📅  最后修改于: 2022-05-13 01:58:07.119000        🧑  作者: Mango

开始使用 DialogflowDialogflow（以前称为Api.ai）是 Google 拥有的用于构建对话代理的平台。Dialogflow 不是从头开始构建聊天机器人，而是使用大量 Google 功能（包括可以帮助您立即开始使用的预构建 ML 模型），从而更轻松地在更短的时间内构建它。 Dialogflow 还允许您将会话代理与流行平台（如 Google Assistant、Facebook ...

📅  最后修改于: 2022-05-13 01:58:07.134000        🧑  作者: Mango

L1 正则化如何带来稀疏性先决条件：机器学习中的正则化我们知道我们在训练机器学习模型时使用正则化来避免欠拟合和过拟合。为此，我们主要使用两种方法，即：L1 正则化和 L2 正则化。L1 正则化器：||w||1=( |w1|+|w2|+ . . . + |wn|编程需要懂一点英语L2 正则化器：||w||2=( |w1|2+|w2|2+ . . . + |wn|2)1/2编程需要懂一点英语（其中w1...

📅  最后修改于: 2022-05-13 01:58:07.148000        🧑  作者: Mango

使用知识蒸馏和 GAN 生成文本最常用的文本生成方法是循环神经网络。然而，基于 RNN 的文本生成器使用最大似然估计使用先前的观察来预测下一个单词/句子。然而，基于最大似然 (MLE) 的估计器过于简单并且存在暴露偏差。在题为“TextKD-GAN: Text Generation using Knowledge Distillation and Generative Adversarial Ne...

📅  最后修改于: 2022-05-13 01:58:07.163000        🧑  作者: Mango

量子机器学习简介技术每天都在呈指数级增长；量子计算和机器学习是计算机科学领域中的两个这样的流行语，它们在同一领域发挥着至关重要的作用。但是有没有想过如果我们将量子世界的知识与当今的机器学习和人工智能结合起来会怎样？它会对我们的技术产生什么影响？它对人类有用还是我们只是在黑暗中射箭？在深入了解这个细节之前，让我们首先介绍一下量子计算的基础知识及其令人惊讶的规则。量子力学：众所周知，所有元素都同时具有...

📅  最后修改于: 2022-05-13 01:58:07.180000        🧑  作者: Mango

什么是数据分析？在进入“数据分析”这个术语之前，让我们先讨论一下“分析”这个术语。外行语言（简单英语）的分析是回答“如何？”的过程。和“为什么？”。例如，XYZ 公司上一季度的增长情况如何？或者为什么去年夏天 XYZ 公司的销售额下降了？因此，为了回答这些问题，我们采用了我们已经拥有的数据。从中，我们过滤掉我们需要的东西。过滤后的数据是我们已经收集的较大块的最终数据集，并成为数据分析的目标。或者有...

📅  最后修改于: 2022-05-13 01:58:07.202000        🧑  作者: Mango

使用 FastAPI 将 ML 模型部署为 API部署通常是任何数据科学项目管道的最后一步，能够将您的 ML/DL 模型集成到 Web 应用程序是一项非常重要的任务。有许多流行的框架可用于执行此任务，例如 Flask 和 Django。 Django 通常用于大型应用程序，需要花费相当多的时间进行设置，而 Flask 通常是您在 Web 应用程序上快速部署模型的首选。除了上面提到的两个之外，还有另...

📅  最后修改于: 2022-05-13 01:58:07.213000        🧑  作者: Mango

量子机器学习的工作量子机器学习 - 科技领域两大突破的结合，即量子物理和机器学习/人工智能 - 已经存在一段时间了，应该为我们如何解决提供一个新的维度使用量子计算概念的机器学习问题。本文重点介绍什么是量子、它如何改变我们目前了解机器学习的方式、它的基本功能块、它如何实现其高计算能力以及量子机器学习在现实世界中的应用。什么是量子？在物理学方面，量子是比原子还小的单位；那个微小级别的事物的行为方式与我...

📅  最后修改于: 2022-05-13 01:58:07.222000        🧑  作者: Mango

ADAM（自适应矩估计）优化|机器学习先决条件：梯度下降中的优化技术梯度下降适用于函数相对于网络中使用的参数很容易微分的场景。最小化连续函数比最小化离散函数容易。权重更新在一个 epoch 之后执行，其中一个 epoch 代表运行整个数据集。这种技术产生了令人满意的结果，但如果训练数据集变大并且不能很好地收敛，它就会恶化。在存在多个局部最小值的情况下，它也可能不会导致全局最小值。随机梯度下降通过随...

📅  最后修改于: 2022-05-13 01:58:07.229000        🧑  作者: Mango

商业数据可视化它是以图表、图形、图像、示例等形式对任何数据的描绘。它不仅用于一个部门，而且用于许多部门。由于统计数据的增加，该数据的可视化表示受到赞赏，而不是通过电子表格。这很容易理解，而且可以节省时间，这是最重要的。可以在图形表示中轻松识别和研究趋势。数据可视化主要用于业务分析。几乎每个企业都使用数据可视化，因为它们有大量数据。对于数据分析，视觉效果是最有效的。使用的工具Power BI 和 t...

📅  最后修改于: 2022-05-13 01:58:07.237000        🧑  作者: Mango

自然语言处理测序NLP 排序是我们将通过训练神经网络从大型语料库或语句体生成的数字序列。我们将采用一组句子并根据训练集句子为它们分配数字标记。例子：现在，如果测试集包含网络以前从未见过的单词，或者我们必须预测句子中的单词，那么我们可以添加一个简单的占位符标记。然后我们将为它以前没有见过的单词定义一个额外的占位符。默认情况下，占位符的索引为 1。词索引 ={'placeholder': 1, 'ge...

📅  最后修改于: 2022-05-13 01:58:07.243000        🧑  作者: Mango

随机森林分类器的超参数在本文中，我们将了解随机森林分类器中存在的不同超参数。我们已经在文章 https://www.geeksforgeeks.org/random-forest-classifier-using-scikit-learn/ 中了解了使用 scikit-learn 库实现随机森林分类器。超参数是无法从我们提供给算法的常规数据中学习的配置，它们是算法内置的，每个算法都有自己的预定义超...

📅  最后修改于: 2022-05-13 01:58:07.250000        🧑  作者: Mango

毫升 | DBSCAN 可达性和连通性先决条件：机器学习中的DBSCAN 聚类基于密度的聚类算法在基于密度寻找非线性形状结构方面发挥了至关重要的作用。基于密度的噪声应用空间聚类 (DBSCAN) 是最广泛使用的基于密度的算法。它使用密度可达性和密度连通性的概念。考虑使用 DBSCAN 聚类对某个空间中的一组点进行聚类。设ε是一个邻里相对于一些点和核心对象半径是它的ε邻域至少包含MinPts对象的数...

📅  最后修改于: 2022-05-13 01:58:07.257000        🧑  作者: Mango

多重共线性检验多重共线性：通常发生在回归模型中的自变量相互关联时。由于假设自变量是独立的，因此不会出现这种相关性。如果这种相关程度很高，则可能会在预测模型结果时出现问题。多重共线性的几个后果估计量具有高方差和协方差，这使得精确估计变得困难。由于第 1 点的上述结果，置信区间趋于变宽，从而导致更频繁地接受零零假设。标准误差可能对数据的微小变化很敏感。系数对模型中的微小变化非常敏感。它降低了回归模型的...

📅  最后修改于: 2022-05-13 01:58:07.264000        🧑  作者: Mango

人工智能的优缺点什么是人工智能？人工智能是指在机器中模拟人类智能，该机器被编程为像人类一样思考。人工智能的概念最初是由计算机科学家从 1943 年到 1956 年提出的。 Alan Turing 提出的一种模型，称为图灵测试。图灵测试是一种算法，它计算类似于人性和行为的数据以进行适当的响应。由于阿兰图灵提出的这个图灵测试在人工智能的发展中扮演着最重要的角色之一，所以阿兰图灵被称为人工智能之父。该测...

📅  最后修改于: 2022-05-13 01:58:07.270000        🧑  作者: Mango

Facebook 转码器转码器是 Facebook 的研究人员于 2020 年 9 月在题为“无监督编程语言的翻译”的论文中提出的。该项目的目标是训练 AI 理解不同语言的代码，并能够将代码从一种语言转换为另一种语言。许多公司的代码库使用的是 COBOL 等旧编程语言，如果他们想将代码库转移到Java、C++ 或Python等较新的编程语言，他们需要大量的资金和精力来做到这一点。在这种情况下，转码...