介绍 时间序列分析实验中,我们学习了使用 ARMA 和 ARIMA 对平稳和非平稳时间序列建模方法,对时间序列分析流程中涉及到的平稳检验和纯随机性检验进行了......
介绍 自然语言处理(英语:Natural Language Processing,缩写作 NLP)是人工智能和语言学领域的分支学科,此主要在于探讨如何处理及运用自然语言。自然语言处理包括多方面和......
介绍 前面的实验中,我们了解并学习了循环神经网络(Recurrent Neural Networks,简称 RNN)。循环神经网络被广泛运用在自然语言处理,语音识别等领域,其具备的「记忆」能力......
介绍 本节实验我们进入循环神经网络(Recurrent Neural Networks,简称 RNN)的学习。循环神经网络在自然语言处理,语音识别等领域取得了重大成功并且得到广泛运用,它在序......
介绍 本节实验我们将正式进入生成对抗网络(Generative Adversarial Nets,简称:GAN)的学习。Facebook AI 主要负责人 Yann LeCun 曾明确表示,生成对抗网络是近 10 年来机器学习领域最有趣的......
介绍 如今,我们已经了解了 PyTorch 中张量及其运算,但这远远不够。这篇文章将学会如何使用 PyTorch 方便地构建神经网络模型,以及 PyTorch 训练神经网络的步骤及方法......
介绍 PyTorch 是由 Facebook 主导开发的深度学习框架,因其高效的计算过程以及良好的易用性被诸多大公司和科研人员所喜爱。18 年 5 月,PyTorch 正式宣布集成 Caffe2 和 ONNX 的......
介绍 TensorFlow 作为深度学习框架,当然是为了帮助我们更便捷地构建神经网络。所以,这篇文章将会了解如何使用 TensorFlow 来构建神经网络,并学会 TensorFlow 构建神经网络的......
介绍 TensorFlow 作为深度学习框架,当然是为了帮助我们更便捷地构建神经网络。所以,这篇文章将会了解如何使用 TensorFlow 来构建神经网络,并学会 TensorFlow 构建神经网络的......
介绍 通过前面的内容,相信你已经对于使用 scikit-learn 保存、部署模型非常熟悉。本次挑战中,你会了解到什么是增量训练,以及动态增量模型的部署及调用。 本......
介绍 auto-sklearn 是基于 scikit-learn 开发的自动化机器学习框架。它延续了 scikit-learn 的易用性,并进一步引入自动化机器学习的方法来方便非专业开发者建立预测模型。这篇文......
介绍 自动化机器学习(Automated machine learning,简称:AutoML)是机器学习近年来发展出来的热门分支,其可以看作为一种基于人工智能的解决方案,以应对不断增长的机器学习应......
介绍 在多元统计分析中,主成分分析(Principal components analysis,PCA)是一种分析、简化数据集的技术。经常用于减少数据集的维数,同时保留数据集中的对方差贡献最大的特......
介绍 前面的文章中,我们学习了划分聚类方法,特别是了解掌握了 K-Means 和 K-Means++ 两种出色的聚类算法。这篇文章将介绍一类完全不同的聚类方法,也就是层次聚......
介绍 逻辑回归(Logistic Regression),又叫逻辑斯蒂回归,是机器学习中一种十分基础的分类方法,由于算法简单而高效,在实际场景中得到了广泛的应用。这篇文章中,我们......
介绍 在回归预测中,除了前面所讲到的线性回归和多项式回归,还有很多的回归分析方法。例如,岭回归、LASSO 回归、以及由下一周分类方法变形而来的各......