✨汀、

摘要： 【机器学习入门与实践】数据挖掘-二手车价格交易预测（含EDA探索、特征工程、特征优化、模型融合等） 阅读全文

摘要： NLP专栏简介：数据增强、智能标注、意图识别算法|多分类算法、文本信息抽取、多模态信息抽取、可解释性分析、性能调优、模型压缩算法等 专栏链接：NLP领域知识+项目+码源+方案设计 订阅本专栏你能获得什么？ 前人栽树后人乘凉，本专栏提供资料：数据增强、智能标注、意图识别算法|多分类算法、文本信息抽取、 阅读全文

摘要： 深度学习基础入门篇[二]：机器学习常用评估指标:AUC、mAP、IS、FID、Perplexity、BLEU、ROUGE等详解 阅读全文

摘要： 深度学习基础入门篇[一]：神经元简介、单层多层感知机、距离计算方法式、相似度函数 阅读全文

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