首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏AI机器学习与深度学习算法

    机器学习入门 7-8 使用PCA对数据进行降噪

    本系列是《玩转机器学习教程》一个整理的视频笔记。在上一小节的最后提到了PCA还有一个很重要的作用就是对数据进行降噪处理。本小节,通过对两个数据集可视化的方式来直观的感受降噪效果。

    3.5K40发布于 2019-11-13
  • 来自专栏以终为始

    7-8 Left-pad (20 分)

    7-8 Left-pad (20 分) 根据新浪微博上的消息,有一位开发者不满NPM(Node Package Manager)的做法,收回了自己的开源代码,其中包括一个叫left-pad的模块,就是这个模块把

    52410编辑于 2023-03-09
  • day 7-8 GEO数据挖掘

    gpl_number <- eSet@annotation;gpl_number save(pd,exp,gpl_number,file = "step1output.Rdata") # 原始数据处理的代码,按需学习 钉子图提示表达量未取log2 2、异常样本:单个表达值均值明显低或高于其他样本 3、中位数在0附近,是不正常的zscore/scale标准划的数据且不能逆转(不能用于差异基因分析,但是可以做PCA/机器学习

    54510编辑于 2025-08-15
  • 来自专栏刷题笔记

    7-8 阅览室 (20 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/99688636 7-8 阅览室 (20 分) 天梯图书阅览室请你编写一个简单的图书借阅统计程序

    67810发布于 2019-11-08
  • 来自专栏萌海无涯

    centos 7-8重置root密码

    引导至GRUB菜单并进入编辑模式。使用箭头导航至通常从中引导 Centos 7 Linux系统的菜单项。按下e以开始编辑所选菜单项。

    1.8K10发布于 2021-02-24
  • 来自专栏刷题笔记

    7-8 堆栈模拟队列 (25 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/97869472 7-8 堆栈模拟队列 (25 分) 设已知有两个堆栈S1和S2,请用这两个堆栈模拟出一个队列

    1.2K20发布于 2019-11-08
  • 来自专栏人工智能与演化计算成长与进阶

    15非监督学习异常检测7-8使用多元高斯分布进行异常检测

    参考资料 斯坦福大学 2014 机器学习教程中文笔记 by 黄海广 15.7-8 多变量高斯分布/使用多元高斯分布进行异常检测 -Multivariate Gaussian distribution/

    1K10发布于 2020-08-14
  • 来自专栏ReganYue's Blog

    【PTA】7-8 到底有多二 (15分)

    一个整数“犯二的程度”定义为该数字中包含2的个数与其位数的比值。如果这个数是负数,则程度增加0.5倍;如果还是个偶数,则再增加1倍。例如数字-13142223336是个11位数,其中有3个2,并且是负数,也是偶数,则它的犯二程度计算为:3/11×1.5×2×100%,约为81.82%。本题就请你计算一个给定整数到底有多二。

    76230发布于 2021-09-16
  • 来自专栏刷题笔记

    【未完成】7-8 最长有效括号串 (20 分)13分

    本文链接:https://blog.csdn.net/shiliang97/article/details/101473397 7-8 最长有效括号串 (20 分) 给定一个只含左右小括号的括号串序列

    48430发布于 2019-11-08
  • 来自专栏刷题笔记

    7-8 汉诺塔的非递归实现

    点这里 7-8 汉诺塔的非递归实现 借助堆栈以非递归(循环)方式求解汉诺塔的问题(n, a, b, c),即将N个盘子从起始柱(标记为“a”)通过借助柱(标记为“b”)移动到目标柱(标记为“c”),并保证每个移动符合汉诺塔问题的要求

    1.1K10发布于 2019-11-08
  • 来自专栏ReganYue's Blog

    【PTA】7-8 显示菱形 (10point(s))

    请编写函数,输入菱形的行数和组成菱形的字符,输出对应的菱形图像。 输入样例 5 $ 输出样例 $ $$$ $$$$$ $$$ $ 要求:若行数小于等于 0,则输出 None;若行数是偶数,则输出Error。 #include int main() { int n; char c; scanf("%d %c",&n,&c); if(n<=0) printf("None"); else if(n%2==0) printf("Error"); else { int m=n/2+1;

    37320发布于 2021-09-16
  • 来自专栏刷题笔记

    【未完成】7-8 社交集群 (30 分)

    本文链接:https://blog.csdn.net/shiliang97/article/details/102727534 7-8 社交集群 (30 分) 当你在社交网络平台注册时,一般总是被要求填写你的个人兴趣爱好

    51300发布于 2019-11-07
  • 来自专栏刷题笔记

    【2020HBU天梯赛训练】7-8 矩阵A乘以B

    7-8 矩阵A乘以B 给定两个矩阵A和B,要求你计算它们的乘积矩阵AB。需要注意的是,只有规模匹配的矩阵才可以相乘。

    80620发布于 2020-06-23
  • 来自专栏AI

    2025年7-8月全球人工智能领域热点汇总

    2025年7-8月,全球人工智能领域在技术突破、产业落地、政策治理等方面迎来密集进展。 、现有业务AI转型。 美国特朗普发布《美国AI行动计划》,聚焦创新与基础设施7月23日,白宫发布《赢得AI竞赛:美国AI行动计划》,三大支柱包括:放松AI监管(废除拜登时期限制)、建设AI基础设施(简化数据中心审批,培养电工等职业 上海AI实验室发布十项“AI+科学”成果,肝癌治疗靶点新突破7月26日,上海AI实验室联合12家机构发布成果,包括:AI驱动的中性原子排布算法(60毫秒完成2024个量子比特阵列构建)、多智能体虚拟疾病学家 (来源:小姚)总结:技术突破与治理平衡成核心命题2025年7-8月,AI领域呈现“技术跃迁-资本涌入-政策规范”三重共振:生成式视频、多模态模型等技术逼近实用化,Runway、Luma等企业估值爆发式增长

    4.3K10编辑于 2025-08-06
  • 来自专栏爬虫逆向案例

    js逆向-猿人学(7-8)动态字体-图文点选

    api/match/7返回的json数据,里面data数组有10个字体(胜点) 和 woff文件的地址。

    1.5K30发布于 2021-11-22
  • 来自专栏数据冰山

    7-8月食品行业快报 | 行业快报

    本期行业快报,冰山君带你一览7-8月食品行业动向及亮点。

    43720发布于 2021-10-20
  • 来自专栏AI 算法笔记

    Python-100例(7-8) 复制列表 & 打印乘法口诀

    练习题 02 Python-100 练习题 03 完全平方数 Python-100 练习题 04 判断天数 Python-100例(5-6) 排序&斐波那契数列 这次是分享 Python-100 例的第 7-

    1K20发布于 2019-08-16
  • 来自专栏积累沉淀

    必须掌握的八种排序(7-8)--归并排序,基数排序

    7、归并排序 (1)基本排序:归并(Merge)排序法是将两个(或两个以上)有序表合并成一个新的有序表,即把待排序序列分为若干个子序列,每个子序列是有序的。然后再把有序子序列合并为整体有序序列。 (2

    89150发布于 2018-01-11
  • 来自专栏HUC思梦的java专栏

    ai学习记录

    新建:分辨率:矢量软件和分辨率无关; 新建时候不要勾选对齐到像素网格 存储:.ai:illustrator的默认格式。 .eps:支持矢量图形,ai可以打开;也可以被ps打开,打开之后图层是合并的。 PDF:可以跨平台(PC,苹果)跨软件打开。PDF输出(保存时):可以选择输出范围。 JPG导出:文件——导出 勾选上使用画板 打开:不要用Crtl+O 打开位图;否则会变为嵌入文件; 置入:将图片拖拽到画布上松开;置入后图片上还有一个X; 置入图片之后,必须记得将AI和其他链接文件一同移动 符号喷枪工具(shift+s):用于绘制AI自带的图形,配合符号面板(ctrl+shift+f11)和符号库使用。 (六)AI修改文档大小 属性栏——点击文档设置——编辑画板——修改相应宽高属性 编辑画板第二种方法:点击画板工具(shift+o) 如何新建画板 1.编辑画板——点击新建画板 2.在画板编辑模式下,点击旧画板

    4.1K20发布于 2020-09-03
  • 来自专栏xiaosen

    AI - 集成学习

    集成学习概念 集成学习是机器学习中的一种思想,它通过多个模型的组合形成一个精度更高的模型,参与组合的模型成为弱学习器(基学习器)。 集成学习通过构建多个模型来解决单一预测问题 生成多基学习器,各自独立地学习和预测 通过平权或者加权的方式,整合多个基学习器的预测输出 传统机器学习算法 (例如:决策树,逻辑回归等) 的目标都是寻找一个最优分类器尽可能的将训练数据分开 基学习器是可使用不同的学习模型,比如:支持向量机、神经网络、决策树整合到一起作为一个集成学习系统也可使用相同的学习模型,一般情况下,更使用相同的学习模型 。 集成学习把多个学习器结合起来,要获得好的集成,个体学习器应有一定的准确性 ,学习器不能太坏,并且学习器之间具有差异 。 然后基于调整后的样本分布来训练下一个基学习器; 如此重复进行,直至基学习器数目达到实现指定的值T为止。 再将这T个基学习器进行加权结合得到集成学习器。

    55410编辑于 2024-03-24
领券