首页最新资讯

全部 人工智能学科动态 人工智能技术资讯 人工智能常见问题 技术问答

    • tf.keras 实现深度学习

      tf.keras是TensorFlow 2.0的高阶API接口,为TensorFlow的代码提供了新的风格和设计模式,大大提升了TF代码的简洁性和复用性,官方也推荐使用tf.keras来进行模型设计和开发。查看全文>>

      人工智能技术资讯2022-02-15 |黑马程序员 |tf.keras是什么,深度学习
    • 什么是注意力机制?注意力机制的计算规则

      ​我们观察事物时,之所以能够快速判断一种事物(当然允许判断是错误的),是因为我们大脑能够很快把注意力放在事物最具有辨识度的部分从而作出判断,而并非是从头到尾的观察一遍事物后,才能有判断结果,正是基于这样的理论,就产生了注意力机制。查看全文>>

      人工智能技术资讯2022-02-12 |黑马程序员 |注意力机制,注意力机制
    • Numpy基础操作:数组之间形状相互转换

      ndarray对象提供了一些可以便捷地改变数组基础形状的属性和方法,例如,将一个3行4列的二维数组转换成6行2列的二维数组,关于这些属性和方法的具体说明如表9-3所示。查看全文>>

      人工智能技术资讯2021-12-08 |黑马程序员 |Numpy基础操作
    • 什么是交叉验证?交叉验证目的是什么?

      交叉验证就是将拿到的训练数据,分为训练和验证集。以下图为例:将数据分成4份,其中一份作为验证集。然后经过4次(组)的测试,每次都更换不同的验证集。即得到4组模型的结果,取平均值作为最终结果。又称4折交叉验证。查看全文>>

      人工智能技术资讯2021-10-29 |黑马程序员 |交叉验证,网格搜索
    • 决策树的划分依据之:信息增益

      信息增益:以某特征划分数据集前后的熵的差值。熵可以表示样本集合的不确定性,熵越大,样本的不确定性就越大。因此可以使用划分前后集合熵的差值来衡量使用当前特征对于样本集合D划分效果的好坏。查看全文>>

      人工智能技术资讯2021-09-16 |黑马程序员 |决策树,决策树,决策树的划分依据
    • 决策树的划分依据之:信息增益率

      实际上,信息增益准则对可取值数目较多的属性有所偏好,为减少这种偏好可能带来的不利影响,著名的 C4.5 决策树算法 [Quinlan, 1993J 不直接使用信息增益,而是使用"增益率" (gain ratio) 来选择最优划分属性.增益率:增益率是用前面的信息增益Gain(D, a)和属性a对应的"固有值"(intrinsic value) [Quinlan , 1993J的比值来共同定义的。查看全文>>

      人工智能技术资讯2021-09-16 |黑马程序员 |决策树的划分依据,信息增益率
和我们在线交谈!