✨汀、

摘要： 基于Label studio实现UIE信息抽取智能标注方案，提升标注效率！ 阅读全文

摘要： 基于Labelstudio的UIE半监督智能标注方案（本地版） 阅读全文

摘要： 工业蒸汽量预测（最新版本下篇） 5.模型验证 5.1模型评估的概念与正则化 5.1.1 过拟合与欠拟合 ### 获取并绘制数据集 import numpy as np import matplotlib.pyplot as plt %matplotlib inline np.random.seed( 阅读全文

摘要： 机器学习实战系列[一]：工业蒸汽量预测（最新版本上篇）含数据探索特征工程等 阅读全文

摘要： 机器学习算法（九）: 基于线性判别模型的LDA手写数字分类识别 阅读全文

摘要： BP（Back Propagation）网络是1986年由Rumelhart和McCelland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层（input）、隐层(hide layer)和输出层(output layer)。在模拟过程中收集系统所产生的误差，通过误差反传，然后调整权值大小，通过该不断迭代更新，最后使得模型趋于整体最优化（这是一个循环，我们在训练神经网络的时候是要不断的去重复这个过程的）。 阅读全文

摘要： 机器学习系列入门系列[七]：基于英雄联盟数据集的LightGBM的分类预测 阅读全文

摘要： 器学习算法（六）基于天气数据集的XGBoost分类预测 阅读全文

摘要： 决策树的主要优点： 1. 具有很好的解释性，模型可以生成可以理解的规则。 2. 可以发现特征的重要程度。 3. 模型的计算复杂度较低。 决策树的主要缺点： 1. 模型容易过拟合，需要采用减枝技术处理。 2. 不能很好利用连续型特征。 3. 预测能力有限，无法达到其他强监督模型效果。 4. 方差较高，数据分布的轻微改变很容易造成树结构完全不同。 阅读全文

摘要： 机器学习算法（四）: 基于支持向量机的分类预测 本项目链接：https://www.heywhale.com/home/column/64141d6b1c8c8b518ba97dcc 1.相关流程 支持向量机（Support Vector Machine，SVM）是一个非常优雅的算法，具有非常完善的 阅读全文