📅  最后修改于: 2022-05-13 01:58:09.037000        🧑  作者: Mango

PEAS 任务环境描述我们需要描述“在拍卖中竞标”活动的 PEAS。PEAS 代表性能测量、环境、执行器和传感器。我们将看到这些术语各自的含义。性能指标：这些是用于衡量代理性能的参数。代理执行特定分配任务的情况。环境：是代理的任务环境。代理与其环境进行交互。它从输入中获取感知输入，并使用执行器作用于环境。执行器：这些是对环境执行计算操作的方法。对于人工代理；手和腿是执行器。传感器：这些是从环境中获...

📅  最后修改于: 2022-05-13 01:58:09.040000        🧑  作者: Mango

提升机器学习 | Boosting 和 AdaBoostBoosting是一种集成建模技术，它试图从弱分类器的数量中构建一个强分类器。它是通过串联使用弱模型来构建模型的。首先，根据训练数据建立模型。然后构建第二个模型，试图纠正第一个模型中存在的错误。继续此过程并添加模型，直到正确预测了完整的训练数据集或添加了最大数量的模型。AdaBoost是第一个为二元分类而开发的真正成功的 boosting 算...

📅  最后修改于: 2022-05-13 01:58:09.043000        🧑  作者: Mango

Power BI – 时间序列、聚合和过滤器先决条件：Power BI - 在层次结构中向下钻取和向上钻取本文讨论 Power BI 的各种重要概念及其实现。这里将讨论以下概念：时间序列聚合过滤器了解数据集：使用的数据集是'Long-Term-Unemployment-Stats'。请参阅数据集以跟随本文的以下给定部分 – 数据集数据以这样的方式，每行，我们可以找到的数量格式化Unemployed...

📅  最后修改于: 2022-05-13 01:58:09.046000        🧑  作者: Mango

PyTorch 与 Tensorflow在过去的几十年里，深度学习在人工智能领域取得了惊人的进步。有几个框架可以帮助您开始深度学习。但是为您的项目选择合适的产品是一项艰巨的任务。虽然有很多框架可供选择，但 PyTorch 和 TensorFlow 是深度学习中最常用的两种。让我们看看其中一个的一些特性、优点和缺点，什么时候使用哪个框架，哪个最适合你的项目。PyTorch 与 Tensorflow两...

📅  最后修改于: 2022-05-13 01:58:09.049000        🧑  作者: Mango

NLP Gensim 教程 - 初学者完整指南本教程将为您提供Gensim 库的演练。Gensim：它是由Radim Rehurek编写的Python开源库，用于无监督主题建模和自然语言处理。它旨在从文档中提取语义主题。它可以处理大型文本集合。因此，它与其他针对内存处理的机器学习软件包不同。 Gensim 还为各种算法提供高效的多核实现，以提高处理速度。它为文本处理提供了比 Scikit-lear...

📅  最后修改于: 2022-05-13 01:58:09.056000        🧑  作者: Mango

稳健的相关性相关性是一种统计工具，用于分析和衡量两个或多个变量之间的相关程度或关联程度。相关性一般分为三种：正相关：当我们增加一个变量的值时，另一个变量的值分别增加，这称为正相关。负相关：当我们增加一个变量的值时，另一个变量的值分别减小，这称为负相关。零相关：当一个变量值的变化对另一个变量没有实质性影响时，称为零相关。皮尔逊相关性：Pearson 相关性是计算相关性的最常用方法。它用 r 表示。考...

📅  最后修改于: 2022-05-13 01:58:09.060000        🧑  作者: Mango

ML——候选消除算法候选消除算法在给定假设空间 H 和一组示例 E 的情况下逐步构建版本空间。实例一一添加；每个示例都可能通过删除与示例不一致的假设来缩小版本空间。候选消除算法通过为每个新示例更新一般和特定边界来实现这一点。您可以将其视为 Find-S 算法的扩展形式。考虑正面和负面的例子。实际上，这里使用正例作为 Find-S 算法（基本上它们是从规范中概括出来的）。而反例是从泛化形式指定的。使...

📅  最后修改于: 2022-05-13 01:58:09.063000        🧑  作者: Mango

PoseNet 姿势估计姿势估计是指计算机视觉技术，它检测图像和视频中的人或物体，以便人们可以确定例如某人的肘部在图像中出现的位置。姿态估计技术有许多应用程序，例如手势控制、动作识别以及增强现实领域。在本文中，我们将讨论 PoseNet，它使用卷积神经网络 (CNN) 模型从单个 RGB 图像回归姿势。它也可以用于提供5ms/帧速度的实时系统。深度学习回归模型：我们训练的卷积神经网络 (ConvN...

📅  最后修改于: 2022-05-13 01:58:09.066000        🧑  作者: Mango

人工智能中语言的统计机器翻译考虑到翻译可能有多么困难，最有效的机器翻译系统是通过使用从大量文本语料库中获取的统计数据训练概率模型来创建的，这一点也就不足为奇了。这种方法不需要复杂的国际语思想本体、手工制作的源语言和目标语言语法，或手工标记的树库。它只需要示例翻译形式的数据，可以从中学习翻译模型。我们确定字符串最大化将短语从英语 (e) 转换为法语 (f)法语的目标语言模型是，这表明特定句子在法语中...

📅  最后修改于: 2022-05-13 01:58:09.071000        🧑  作者: Mango

威布尔 PPCC 图先决条件：威布尔图有许多概率分布不是单一的，而是一系列分布。这是因为它们具有多个形状参数。Weibull 分布也是基于其形状参数值具有多种形状的分布族。形状参数：它是确定分布采用的形状的值。例如，威布尔分布具有形状参数β。（或某些地方的 γ）图的形状或分布随 α 值的变化而变化。此形状参数也称为威布尔斜率，因为 α 中所做的任何更改也会改变图的斜率。[见图1]图 1：不同 β ...

📅  最后修改于: 2022-05-13 01:58:09.074000        🧑  作者: Mango

决策树中的基尼杂质和熵 – ML机器学习是一个计算机科学领域，它为计算机提供了无需明确编程即可学习的能力。机器学习是每个人都想学习的最需要的技术之一，大多数公司都需要高技能的机器学习工程师。在这个领域，有各种机器学习算法可以轻松解决复杂的问题。这些算法是高度自动化和自我修改的，随着时间的推移，随着数据量的增加和所需的人工干预的减少，它们会不断改进。要了解每个 ML 工程师都应该知道的顶级机器学习算...

📅  最后修改于: 2022-05-13 01:58:09.078000        🧑  作者: Mango

您可以考虑的 7 大机器学习黑客马拉松机器学习是当今科技世界中快速发展的技术领域之一，那些正在考虑在机器学习领域建立职业生涯的人肯定可以毫不犹豫地去做。同时，练习、展示或验证您的机器学习和人工智能技能——参加黑客马拉松确实是最好的方式。有各种标准的机器学习黑客马拉松为您提供合适的环境来丰富 ML/AI 项目。此外，许多知名科技巨头经常根据他们在这些黑客马拉松中的表现来招聘候选人，您也有机会获得一些...

📅  最后修改于: 2022-05-13 01:58:09.084000        🧑  作者: Mango

概率密度估计和最大似然估计先决条件：概率分布概率密度：假设随机变量 x 具有概率分布 p(x)。随机变量的结果与其概率之间的关系称为概率密度。问题是我们并不总是知道随机变量的完整概率分布。这是因为我们只使用一小部分观察结果来推导出结果。这个问题被称为概率密度估计，因为我们只使用观察的随机样本来找到整个样本空间的一般密度。概率密度函数(PDF)PDF 是一种函数，它告诉子样本空间中的随机变量落在特定...

📅  最后修改于: 2022-05-13 01:58:09.088000        🧑  作者: Mango

ALBERT – 用于监督学习的轻型 BERTBERT 是由谷歌 AI 的研究人员于 2018 年提出的。BERT 在 NLP 中创造了一种类似于 2012 年计算机视觉中 AlexNet 引起的转换的东西。它允许人们利用可用于训练模型的大量文本数据以自我监督的方式。ALBERT 是由 Google Research 的研究人员于 2019 年提出的。 本文的目标是通过使用不同的技术，如参数共享、...

📅  最后修改于: 2022-05-13 01:58:09.092000        🧑  作者: Mango

NLP中的自注意力自注意力是由 Google Research 和 Google Brain 的研究人员提出的。由于编码器-解码器在处理长序列时面临挑战，因此提出了它。作者还提供了注意力和转换器架构的两种变体。这种转换器架构在 WMT 翻译任务上产生了最先进的结果。编码器-解码器模型：编码器-解码器模型在不同的论文中提出。这两篇论文的区别是基于输入和输出长度的关系从高层来看，该模型包括两个子模型：...