首頁最新資訊

全部 人工智能學科動態(tài) 人工智能技術資訊 人工智能常見問題 技術問答

    • tf.keras 實現(xiàn)深度學習

      tf.keras是TensorFlow 2.0的高階API接口，為TensorFlow的代碼提供了新的風格和設計模式，大大提升了TF代碼的簡潔性和復用性，官方也推薦使用tf.keras來進行模型設計和開發(fā)。查看全文>>

      人工智能技術資訊2022-02-15 |黑馬程序員 |tf.keras是什么,深度學習

    • 什么是注意力機制？注意力機制的計算規(guī)則

      ?我們觀察事物時，之所以能夠快速判斷一種事物(當然允許判斷是錯誤的)，是因為我們大腦能夠很快把注意力放在事物最具有辨識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)生了注意力機制。查看全文>>

      人工智能技術資訊2022-02-12 |黑馬程序員 |注意力機制,注意力機制

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

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

      人工智能技術資訊2021-12-08 |黑馬程序員 |Numpy基礎操作

    • 什么是交叉驗證？交叉驗證目的是什么？

      交叉驗證就是將拿到的訓練數(shù)據(jù)，分為訓練和驗證集。以下圖為例：將數(shù)據(jù)分成4份，其中一份作為驗證集。然后經(jīng)過4次(組)的測試，每次都更換不同的驗證集。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折交叉驗證。查看全文>>

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

    • 決策樹的劃分依據(jù)之：信息增益

      信息增益：以某特征劃分數(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衡量使用當前特征對于樣本集合D劃分效果的好壞。查看全文>>

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

    • 決策樹的劃分依據(jù)之:信息增益率

      實際上，信息增益準則對可取值數(shù)目較多的屬性有所偏好，為減少這種偏好可能帶來的不利影響，著名的 C4.5 決策樹算法 [Quinlan， 1993J 不直接使用信息增益，而是使用"增益率" (gain ratio) 來選擇最優(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對應的"固有值"(intrinsic value) [Quinlan , 1993J的比值來共同定義的。查看全文>>

      人工智能技術資訊2021-09-16 |黑馬程序員 |決策樹的劃分依據(jù),信息增益率
和我們在線交談！