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

AI科技时讯

专栏作者

252

文章

222548

阅读量

28

订阅数

机器学习领域自适应学习domain adptation

机器学习测试模型数据自适应学习

训练数据和测试数据不一致，比如训练数据是黑白的，测试时彩色的，结果准确率非常低。训练数据和测试数据有点差距的时候，能不能效果也能好呢？这就用到了领域自使用domain adptation

2023-12-01

1330

机器学习介绍

机器学习监督学习 function 程序模型

Hand-crafted rules，叫做人设定的规则。那假设今天要设计一个机器人，可以帮忙打开或关掉音乐，那做法可能是这样：

2023-09-11

1910

机器学习：基于逻辑回归的分类预测

机器学习测试函数模型数据

尽管名为“回归”，逻辑回归实际上是一种分类模型，广泛应用于各个领域。当今社会，深度学习在许多方面已取得了显著成果，使得传统方法相形见绌。然而，正是由于这些传统方法所具有的独特优势，它们依然在各个领域发挥着重要作用。

2023-09-01

2950

数据不平衡问题

https 网络安全机器学习神经网络深度学习

对于一些二分类问题或者多分类问题，部分类别数据相较于其它类别数据而言是要小得多的，这种现象就是数据不平衡问题。数据不平衡问题会导致什么情况呢？假如是基于一些特征判断病人是否患有该疾病，且该疾病是一个小概率获得的疾病，假设概率为0.0001，那么表明有10000个来看病的人中只有一个人患有该疾病，其余9999个人都是正常病人。如果用这样的一批数据进行训练模型算法，即使该模型什么都不学，都判定为正常人，其准确率高达0.9999，完全满足上线要求。但我们知道，这个模型是不科学的，是无用的模型。这种数据分布严重不平衡的情况下，模型将具有严重的倾向性，倾向于数据样本的多的类别，因为模型每次猜样本多对应的类别的对的次数多。因此，如果直接将严重数据不平衡的数据拿来直接训练算法模型，将会遇到上述问题。一般在10倍以上可以判定为数据不平衡问题。

2023-02-14

6310

当前人工智能特别是深度学习最前沿的研究方向是什么？

强化学习迁移学习深度学习神经网络机器学习

当前深度学习技术主要是data driven的，即对一个特定任务来说，只要增加训练数据的规模，深度学习模型的表现就可以得到提高。但是发展到今天，这种思路面临很多挑战。主要面临下面几个问题：

2020-11-19

2.2K0

LSTM介绍及反向传播算法推导

机器学习深度学习人工智能编程算法

LSTM(Long short-term memory)通过刻意的设计来避免长期依赖问题，是一种特殊的RNN。长时间记住信息实际上是 LSTM 的默认行为，而不是需要努力学习的东西！

2020-11-04

9960

如何使用python处理稀疏矩阵

numpy 文件存储机器学习神经网络深度学习

大多数机器学习从业者习惯于在将数据输入机器学习算法之前采用其数据集的矩阵表示形式。矩阵是一种理想的形式，通常用行表示数据集实例，用列表示要素。

2020-05-20

3.4K0

图像检索：基于内容的图像检索技术（二）

机器学习神经网络深度学习人工智能

相同物体图像检索是指对查询图像中的某一物体，从图像库中找出包含有该物体的图像。这里用户感兴趣的是图像中包含的特定物体或目标，并且检索到的图片应该是包含有该物体的那些图片。如1.3图所示，给定一幅”蒙娜丽莎”的画像，相同物体检索的目标就是要从图像库中检索出那些包含有”蒙娜丽莎”人物的图片，在经过相似性度量排序后这些包含有”蒙娜丽莎”人物的图片尽可能的排在检索结果的前面。相似物体检索在英文文献中一般称为物体检索(Object Retrieval)，近似样本搜索或检测(Duplicate Search or Detection)也可以归类于相同物体的检索，并且相同物体检索方法可以直接应用到近似样本搜索或检测上。相同物体检索不论是在研究还是在商业图像搜索产业中都具有重大的价值，比如购物应用中搜索衣服鞋子、人脸检索等。

2020-03-04

1.3K0

南京大学吴建鑫教授「卷积神经网络CNN」笔记，35页pdf初学者学习指南理解CNN数学原理

卷积神经网络 https 网络安全机器学习神经网络

【导读】卷积神经网络是深度学习中的基础模型。南京大学吴建鑫教授的「卷积神经网络CNN」笔记，35页pdf初学者学习指南理解CNN数学原理。

2020-03-04

1.4K0

深度学习用于图片的分类和检测总结

机器学习神经网络深度学习人工智能

1. CNN用于分类：具体的过程大家都知道，无非是卷积，下采样，激活函数，全连接等。CNN用于分类要求它的输入图片的大小是固定的（其实不单单是CNN，很多其它的方法也是这样的），这是它的一个不足之处之一。目前的大部分CNN都是用来做分类比较多。

2019-08-16

9400

深度学习任务面临非平衡数据问题？试试这个简单方法

数据库机器学习神经网络深度学习人工智能

对于数据科学或机器学习研究者而言，当解决任何机器学习问题时，可能面临的最大问题之一就是训练数据不平衡的问题。本文将尝试使用图像分类问题来揭示训练数据中不平衡类别的奥秘。

2019-08-16

7200

机器学习在实时性欺诈检测中的应用案例

机器学习神经网络深度学习人工智能数据库

“机器学习”是一门计算机科学，指的是机器对数据进行学习，并执行一些通常来说需要人类智力来完成的任务。现在，该技术正在快速发展的阶段：据Gartner称，到2022年，超过一半的数据和分析服务将由机器代替人来完成，将会比现在增长10％。

2019-08-16

1.2K0

仅用四行代码实现RNN文本生成模型

机器学习神经网络深度学习人工智能 git

文本生成（generating text）对机器学习和NLP初学者来说似乎很有趣的项目之一，但也是一个非常困难的项目。值得庆幸的是，网络上有各种各样的优秀资源，可以用于了解RNN如何用于文本生成，从理论到深入具体的技术，都有一些非常好的资源。所有的这些资源都会特别分享一件事情：在文本生成过程中的某个时候，你必须建立RNN模型并调参来完成这项工作。虽然文本生成是一项有价值的工作，特别是在学习的该过程中，但如果任务抽象程度高，应该怎么办呢？如果你是一个数据科学家，需要一个RNN文本生成器形式的模块来填充项目呢？或者作为一个新人，你只是想试试或者提升下自己。对于这两种情况，都可以来看看textgenrnn项目，它用几行代码就能够轻松地在任何文本数据集上训练任意大小和复杂的文本生成神经网络。 textgenrnn项目由数据科学家Max Woolf开发而成。 textgenrnn是建立在Keras和TensorFlow之上的，可用于生成字符和文字级文本。网络体系结构使用注意力加权来加速训练过程并提高质量，并允许调整大量超参数，如RNN模型大小、RNN层和双向RNN。读者可以在Github上或类似的介绍博客文章中阅读有关textgenrnn及其功能和体系结构的更多信息。

2019-08-16

6460

数据科学求职建议：掌握5种类型的数据科学项目

机器学习神经网络深度学习人工智能 python

一年一度的秋招已经打响了发令枪，从去年的薪酬排行来看，算法工程师和数据分析等工作排在前列，很多相关专业的学生一直在自学一些网络上的公开课并阅读一些专业书籍，比如“西瓜书”、“花书”等，如果你现在仍然什么也没有准备的话，然而还想从事数据科学领域这个似乎令人望而生畏的工作话，现在就要抓紧补补相关的知识了。在这里要提示一点，自我完善的知识不要局限于数据分析相关的知识，还要额外补充下相关领域的知识。另外，简历上展示个人技能的最佳方式是使用技能组合的形式，这样能让雇主相信你可以使用你已经学习的技能。为了展示这些技能，以下是你应该着重补充的5种数据科学项目组合类型：

2019-08-16

4840

入门项目数字手写体识别：使用Keras完成CNN模型搭建

打包深度学习卷积神经网络机器学习神经网络

对于图像分类任务而言，卷积神经网络（CNN）是目前最优的网络结构，没有之一。在面部识别、自动驾驶、物体检测等领域，CNN被广泛使用，并都取得了最优性能。对于绝大多数深度学习新手而言，数字手写体识别任务可能是第一个上手的项目，网络上也充斥着各种各样的成熟工具箱的相关代码，新手在利用相关工具箱跑一遍程序后就能立刻得到很好的结果，这时候获得的感受只有一个——深度学习真神奇，却没能真正了解整个算法的具体流程。本文将利用Keras和TensorFlow设计一个简单的二维卷积神经网络（CNN）模型，手把手教你用代码完成MNIST数字识别任务，便于理解深度学习的整个流程。

2019-08-16

7750

深度学习技巧与窍门

keras 迁移学习深度学习机器学习人工智能

本文是根据自身构建深度学习模型总结而来，可能读起来比较干巴，但干货确实不少。闲话少叙，直接进入相关内容。

2019-08-16

7940

银行业AI：炒作背后的现实——“尽管对新技术感到兴奋，但银行业态度非常谨慎”

机器人机器学习神经网络深度学习人工智能

随着人工智能的发展，越来越多的行业都或多或少会受到该技术的影响。在博主之前的文章中，分析了人工智能、大数据以及VR对教育行业的影响，本文将分析人工智能对银行业的影响。

2019-08-16

4900

人工智能和机器学习的前世今生

编程算法 python 机器学习深度学习

如果正确的利用模式识别进行商业预测和决策，那么会为企业带来巨大的利益。机器学习（ML）研究这些模式，并将人类决策过程编码成算法。这些算法可以被应用到几个实例以得出有意义的结论。在这篇文章中，我们将了解一些机器学习的基础、工作原理及特点。

2019-08-16

4740

将算法进一步开发吗？手把手教你搭建基于CNN模型的Flask Web应用

神经网络机器学习深度学习人工智能 flask

对于机器学习和人工智能研究人员而言，好多人都只是构建好模型后就没有进一步处理了，停留在一个比较粗糙的模型上面，没有将其变成一个产品，其实好多创业型人工智能公司都是设计好模型后，将其转化成产品，之后再推向市场。每一个深度学习研究者心中或多或少都想成为一名创业者，但不知道超哪个方向发展。那么，本文将从最简单的网页应用开始，一步一步带领你使用TensorFlow创建一个卷积神经网络（CNN）模型后，使用Flash RESTful API将模型变成一个网页应用产品。本文使用TensorFlow NN模块构建CNN模型，并在CIFAR-10数据集上进行训练和测试。为了使模型可以远程访问，使用Python创建Flask web应用来接收上传的图像，并使用HTTP返回其分类标签。

2019-08-16

9420

50多种适合机器学习和预测应用的API，你的选择是？（2018年版本）

api 人脸识别机器学习神经网络深度学习

对于做工程项目和搞科研的人来说，有现成的模块或工具使用是一件多么美妙的事情啊，无需访问源码或理解内部工作机制的细节即可完成相应的任务。常用的方法是调用一些API，即一些预先定义的函数，目的是提供应用程序与开发人员基于某软件或硬件得以访问一组例程的能力。本文总结对于机器学习行业者有用的50多个API，主要涉及的领域如下：

2019-08-16

1.3K0

点击加载更多

社区活动

RAG七天入门训练营

鹅厂大牛手把手带你上手实战，赢鹅厂证书、公仔好礼！

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