实战 你可以配合 createjs 的 tweenjs ，轻松制作出上面的摇摆特效: var element = document . querySelector ( "#test" ) Transform ( element ) element . originY = 100 element . skewX = - ...

规模驱动机器学习发展 规模驱动机器学习发展 关于深度学习（神经网络）的一些想法在几十年前就有了，那为什么它们到现在才流行起来了呢？ 推动其近期发展的主要因素有两个： 数据可用性（data availability） ：如今人们在数字设备（笔记本电脑、移动设备等）上花费的时间越来越多，对应的数字化行为与活动产生了海量的数据，而这些数据都可以提供给...

Day71 - 机器学习基础 Day72 - k最近邻分类 Day73 - 决策树 Day74 - 贝叶斯分类 Day75 - 支持向量机 Day76 - K-均值聚类 Day77 - 回归分析 Day78 - 深度学习入门 Day79 - Tensorflow概述 Day80 - Tensorflow实战 Day81 - Kaggl...

人工智能、机器学习、深度学习的关系 人工智能、机器学习、深度学习的关系 近些年人工智能、机器学习和深度学习的概念十分火热，但很多从业者却很难说清它们之间的关系，外行人更是雾里看花。在研究深度学习之前，我们先从三个概念的正本清源开始。 概括来说，人工智能、机器学习和深度学习覆盖的技术范畴是逐层递减的。人工智能是最宽泛的概念。机器学习是当前比较有效的一...

三、机器学习三要素 3.1 模型 3.2 策略 3.2.1 损失函数 3.2.2 风险函数 3.2.3 经验风险 3.2.4 极大似然估计 3.2.5 最大后验估计 3.3 算法 三、机器学习三要素 机器学习三要素：模型、策略、算法。 3.1 模型 模型定义了解空间。监督学习中，模型就是要学习的条件概率分布或者决策函数。 ...

机器学习为什么需要策略 机器学习为什么需要策略 机器学习（machine learning） 已然成为无数重要应用的基石——如今，在网络搜索、垃圾邮件检测、语音识别以及产品推荐等领域，你都能够发现它的身影。如果你或你的团队正在研发一款机器学习相关应用，并期待取得较快进展，那么这本书将会是你的得力助手。 案例：建立猫咪图片初创公司 想象一下，你正在...

概述 测试数据 混淆矩阵 准确率与召回率 准确度与F1-Score ROC与AUC 概述 在NLP中我们经常需要使用机器学习的分类器。如何衡量一个分类器的好坏呢？最常见的指标包括准确率与召回率,准确度与F1-Score以及ROC与AUC。 测试数据 我们以Scikit-Learn环境介绍常见的性能衡量指标。为了演示方便，我们创建测试数...

为机器学习算法准备数据 现在来为机器学习算法准备数据。不要手工来做，你需要写一些函数，理由如下： 函数可以让你在任何数据集上（比如，你下一次获取的是一个新的数据集）方便地进行重复数据转换。 你能慢慢建立一个转换函数库，可以在未来的项目中复用。 在将数据传给算法之前，你可以在实时系统中使用这些函数。 这可以让你方便地尝试多种数据转换，查看哪...

实战 实战 通过上面的必备概念大家应该已经可以对 LangChain 有了一定的了解，但是可能还有有些懵。 这都是小问题，我相信看完后面的实战，你们就会彻底的理解上面的内容，并且能感受到这个库的真正强大之处。 因为我们 OpenAI API 进阶，所以我们后面的范例使用的 LLM 都是以Open AI 为例，后面大家可以根据自己任务的需要换成自己需...