發(fā)簡(jiǎn)信
IP屬地：福建
-
一文全面解決樣本不均衡（Python）一蘑志、樣本不均衡的介紹 1.1 樣本不均衡現(xiàn)象 樣本（類別）樣本不平衡（class-imbalance）指的是分類任務(wù)中不同類別的訓(xùn)練樣例數(shù)目差別...
-
一文概括風(fēng)控的遷移學(xué)習(xí)及實(shí)踐(Tabular Data)
一累奈、遷移學(xué)習(xí) 機(jī)器學(xué)習(xí)有一個(gè)基本假設(shè)：數(shù)據(jù)同分布〖钡可參考之前這篇介紹:《數(shù)據(jù)不同分布澎媒，怎么整？》[http://mp.weixin.qq.com...
-
深度學(xué)習(xí)GPU環(huán)境配置及建模(Python)對(duì)于深度學(xué)習(xí)開發(fā)者波桩，操作系統(tǒng)的選擇戒努、到深度學(xué)習(xí)相關(guān)依賴包安裝、環(huán)境配置上突委，這些步驟看似簡(jiǎn)單基礎(chǔ)柏卤，但其實(shí)也經(jīng)常是有不少麻煩的。本文簡(jiǎn)要梳理了匀油，從環(huán)...
-
筆記本運(yùn)行私人ChatGPT缘缚？只要3步！一敌蚜、相關(guān)項(xiàng)目匯總 簡(jiǎn)單羅列下ChatGPT的平替開源項(xiàng)目（更多信息可到https://github.com/nichtdax/awesome-t...
-
如何看待復(fù)大發(fā)布國(guó)內(nèi)首個(gè)ChatGPT模型"MOSS"Hi, Moss. 2 月 20 日晚桥滨，復(fù)旦大學(xué)自然語(yǔ)言處理實(shí)驗(yàn)室發(fā)布了國(guó)內(nèi)首個(gè)具備 ChatGPT 能力的語(yǔ)言模型 ——MOSS，并面向大眾公...
-
機(jī)器學(xué)習(xí)數(shù)據(jù)不滿足同分布弛车，怎么整齐媒？機(jī)器學(xué)習(xí)作為一門科學(xué)，不可避免的是纷跛，科學(xué)本身是基于歸納得到經(jīng)驗(yàn)總結(jié)喻括，必然存在歷史經(jīng)驗(yàn)不適用未來的情況（科學(xué)必可證偽）。這里很應(yīng)景地講一個(gè)小故事-...
-
多標(biāo)簽分類怎么做贫奠？(Python)一唬血、基本介紹 首先簡(jiǎn)單介紹下，多標(biāo)簽分類與多分類唤崭、多任務(wù)學(xué)習(xí)的關(guān)系： 多分類學(xué)習(xí)（Multi-class）：分類器去劃分的類別是多個(gè)的拷恨，但對(duì)于每...
-
如何看待神經(jīng)網(wǎng)絡(luò)的黑箱？神經(jīng)網(wǎng)絡(luò) 黑箱的意思是我們知其然谢肾，不知其所以然腕侄，相關(guān)理論比較缺乏。別看神經(jīng)網(wǎng)絡(luò)相關(guān)論文汗牛充棟，但是大部分類似于technical report...
-
引入業(yè)務(wù)先驗(yàn)約束的樹模型(Python)一冕杠、模型解釋性的意義 機(jī)器學(xué)習(xí)業(yè)務(wù)應(yīng)用以輸出決策判斷為目標(biāo)微姊。可解釋性是指人類能夠理解決策原因的程度拌汇。機(jī)器學(xué)習(xí)模型的可解釋性越高柒桑，人們就越容易理解...