HelloWorld 开发者社区

科技资讯

全部资讯

开源项目

全部项目

推荐好文

天池数据集|精品数据集推荐(工业篇)

<blockquote数据是人工智能时代重要的生产要素,高质量训练数据对深度学习模型的建立和优化有关键性的作用,建立大规模、高水准的标注数据集,是推动AI科研和技术前进的驱动力。</blockquote制造业是我国国民经济的主体,推动数字化转型,降本增质提速是当今制造业的发展方向。天池通过举

7次KDD Cup&Kaggle冠军的经验分享:从多领域优化到AutoML框架

<blockquote反馈快速,竞争激烈的算法比赛是算法从业者提升技术水平的重要方式,从若干行业核心问题抽象出的算法比赛具有很强的实际意义。本文结合笔者在7次Kaggle/KDDCup中的冠军经验,对于多领域建模优化,AutoML技术框架,以及面对新问题如何分析建模三个方面进行了介绍。希望能够让

Kaggle Tabular Playground Series - Jan 2022 的baseline和日期特征处理

Kaggle决定将他们每月的表格竞赛延续到2022年这对于我们来说是非常好的消息。并且也Kaggle表示他们已经考虑大家的评论,所以我希望这意味着他们将不再使用庞大到使系统崩溃的数据集,这次1月的比赛数据集就不是很大。在我看来,2022年1月的竞赛问题是对涵盖几年时间的销售额的预测

数据变异性的度量 - 极差、IQR、方差和标准偏差

variability被称作变异性或者可变性,它描述了数据点彼此之间以及距分布中心的距离。可变性有时也称为扩散或者分散。因为它告诉你点是倾向于聚集在中心周围还是更广泛地分散。低变异性是理想的,因为这意味着可以根据样本数据更好地预测有关总体的信息。高可变性意味着值的一致性较低,因此更难做出预测

机器学习算法系列(三)- 标准线性回归算法(Standard Linear Regression Algorithm)

阅读本文需要的背景知识点:矩阵求导、一丢丢编程知识一、引言  前面介绍了两种二元分类算法——感知器算法、口袋算法,这些算法解决的都是分类的问题,但是现实中更多的是例如预测某一地区的房价、银行该给某个人多少额度的信用卡、今天应该买卖多少股票等等这种最后得到一个具体数值结果的问题,这种

机器学习算法系列(二)- 口袋算法(Pocket Algorithm)

阅读本文需要的背景知识点:感知器学习算法、一丢丢编程知识一、引言  前面一节我们学习了机器学习算法系列(一)感知器学习算法(PLA),该算法可以将数据集完美的分成两种类型,但有一个前提条件就是假定数据集是线性可分的。  在实际收集数据的过程中,可能因为各种各样的原因(例如反垃圾

正在加载更多文章…

加载更多

已加载文章中没有匹配内容,可继续加载更多。