上一页 1 2 3 4 5 6 7 8 9 ··· 79 下一页
摘要: 作者|Shraddha Anala 编译|VK 来源|Towards Data Science 无论我们是谁,阅读、理解、交流并最终产生新的内容是我们在职业生活中都要做的事情。 当涉及到从给定的文本体中提取有用的特征时,所涉及的过程与连续整数向量(词袋)相比是根本不同的。这是因为句子或文本中的信息是 阅读全文
posted @ 2020-11-02 22:24 人工智能遇见磐创 阅读(613) 评论(0) 推荐(0) 编辑
摘要: 作者|Nikhil Adithyan 编译|VK 来源|Towards Data Science 决策树 决策树是当今最强大的监督学习方法的组成部分。决策树基本上是一个二叉树的流程图,其中每个节点根据某个特征变量将一组观测值拆分。 决策树的目标是将数据分成多个组,这样一个组中的每个元素都属于同一个类 阅读全文
posted @ 2020-11-02 00:05 人工智能遇见磐创 阅读(2632) 评论(0) 推荐(0) 编辑
摘要: 作者|James Loy 编译|VK 来源|Towards Data Science 传统的推荐系统基于聚类、最近邻和矩阵分解等方法。然而,近年来,深度学习在从图像识别到自然语言处理等多个领域取得了巨大的成功。推荐系统也得益于深度学习的成功。事实上,如今最先进的推荐系统,比如Youtube和Amaz 阅读全文
posted @ 2020-11-02 00:04 人工智能遇见磐创 阅读(1452) 评论(0) 推荐(0) 编辑
摘要: 作者|B. Chen 编译|VK 来源|Towards Data Science Pandas DataFrame有一个内置方法sort_values(),可以根据给定的变量对值进行排序。该方法本身使用起来相当简单,但是它不适用于自定义排序,例如, t恤尺寸:XS、S、M、L和XL 月份:一月、二月 阅读全文
posted @ 2020-10-31 19:31 人工智能遇见磐创 阅读(6701) 评论(0) 推荐(0) 编辑
摘要: 作者|Ramya Vidiyala 编译|VK 来源|Towards Data Science 深度学习改善了我们生活的许多方面,无论是明显的还是微妙的。深度学习在电影推荐系统、垃圾邮件检测和计算机视觉等过程中起着关键作用。 尽管围绕深度学习作为黑匣子和训练难度的讨论仍在进行,但在医学、虚拟助理和电 阅读全文
posted @ 2020-10-31 19:25 人工智能遇见磐创 阅读(588) 评论(0) 推荐(0) 编辑
摘要: 作者|Hitesh Valecha 编译|VK 来源|Towards Data Science 在本教程中,我们将学习如何使用计算机视觉和图像处理来检测汽车是否在路上变道。 你一定听说过使用Opencv haar cascade可以检测人脸、眼睛或汽车、公共汽车等物体?这次让我们用这个简单的检测方法 阅读全文
posted @ 2020-10-31 19:20 人工智能遇见磐创 阅读(280) 评论(0) 推荐(0) 编辑
摘要: 作者|SANYA4 编译|VK 来源|Analytics Vidhya 介绍 现在神经网络无处不在。各大公司都在硬件和人才上大肆挥霍,以确保他们能够构建最复杂的神经网络,并推出最好的深度学习解决方案。 虽然深度学习是机器学习的一个相当古老的子集,但直到20世纪10年代初,它才得到应有的认可。今天,它 阅读全文
posted @ 2020-10-29 23:26 人工智能遇见磐创 阅读(642) 评论(0) 推荐(0) 编辑
摘要: 作者|Conner Brew 编译|VK 来源|Towards Data Science 介绍 在本文中,我们将创建一个基于战争研究所(ISW)的结构化文档数据库。ISW为外交和情报专业人员提供信息产品,以加深对世界各地发生的冲突的了解。 要查看与本文相关联的原始代码和Notebook,请访问以下链 阅读全文
posted @ 2020-10-29 23:20 人工智能遇见磐创 阅读(370) 评论(0) 推荐(0) 编辑
摘要: 作者|Mahnoor Javed 编译|VK 来源|Towards Data Science 电子邮件分类是一个机器学习问题,属于监督学习范畴。 这个电子邮件分类的小项目的灵感来自J.K.Rowling以笔名出版的一本书。Udacity的“机器学习简介”提供了算法和项目的全面研究:https://w 阅读全文
posted @ 2020-10-29 23:15 人工智能遇见磐创 阅读(583) 评论(0) 推荐(0) 编辑
摘要: 作者|Ram Sagar 编译|VK 来源|Analytics In Diamag “库开发人员不再需要在框架之间进行选择。” 来自德国图宾根人工智能中心的研究人员介绍了一种新的Python框架EagerPy,EagerPy允许开发人员编写独立于PyTorch和TensorFlow等流行框架的代码。 阅读全文
posted @ 2020-10-28 21:20 人工智能遇见磐创 阅读(490) 评论(0) 推荐(0) 编辑
上一页 1 2 3 4 5 6 7 8 9 ··· 79 下一页