所有文章
> 当前分类:AI驱动
强化学习+扩散模型的综述
2024/12/24
1 前言 扩散模型（Diffusion Model）已成为一种十分强大的生成模型，在多个领域取得了显著进展。在强化学习（RL）领域，扩散模型被应用于序列决策任务，特别是在离线RL中，用于拟合轨迹生成、规划未来轨迹、替换传统高斯策略、增...
10大机器学习聚类算法实现（Python）
【AI驱动】
本教程分为三部分： 一、聚类 二、聚类算法 三、聚类算法示例 1 库安装 2 聚类数据集 3 示例 3.1 亲和力传播 3.2 聚合聚类 3.3 BIRCH 3.4...
2024/12/23
树模型决策的可解释性与微调(Python)
【AI驱动】
一、树模型的解释性 集成学习树模型因为其强大的非线性能力及解释性，在表格类数据挖掘等任务中应用频繁且表现优异。 模型解释性对于某些领域（如金融风控）是极为看重的，对于树模型的解释性，我们常常可以通过输出树模型的结构或使用shap...
2024/12/23
统计学习模型：概念、建模预测及评估
【AI驱动】
01. 前言 之前在硕士阶段，统计学习（SL）既不是我的研究方向、也不是我的研究工具，所以了解甚少。之前我与 SL 唯一的接触停留在非常走马观花的读过一遍 ISLR 那本书，积累的技能仅限于在 R 里调包来 fit 简单的 model...
2024/12/23
机器学习&深度学习的算法概览
【AI驱动】
基本概念 1.有监督学习与无监督学习 根据样本数据是否带有标签值，可以将机器学习算法分成有监督学习和无监督学习两类。有监督学习的样本数据带有标签值，它从训练样本中学习得到一个模型，然后用这个模型对新的样本进行预测推断。有监督学习...
2024/12/23
机器学习统计概率分布全面总结（Python）
【AI驱动】
在平时的科研中，我们经常使用统计概率的相关知识来帮助我们进行城市研究。因此，掌握一定的统计概率相关知识非常有必要。 本文将讨论我们经常遇到的概率分布，希望能从概念层面帮助大家建立总体认知。 本文涉及的概念包括： 随机变量...
2024/12/23
金融风控的迁移学习及实践(Tabular Data)
【AI驱动】
一、迁移学习 机器学习有一个基本假设：数据同分布。可参考之前这篇介绍:《数据不同分布，怎么整？》 然而，现实中的数据情况通常有点坎坷，数据不同分布的也很常见。那已有的大量其他领域的数据如何利用在当前领域的任务呢？这也是迁移学习所要解决...
2024/12/23
机器学习回归模型的最全总结！
【AI驱动】
什么是回归分析？ 回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。例如，司机的鲁莽驾驶与道路交通事故数量之间的关系，最好的研究方法...
2024/12/23
图解机器学习神器：Scikit-Learn
【AI驱动】
本文详解 Scikit-learn 工具库的用法，覆盖机器学习基础知识、SKLearn讲解、SKLearn三大核心API、SKLearn高级API等内容。 在本篇内容中，我们展开讲解SKLearn的进阶与核心内容。SKLe...
2024/12/23
机器学习降维算法汇总！
【AI驱动】
最近看了一些关于降维算法的东西，本文首先给出了七种算法的一个信息表，归纳了关于每个算法可以调节的(超)参数、算法主要目的等等，然后介绍了降维的一些基本概念，包括降维是什么、为什么要降维、降维可以解决维数灾难等，然后分析可以从什么样的角度来降...
2024/12/23
一文深度解读模型评估方法
【AI驱动】
我们训练学习好的模型，通过客观地评估模型性能，才能更好实际运用决策。模型评估主要有：预测误差情况、拟合程度、模型稳定性等方面。还有一些场景对于模型预测速度（吞吐量）、计算资源耗用量、可解释性等也会有要求，这里不做展开。 一、评估预测误...
2024/12/23
一文通俗讲透树模型
【AI驱动】
前言 决策树模型因为其特征预处理简单、易于集成学习、良好的拟合能力及解释性，是应用最广泛的机器学习模型之一。 不同于线性模型【数学描述：f(W*X +b)】是通过数据样本学习各个特征的合适权重，加权后做出决策。决策树会选...
2024/12/23
一文归纳Ai数据增强之法
【AI驱动】
数据、算法、算力是人工智能发展的三要素。数据决定了Ai模型学习的上限，数据规模越大、质量越高，模型就能够拥有更好的泛化能力。然而在实际工程中，经常有数据量太少(相对模型而言)、样本不均衡、很难覆盖全部的场景等问题，解决这类问题的一个有效途径...
2024/12/23
一文概览量子机器学习！
【AI驱动】
0 背景介绍 机器学习是人工智能的核心组成，在过去十几年里不断发展，并对其他领域产生了深远的影响。近几年，研究人员发现结合量子计算特性的新型机器学习算法可实现对传统算法的加速，该类成果引起了广泛的关注和研究。 1&nbs...
2024/12/23
Python特征重要性分析的9个常用方法
【AI驱动】
特征重要性分析用于了解每个特征(变量或输入)对于做出预测的有用性或价值。目标是确定对模型输出影响最大的最重要的特征，它是机器学习中经常使用的一种方法。 为什么特征重要性分析很重要? 如果有一个包含数十个甚至数百个特征的数...
2024/12/23
机器学习模型评价、模型与算法选择（综述）
【AI驱动】
摘要：模型评估、模型选择和算法选择技术的正确使用在学术性机器学习研究和诸多产业环境中异常关键。本文回顾了用于解决以上三项任务中任何一个的不同技术，并参考理论和实证研究讨论了每一项技术的主要优势和劣势。进而，给出建议以促进机器学习研究与应用方...
2024/12/23
搜索文章
热门话题
