首頁(yè)最新資訊

全部 人工智能學(xué)科動(dòng)態(tài) 人工智能技術(shù)資訊 人工智能常見(jiàn)問(wèn)題 技術(shù)問(wèn)答

    • tf.keras 實(shí)現(xiàn)深度學(xué)習(xí)

      tf.keras是TensorFlow 2.0的高階API接口，為T(mén)ensorFlow的代碼提供了新的風(fēng)格和設(shè)計(jì)模式，大大提升了TF代碼的簡(jiǎn)潔性和復(fù)用性，官方也推薦使用tf.keras來(lái)進(jìn)行模型設(shè)計(jì)和開(kāi)發(fā)。查看全文>>

      人工智能技術(shù)資訊2022-02-15 |黑馬程序員 |tf.keras是什么,深度學(xué)習(xí)

    • 什么是注意力機(jī)制？注意力機(jī)制的計(jì)算規(guī)則

      ?我們觀察事物時(shí)，之所以能夠快速判斷一種事物(當(dāng)然允許判斷是錯(cuò)誤的)，是因?yàn)槲覀兇竽X能夠很快把注意力放在事物最具有辨識(shí)度的部分從而作出判斷，而并非是從頭到尾的觀察一遍事物后，才能有判斷結(jié)果，正是基于這樣的理論，就產(chǎn)生了注意力機(jī)制。查看全文>>

      人工智能技術(shù)資訊2022-02-12 |黑馬程序員 |注意力機(jī)制,注意力機(jī)制

    • Numpy基礎(chǔ)操作：數(shù)組之間形狀相互轉(zhuǎn)換

      ndarray對(duì)象提供了一些可以便捷地改變數(shù)組基礎(chǔ)形狀的屬性和方法，例如，將一個(gè)3行4列的二維數(shù)組轉(zhuǎn)換成6行2列的二維數(shù)組，關(guān)于這些屬性和方法的具體說(shuō)明如表9-3所示。查看全文>>

      人工智能技術(shù)資訊2021-12-08 |黑馬程序員 |Numpy基礎(chǔ)操作

    • 什么是交叉驗(yàn)證？交叉驗(yàn)證目的是什么？

      交叉驗(yàn)證就是將拿到的訓(xùn)練數(shù)據(jù)，分為訓(xùn)練和驗(yàn)證集。以下圖為例：將數(shù)據(jù)分成4份，其中一份作為驗(yàn)證集。然后經(jīng)過(guò)4次(組)的測(cè)試，每次都更換不同的驗(yàn)證集。即得到4組模型的結(jié)果，取平均值作為最終結(jié)果。又稱4折交叉驗(yàn)證。查看全文>>

      人工智能技術(shù)資訊2021-10-29 |黑馬程序員 |交叉驗(yàn)證,網(wǎng)格搜索

    • 決策樹(shù)的劃分依據(jù)之：信息增益

      信息增益：以某特征劃分?jǐn)?shù)據(jù)集前后的熵的差值。熵可以表示樣本集合的不確定性，熵越大，樣本的不確定性就越大。因此可以使用劃分前后集合熵的差值來(lái)衡量使用當(dāng)前特征對(duì)于樣本集合D劃分效果的好壞。查看全文>>

      人工智能技術(shù)資訊2021-09-16 |黑馬程序員 |決策樹(shù),決策樹(shù),決策樹(shù)的劃分依據(jù)

    • 決策樹(shù)的劃分依據(jù)之:信息增益率

      實(shí)際上，信息增益準(zhǔn)則對(duì)可取值數(shù)目較多的屬性有所偏好，為減少這種偏好可能帶來(lái)的不利影響，著名的 C4.5 決策樹(shù)算法 [Quinlan， 1993J 不直接使用信息增益，而是使用"增益率" (gain ratio) 來(lái)選擇最優(yōu)劃分屬性.增益率：增益率是用前面的信息增益Gain(D, a)和屬性a對(duì)應(yīng)的"固有值"(intrinsic value) [Quinlan , 1993J的比值來(lái)共同定義的。查看全文>>

      人工智能技術(shù)資訊2021-09-16 |黑馬程序員 |決策樹(shù)的劃分依據(jù),信息增益率
和我們?cè)诰€交談！