全部 人工智能學(xué)科動態(tài) 人工智能技術(shù)資訊 人工智能常見問題 技術(shù)問答

• • 

    文本數(shù)據(jù)分析有什么作用？常用的文本數(shù)據(jù)分析方法

    文本數(shù)據(jù)分析能夠有效幫助我們理解數(shù)據(jù)語料, 快速檢查出語料可能存在的問題, 并指導(dǎo)之后模型訓(xùn)練過程中一些超參數(shù)的選擇。我們基于真實的中文酒店評論語料來講解常用的幾種文本數(shù)據(jù)分析方法。 查看全文>>

    人工智能技術(shù)資訊2022-02-09 |傳智教育 |文本數(shù)據(jù)分析,文本數(shù)據(jù)分析方法

  • 

    Numpy模塊執(zhí)行數(shù)組間的轉(zhuǎn)換操作

    ndarray對象提供了一些可以便捷地改變數(shù)組基礎(chǔ)形狀的屬性和方法，例如，將一個3行4列的二維數(shù)組轉(zhuǎn)換成6行2列的二維數(shù)組，關(guān)于這些屬性和方法的具體說明如表9-3所示。 查看全文>>

    人工智能技術(shù)資訊2021-12-09 |傳智教育 |Numpy基礎(chǔ)操作

  • 

    什么是交叉驗證？什么是網(wǎng)格搜索？

    交叉驗證就是將拿到的訓(xùn)練數(shù)據(jù)，分為訓(xùn)練和驗證集。以下圖為例：將數(shù)據(jù)分成4份，其中一份作為驗證集。然后經(jīng)過4次(組)的測試，每次都更換不同的驗證集。即得到4組模型的結(jié)果，取平均值作為最終結(jié)果。又稱4折交叉驗證。 查看全文>>

    人工智能技術(shù)資訊2021-10-28 |傳智教育 |交叉驗證,網(wǎng)格搜索

  • 

    隨機(jī)森林構(gòu)造有哪些步驟？隨機(jī)森林案例展示

    如果不是有放回的抽樣，那么每棵樹的訓(xùn)練樣本都是不同的，都是沒有交集的，這樣每棵樹都是“有偏的”，都是絕對“片面的”(當(dāng)然這樣說可能不對)，也就是說每棵樹訓(xùn)練出來都是有很大的差異的;而隨機(jī)森林最后分類取決于多棵樹(弱分類器)的投票表決。 查看全文>>

    人工智能技術(shù)資訊2021-09-16 |傳智教育 |隨機(jī)森林

  • 

    決策樹的劃分依據(jù)二:信息增益率

    實際上，信息增益準(zhǔn)則對可取值數(shù)目較多的屬性有所偏好，為減少這種偏好可能帶來的不利影響，著名的 C4.5 決策樹算法 [Quinlan， 1993J 不直接使用信息增益，而是使用"增益率" (gain ratio) 來選擇最優(yōu)劃分屬性.增益率：增益率是用前面的信息增益Gain(D, a)和屬性a對應(yīng)的"固有值"(intrinsic value) [Quinlan , 1993J的比值來共同定義的。 查看全文>>

    人工智能技術(shù)資訊2021-09-16 |傳智教育 |決策樹的劃分依據(jù),信息增益率

  • 

    決策樹的劃分依據(jù)一：信息增益

    信息增益：以某特征劃分?jǐn)?shù)據(jù)集前后的熵的差值。熵可以表示樣本集合的不確定性，熵越大，樣本的不確定性就越大。因此可以使用劃分前后集合熵的差值來衡量使用當(dāng)前特征對于樣本集合D劃分效果的好壞。 查看全文>>

    人工智能技術(shù)資訊2021-09-16 |傳智教育 |決策樹,決策樹,決策樹的劃分依據(jù)

  • 

    機(jī)器學(xué)習(xí)中入門級必學(xué)的算法有哪些？

    K Nearest Neighbor算法又叫KNN算法，這個算法是機(jī)器學(xué)習(xí)里面一個比較經(jīng)典的算法， 總體來說KNN算法是相對比較容易理解的算法，如果一個樣本在特征空間中的k個最相似(即特征空間中最鄰近)的樣本中的大多數(shù)屬于某一個類別，則該樣本也屬于這個類別。 查看全文>>

    人工智能技術(shù)資訊2021-08-26 |傳智教育 |機(jī)器學(xué)習(xí)中入門級必學(xué)的算法

  • 

    OPenCV中如何實現(xiàn)ORB算法？【OpenCV教程】

    OPenCV中如何實現(xiàn)ORB算法？在OPenCV中實現(xiàn)ORB算法，使用的是： 查看全文>>

    人工智能技術(shù)資訊2021-07-30 |傳智教育 |OPenCV中如何實現(xiàn)ORB算法

  << < 1 2 3 4 5 6 7 8 9 10 > >>