所有文章
> 当前分类:AI驱动
逻辑回归优化技巧总结（全）
2024/12/30
一、LR的特征生成 逻辑回归是简单的广义线性模型，模型的拟合能力很有限，无法学习到特征间交互的非线性信息：一个经典的示例是LR无法正确分类非线性的XOR数据，而通过引入非线性的特征（特征生成），可在更高维特征空间实现XOR线性可分，如...
机器学习数据工程的概述
【AI驱动】
0 前言 吴恩达：过去十年，人工智能最大的转变是深度学习，而接下来的十年，我认为会转向以数据为中心Data-centric Artificial Intelligence（DCAI）。随着神经网络架构的成熟，对于许多实际...
2024/12/30
如何解释机器学习模型的决策?（Python）
【AI驱动】
机器学习模型变得越来越复杂和准确，但它们的不透明性仍然是一个重大挑战。理解为什么一个模型会做出特定的预测，对于建立信任和确保它按照预期行事至关重要（扩展阅读：机器学习模型可解释性的综述）。在本文中，我们将介绍LIME，并使用它来解释各种常见...
2024/12/30
11个机器学习的高级可视化图表
【AI驱动】
可视化对于理解复杂的数据模式和关系至关重要，它们在数据分析中发挥着至关重要的作用，提供了通常难以从原始数据或传统数字表示中辨别出来的见解。我们将介绍11个机器学习最重要和必须知道的图表，这些图表有助于揭示数据中的信息，使复杂数据更加可理解和...
2024/12/30
图神经网络(GNN)和神经网络的关系
【AI驱动】
1 介绍 深度神经网络由神经元组成，组织成层并相互连接，通过计算图捕捉其架构，其中神经元表示为节点，有向边连接不同层神经元。神经网络性能取决于其架构，但目前对神经网络精度与底层图结构之间的关系尚缺乏系统理解。这直接影响到设...
2024/12/30
挑战Transformer！Mamba的架构及实现（Pytorch）
【AI驱动】
__Mamba一经出现就在人工智能界掀起波澜，被吹捧为[Transformer]( 今天我们来详细研究这篇论文《Mamba:具有选择性状态空间的线性时间序列建模》 
