（31）
自动化（31）
数据结构（29）
chatgpt（29）
linux（26）
事件（26）
计算机视觉（25）
开发（25）
视频（25）
node.js（24）
tcp/ip（24）
架构（24）
服务器（23）
命令行工具（22）
缓存（22）
软件（22）
xml（21）
apache（21）
windows（21）
unix（20）
开源（20）
正则表达式（20）
服务（20）
集合（20）
数据分析（19）
hidden（19）
程序员（19）
数据类型（19）
opencv（18）
数据科学（18）
css（17）
shell（17）
面向对象编程（16）
npm（16）
编译（16）
sqlite（15）
打包（15）
容器镜像服务（15）
机器人（15）
命令行（15）
原理（15）
ide（14）
scikit-learn（14）
脚本（14）
内存（14）
事务（14）
图表（14）
文件存储（13）
keras（13）
编码（13）
继承（13）
设计（13）
bash（12）
图像处理（12）
强化学习（12）
cmake（12）
源码分析（12）
bash 指令（11）
渲染（11）
分布式（11）
黑客（11）
线性回归（11）
markdown（11）
return（11）
音频（11）
优化（11）
框架（10）
线程（10）
config（9）
tensor（9）
接口（9）
量化（9）
排序（9）
语音（9）
json（8）
model（8）
编译器（8）
插件（8）
二进制（8）
技巧（8）
加密（8）
其他（7）
c 语言（7）
spring（7）
serverless（7）
卷积神经网络（7）
监督学习（7）
教育（7）
产品（7）
后端（7）
浏览器（7）
日志（7）
入门（7）
金融（6）
容器（6）
hashmap（6）
单元测试（6）
虚拟化（6）
unicode（6）
cv2（6）
data（6）
text（6）
yolo（6）
翻译（6）
搜索（6）
统计（6）
性能（6）
NLP 服务（5）
go（5）
云数据库 SQL Server（5）
爬虫（5）
jdk（5）
dns（5）
决策树（5）
安全漏洞（5）
迁移（5）
漏洞扫描服务（5）
default（5）
function（5）
mysql（5）
nan（5）
python3（5）
qt5（5）
web（5）
表格（5）
集群（5）
计算机（5）
进程（5）
论文（5）
数学（5）
调试（5）
推送（5）
学习笔记（5）
异步（5）
装饰器（5）
区块链（4）
ios（4）
c#（4）
listview（4）
qt（4）
搜索引擎（4）
windows server（4）
访问管理（4）
SSL 证书（4）
企业（4）
uml（4）
无监督学习（4）
hexo（4）
迁移学习（4）
数据处理（4）
微服务（4）
image（4）
list（4）
lxml（4）
pygame（4）
width（4）
遍历（4）
部署（4）
递归（4）
反射（4）
高性能（4）
架构模式（4）
客户端（4）
内核（4）
同步（4）
压缩（4）
指针（4）
终端（4）
actionscript（3）
.net（3）
jquery（3）
mvc（3）
flask（3）
nginx（3）
DevOps 解决方案（3）
wordpress（3）
grep（3）
kotlin（3）
cdn（3）
udp（3）
数据可视化（3）
网站建设（3）
es（3）
account（3）
device（3）
import（3）
input（3）
layer（3）
max（3）
output（3）
sequence（3）
title（3）
代理（3）
互联网（3）
基础（3）
解决方案（3）
面试（3）
树莓派（3）
系统设计（3）
协议（3）
异常（3）
主机（3）
比特币（2）
asp.net（2）
angularjs（2）
textview（2）
单片机（2）
云数据库 Redis（2）
postgresql（2）
jar（2）
tomcat（2）
ubuntu（2）
TDSQL MySQL 版（2）
机器翻译（2）
mongodb（2）
express（2）
kubernetes（2）
html5（2）
图像识别（2）
gui（2）
自动化测试（2）
iis（2）
大数据（2）
小程序（2）
hbase（2）
flutter（2）
网站渗透测试（2）
特征工程（2）
聚类算法（2）
分类算法（2）
ascii（2）
应用安全开发（2）
测试服务（2）
agent（2）
atom（2）
bug（2）
chat（2）
code（2）
com（2）
count（2）
feed（2）
int（2）
key（2）
label（2）
line（2）
ls（2）
marker（2）
min（2）
models（2）
nodes（2）
object（2）
oop（2）
pdf（2）
token（2）
var（2）
备份（2）
编程语言（2）
表单（2）
地图（2）
定时器（2）
队列（2）
泛型（2）
工作流（2）
管理（2）
行业（2）
兼容性（2）
镜像（2）
前端（2）
权限（2）
设计模式（2）
实践（2）
效率（2）
协程（2）
以太坊（2）
原型（2）
注解（2）
最佳实践（2）
LLM（2）
云服务器（1）
人脸识别（1）
mac os（1）
perl（1）
ruby（1）
servlet（1）
jsp（1）
regex（1）
ajax（1）
ecmascript（1）
webview（1）
android studio（1）
汇编语言（1）
arm（1）
嵌入式（1）
oracle（1）
nosql（1）
access（1）
web.py（1）
ruby on rails（1）
eclipse（1）
lucene/solr（1）
analyzer（1）
apt-get（1）
thinkphp（1）
批量计算（1）
全站加速网络（1）
API 网关（1）
数据加密服务（1）
文字识别（1）
语音合成（1）
短信（1）
电商（1）
vr 视频解决方案（1）
url 安全（1）
svg（1）
devops（1）
运维（1）
压力测试（1）
数据迁移（1）
spark（1）
ssh（1）
hive（1）
mybatis（1）
yum（1）
openstack（1）
asp（1）
ftp（1）
rpc（1）
ddos（1）
jenkins（1）
gcc（1）
ntp（1）
wpf（1）
腾讯云开发者社区（1）
视频分析（1）
防火墙（1）
Web 应用防火墙（1）
sdk（1）
白盒测试（1）
灰盒测试（1）
黑盒测试（1）
flink（1）
drupal（1）
手势识别（1）
汽车（1）
手机行业（1）
项目管理（1）
addeventlistener（1）
aggregate（1）
alpha（1）
amd（1）
anova（1）
app（1）
attr（1）
attributeerror（1）
auto（1）
axes（1）
axis（1）
bigdecimal（1）
binary（1）
block（1）
callback（1）
categories（1）
children（1）
class（1）
click（1）
cookie（1）
copy（1）
csv（1）
cut（1）
cython（1）
dataset（1）
date（1）
datetime（1）
db（1）
delay（1）
dom（1）
dp（1）
draw（1）
el（1）
email（1）
embed（1）
encoding（1）
event（1）
excel（1）
facebook（1）
field（1）
file（1）
filter（1）
flickr（1）
format（1）
gitlab（1）
goto（1）
graph（1）
graphviz（1）
height（1）
hid（1）
history（1）
icon（1）
im（1）
init（1）
io（1）
ipython（1）
jupyter（1）
limit（1）
location（1）
lstm（1）
mac（1）
mask（1）
matplotlib（1）
maze（1）
medium（1）
message（1）
mkdir（1）
mnist（1）
module（1）
networkx（1）
nltk（1）
ode（1）
orm（1）
package（1）
padding（1）
pascal（1）
path（1）
plot（1）
position（1）
preferences（1）
process（1）
protobuf（1）
pytest（1）
random（1）
ref（1）
root（1）
rules（1）
sample（1）
scale（1）
scipy（1）
scrum（1）
session（1）
settings（1）
sf（1）
shadow（1）
shift（1）
simulation（1）
slice（1）
sort（1）
split（1）
ssis（1）
state（1）
status（1）
stock（1）
stream（1）
struct（1）
subplot（1）
sum（1）
tail（1）
talend（1）
this（1）
timedelta（1）
timer（1）
timestamp（1）
ui（1）
undefined（1）
updating（1）
using（1）
variables（1）
video（1）
view（1）
vim（1）
wireless（1）
wireshark（1）
zoo（1）
笔记（1）
博客（1）
布局（1）
操作系统（1）
创业（1）
存储过程（1）
登录（1）
多线程（1）
工程师（1）
规范化（1）
监控（1）
开发环境（1）
科技（1）
可视化（1）
漏洞（1）
通信（1）
文件系统（1）
信息安全（1）
性能分析（1）
序列化（1）
移动端（1）
隐私（1）
语法（1）
作用域（1）
自然语言处理（1）
LoRa（1）
搜索文章
搜索
搜索
关闭
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（九）
tensorflow
keras
函数
数据
机器学习
¹ Jasper Snoek 等人，“机器学习算法的实用贝叶斯优化”，《第 25 届国际神经信息处理系统会议论文集》2（2012）：2951–2959。
ApacheCN_飞龙
2024-05-24
101
0
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（一）
机器学习
tensorflow
keras
模型
数据
2006 年，Geoffrey Hinton 等人发表了一篇论文，展示了如何训练一个能够以最先进的精度（>98%）识别手写数字的深度神经网络。他们将这种技术称为“深度学习”。深度神经网络是我们大脑皮层的（非常）简化模型，由一系列人工神经元层组成。在当时，训练深度神经网络被普遍认为是不可能的，大多数研究人员在 1990 年代末放弃了这个想法。这篇论文重新激起了科学界的兴趣，不久之后，许多新论文证明了深度学习不仅是可能的，而且能够实现令人惊叹的成就，其他任何机器学习（ML）技术都无法匹敌（在巨大的计算能力和大量数据的帮助下）。这种热情很快扩展到许多其他机器学习领域。
ApacheCN_飞龙
2024-05-24
608
0
Sklearn、TensorFlow 与 Keras 机器学习实用指南第三版（二）
模型
机器学习
tensorflow
keras
函数
在第一章中，我提到最常见的监督学习任务是回归（预测值）和分类（预测类）。在第二章中，我们探讨了一个回归任务，使用各种算法（如线性回归、决策树和随机森林）来预测房屋价值（这将在后面的章节中进一步详细解释）。现在我们将把注意力转向分类系统。
ApacheCN_飞龙
2024-05-24
189
0
fast.ai 机器学习笔记（一）
机器学习
变量
模型
数据
学习笔记
数据科学 ≠ 软件工程 [08:43]。你会看到一些不符合 PEP 8 的代码和import *之类的东西，但暂时跟着走一段时间。我们现在正在做的是原型模型，原型模型有一套完全不同的最佳实践，这些实践在任何地方都没有教授。关键是能够非常互动和迭代地进行操作。Jupyter 笔记本使这变得容易。如果你曾经想知道display是什么，你可以做以下三件事之一：
ApacheCN_飞龙
2024-02-11
348
0
iBooker 布客技术评论 20230814
机器学习
笔记
编程
程序员
函数
ChatGPT 目前还很嫩，我教你一个检验AI编程的办法，也是检验AI和程序员的实力差距。
ApacheCN_飞龙
2023-10-13
107
0
TensorFlow 图像深度学习实用指南：1~3 全
机器学习
tensorflow
深度学习
模型
数据
我们需要下载 Docker 才能安装它，在本节中，您将看到我们如何在 Windows 上安装 Docker 并使用适合在 Linux 上安装的脚本。
ApacheCN_飞龙
2023-04-24
866
0
使用 TensorFlow 构建机器学习项目：1~5
机器学习
tensorflow
变量
函数
数据
TensorFlow 是用于使用数据流图进行数值计算的开源软件库。 图中的节点表示数学运算，而图的边缘表示在它们之间传递的多维数据数组（张量）。
ApacheCN_飞龙
2023-04-23
1.3K
0
使用 TensorFlow 构建机器学习项目：6~10
机器学习
tensorflow
架构
模型
数据
卷积神经网络是当前使用的许多最高级模型的一部分。 它们被用于许多领域，但是主要的应用领域是图像分类和特征检测领域。
ApacheCN_飞龙
2023-04-23
2.2K
0
TensorFlow 机器学习秘籍第二版：1~5
机器学习
tensorflow
函数
模型
数据
在本章中，我们将介绍一些基本的秘籍，以便了解 TensorFlow 的工作原理以及如何访问本书的数据和其他资源。
ApacheCN_飞龙
2023-04-23
1.4K
0
TensorFlow 机器学习秘籍第二版：6~8
机器学习
tensorflow
函数
模型
数据
在本章中，我们将介绍神经网络以及如何在 TensorFlow 中实现它们。大多数后续章节将基于神经网络，因此学习如何在 TensorFlow 中使用它们非常重要。在开始使用多层网络之前，我们将首先介绍神经网络的基本概念。在上一节中，我们将创建一个神经网络，学习如何玩井字棋。
ApacheCN_飞龙
2023-04-23
910
0
TensorFlow 机器学习秘籍第二版：9~11
机器学习
tensorflow
函数
模型
数据
在本章中，我们将介绍循环神经网络（RNN）以及如何在 TensorFlow 中实现它们。我们将首先演示如何使用 RNN 来预测垃圾邮件。然后，我们将介绍一种用于创建莎士比亚文本的 RNN 变体。我们将通过创建 RNN 序列到序列模型来完成从英语到德语的翻译：
ApacheCN_飞龙
2023-04-23
943
0
Python 人工智能：1~5
机器学习
python
人工智能
模型
数据
在本章中，我们将讨论人工智能（AI）的概念及其在现实世界中的应用。 我们在日常生活中花费了大量时间与智能系统进行交互。 这可以采取以下形式：在互联网上搜索某些内容，进行生物特征识别的人脸识别或将口语单词转换为文本。 人工智能是这一切的核心，它正在成为我们现代生活方式的重要组成部分。 所有这些系统都是复杂的实际应用，而 AI 通过数学和算法解决了这些问题。 在整本书中，我们将学习可用于构建此类应用的基本原理。 我们的总体目标是使您能够应对日常生活中可能遇到的具有挑战性的新 AI 问题。
ApacheCN_飞龙
2023-04-23
884
0
数据科学和人工智能技术笔记 十八、Keras
keras
scikit-learn
机器学习
深度学习
人工智能
在 Keras 中，我们可以通过在我们的网络架构中添加Dropout层来实现丢弃。 每个Dropout层将丢弃每批中的一定数量的上一层单元，它是由用户定义的超参数。 请记住，在 Keras 中，输入层被假定为第一层，而不是使用add添加。 因此，如果我们想要将丢弃添加到输入层，我们在其中添加的图层是一个丢弃层。 该层包含输入层单元的比例，即0.2和input_shape，用于定义观测数据的形状。 接下来，在每个隐藏层之后添加一个带有0.5的丢弃层。
ApacheCN_飞龙
2022-12-02
2.4K
0
数据科学和人工智能技术笔记 十七、聚类
机器学习
编程算法
批量计算
在 scikit-learn 中，AgglomerativeClustering使用linkage参数来确定合并策略，来最小化（1）合并簇的方差（ward），（2）来自簇对的观测点的距离均值（average） ，或（3）来自簇对的观测之间的最大距离（complete）。
ApacheCN_飞龙
2022-12-02
627
0
数据科学和人工智能技术笔记 十六、朴素贝叶斯
机器学习
神经网络
深度学习
人工智能
伯努利朴素贝叶斯分类器假设我们的所有特征都是二元的，它们仅有两个值（例如，已经是独热编码的标称分类特征）。
ApacheCN_飞龙
2022-12-02
695
0
数据科学和人工智能技术笔记 十五、支持向量机
scikit-learn
机器学习
神经网络
深度学习
人工智能
SVC 使用超平面来创建决策区域，不会自然输出观察是某一类成员的概率估计。 但是，我们实际上可以通过一些技巧输出校准的类概率。 在 SVC 中，可以使用 Platt 缩放，其中首先训练 SVC，然后训练单独的交叉验证逻辑回归来将 SVC 输出映射到概率：
ApacheCN_飞龙
2022-12-02
1K
0
数据科学和人工智能技术笔记 十四、K 最近邻
scikit-learn
机器学习
神经网络
深度学习
人工智能
: 研究者指定的正数。 K 表示最接近特定观测的观测数，它定义了“邻域”。 例如，K = 2意味着每个观测都有一个邻域，包含最接近它的另外两个观测。
ApacheCN_飞龙
2022-12-02
710
0
数据科学和人工智能技术笔记 十三、树和森林
决策树
机器学习
神经网络
深度学习
人工智能
最重要的参数是base_estimator，n_estimators和learning_rate。
ApacheCN_飞龙
2022-12-02
1.3K
0
数据科学和人工智能技术笔记 十一、线性回归
scikit-learn
机器学习
神经网络
深度学习
人工智能
表示两者之间的交互。使用 scikit-learn 的PolynomialFeatures，来为所有特征组合创建交互术项会很有用。 然后，我们可以使用模型选择策略，来识别产生最佳模型的特征和交互项的组合。
ApacheCN_飞龙
2022-12-02
1.1K
0
数据科学和人工智能技术笔记 十二、逻辑回归
正则表达式
scikit-learn
机器学习
神经网络
深度学习
scikit-learn 的LogisticRegressionCV方法包含一个参数C。 如果提供了一个列表，C是可供选择的候选超参数值。 如果提供了一个整数，C的这么多个候选值，将从 0.0001 和 10000 之间的对数标度（C的合理值范围）中提取。
ApacheCN_飞龙
2022-12-02
735
0
点击加载更多
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪，探寻中国数据库50年的发展历程
立即查看
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
