App下載

詞條

大約有 100 項符合查詢結(jié)果 ,庫內(nèi)數(shù)據(jù)總量為 78,250 項。(搜索耗時:0.0025秒)

31.AI人工智能 分類失衡問題

分類不平衡是屬于一個類別的觀察數(shù)量顯著低于屬于其他類別的觀測數(shù)量的場景。 例如,在我們需要識別罕見疾病,銀行欺詐性交易等情況下,這個問題非常突出。 **不平衡分類的例子** 讓我們考慮一個欺詐檢測數(shù)據(jù)集的例子...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-v2e83cbe.html

32.AI人工智能 遺傳算法概述

本章詳細(xì)討論 AI 的遺傳算法。 ## 什么是遺傳算法? 遺傳算法(GA)是基于自然選擇和遺傳學(xué)概念的基于搜索的算法。遺傳算法是稱為進(jìn)化計算的更大分支的一個子集。 GAs 由 John Holland 及其在密歇根大學(xué)的學(xué)生和同事開發(fā),最著名...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-3xic3cde.html

33.AI人工智能 構(gòu)建模塊:環(huán)境和代理

環(huán)境和代理是人工智能強化學(xué)習(xí)的主要構(gòu)件。 本節(jié)詳細(xì)討論它們 - **媒介代理** 代理媒介是能夠通過傳感器感知其環(huán)境并通過效應(yīng)器作用于該環(huán)境的任何事物。 - 人用媒介具有與傳感器平行。諸如眼睛,耳朵,鼻子,舌頭和皮...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-z91p3cda.html

34.AI人工智能 語音特征提取

這是構(gòu)建語音識別器的最重要步驟,因為在將語音信號轉(zhuǎn)換為頻域后,我們必須將其轉(zhuǎn)換為可用的特征向量形式。 可以為此使用不同的特征提取技術(shù),如 MFCC,PLP,PLP-RASTA 等。 **示例** 在以下示例中,我們將使用 MFCC 技術(shù)逐步...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-4xzp3ccs.html

35.AI人工智能 機器學(xué)習(xí)的類型(ML)

...ML)如下 - > 它被定義為計算機科學(xué)領(lǐng)域,更具體地說是人工智能的應(yīng)用,它提供計算機系統(tǒng)學(xué)習(xí)數(shù)據(jù)和改進(jìn)經(jīng)驗而不被明確編程的能力。 基本上,機器學(xué)習(xí)的主要重點是讓電腦自動學(xué)習(xí),無需人工干預(yù)。 現(xiàn)在的問題是,如何...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-fir53cb1.html

36.AI人工智能 分類器的性能

在實現(xiàn)機器學(xué)習(xí)算法之后,我們需要找出模型的有效性。 衡量有效性的標(biāo)準(zhǔn)可以基于數(shù)據(jù)集和度量標(biāo)準(zhǔn)。 為了評估不同的機器學(xué)習(xí)算法,我們可以使用不同的性能指標(biāo)。 例如,假設(shè)使用分類器來區(qū)分不同對象的圖像,可以使用...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-4efx3cbd.html

37.AI人工智能 隨機森林分類器

集成方法是將機器學(xué)習(xí)模型組合成更強大的機器學(xué)習(xí)模型的方法。 隨機森林是決策樹的集合,就是其中之一。 它比單一決策樹好,因為在保留預(yù)測能力的同時,通過平均結(jié)果可以減少過度擬合。 在這里,我們將在 scikit 學(xué)習(xí)癌...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-dkin3cbc.html

38.AI人工智能 從時間序列數(shù)據(jù)中提取統(tǒng)計信息

如果需要得出一些重要結(jié)論,需要從一個給定的數(shù)據(jù)中提取一些統(tǒng)計數(shù)據(jù)。 平均值,方差,相關(guān)性,最大值和最小值是這些統(tǒng)計中的一部分。 如果您想從給定的時間序列數(shù)據(jù)中提取此類統(tǒng)計信息,則可以使用以下代碼 - **平均...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-8w2e3ccl.html

39.AI人工智能 塊化:將數(shù)據(jù)分割成塊

它是自然語言處理中的重要過程之一。 分塊的主要工作是識別詞類和短語,如名詞短語。 我們已經(jīng)研究了令牌化的過程,即令牌的創(chuàng)建。 分塊基本上就是這些令牌的標(biāo)簽。 換句話說,組塊會告訴我們句子的結(jié)構(gòu)。 在下面的章...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-m6dp3ccd.html

40.AI人工智能 構(gòu)建語音識別器

在本章中,我們將學(xué)習(xí)使用 AI 和 Python 進(jìn)行語音識別。 言語是成人人際溝通的最基本手段。 語音處理的基本目標(biāo)是提供人與機器之間的交互。 語音處理系統(tǒng)主要有三項任務(wù) - - 首先,語音識別允許機器捕捉我們所說的單詞,短...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-lpvu3cco.html

抱歉,暫時沒有相關(guān)的微課

w3cschool 建議您:

  • 檢查輸入的文字是否有誤

抱歉,暫時沒有相關(guān)的視頻課程

w3cschool 建議您:

  • 檢查輸入的文字是否有誤

抱歉,暫時沒有相關(guān)的教程

w3cschool 建議您:

  • 檢查輸入的文字是否有誤

31.AI人工智能 分類失衡問題

分類不平衡是屬于一個類別的觀察數(shù)量顯著低于屬于其他類別的觀測數(shù)量的場景。 例如,在我們需要識別罕見疾病,銀行欺詐性交易等情況下,這個問題非常突出。 **不平衡分類的例子** 讓我們考慮一個欺詐檢測數(shù)據(jù)集的例子...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-v2e83cbe.html

32.AI人工智能 遺傳算法概述

本章詳細(xì)討論 AI 的遺傳算法。 ## 什么是遺傳算法? 遺傳算法(GA)是基于自然選擇和遺傳學(xué)概念的基于搜索的算法。遺傳算法是稱為進(jìn)化計算的更大分支的一個子集。 GAs 由 John Holland 及其在密歇根大學(xué)的學(xué)生和同事開發(fā),最著名...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-3xic3cde.html

33.AI人工智能 構(gòu)建模塊:環(huán)境和代理

環(huán)境和代理是人工智能強化學(xué)習(xí)的主要構(gòu)件。 本節(jié)詳細(xì)討論它們 - **媒介代理** 代理媒介是能夠通過傳感器感知其環(huán)境并通過效應(yīng)器作用于該環(huán)境的任何事物。 - 人用媒介具有與傳感器平行。諸如眼睛,耳朵,鼻子,舌頭和皮...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-z91p3cda.html

34.AI人工智能 語音特征提取

這是構(gòu)建語音識別器的最重要步驟,因為在將語音信號轉(zhuǎn)換為頻域后,我們必須將其轉(zhuǎn)換為可用的特征向量形式。 可以為此使用不同的特征提取技術(shù),如 MFCC,PLP,PLP-RASTA 等。 **示例** 在以下示例中,我們將使用 MFCC 技術(shù)逐步...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-4xzp3ccs.html

35.AI人工智能 機器學(xué)習(xí)的類型(ML)

...ML)如下 - > 它被定義為計算機科學(xué)領(lǐng)域,更具體地說是人工智能的應(yīng)用,它提供計算機系統(tǒng)學(xué)習(xí)數(shù)據(jù)和改進(jìn)經(jīng)驗而不被明確編程的能力。 基本上,機器學(xué)習(xí)的主要重點是讓電腦自動學(xué)習(xí),無需人工干預(yù)。 現(xiàn)在的問題是,如何...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-fir53cb1.html

36.AI人工智能 分類器的性能

在實現(xiàn)機器學(xué)習(xí)算法之后,我們需要找出模型的有效性。 衡量有效性的標(biāo)準(zhǔn)可以基于數(shù)據(jù)集和度量標(biāo)準(zhǔn)。 為了評估不同的機器學(xué)習(xí)算法,我們可以使用不同的性能指標(biāo)。 例如,假設(shè)使用分類器來區(qū)分不同對象的圖像,可以使用...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-4efx3cbd.html

37.AI人工智能 隨機森林分類器

集成方法是將機器學(xué)習(xí)模型組合成更強大的機器學(xué)習(xí)模型的方法。 隨機森林是決策樹的集合,就是其中之一。 它比單一決策樹好,因為在保留預(yù)測能力的同時,通過平均結(jié)果可以減少過度擬合。 在這里,我們將在 scikit 學(xué)習(xí)癌...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-dkin3cbc.html

38.AI人工智能 從時間序列數(shù)據(jù)中提取統(tǒng)計信息

如果需要得出一些重要結(jié)論,需要從一個給定的數(shù)據(jù)中提取一些統(tǒng)計數(shù)據(jù)。 平均值,方差,相關(guān)性,最大值和最小值是這些統(tǒng)計中的一部分。 如果您想從給定的時間序列數(shù)據(jù)中提取此類統(tǒng)計信息,則可以使用以下代碼 - **平均...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-8w2e3ccl.html

39.AI人工智能 塊化:將數(shù)據(jù)分割成塊

它是自然語言處理中的重要過程之一。 分塊的主要工作是識別詞類和短語,如名詞短語。 我們已經(jīng)研究了令牌化的過程,即令牌的創(chuàng)建。 分塊基本上就是這些令牌的標(biāo)簽。 換句話說,組塊會告訴我們句子的結(jié)構(gòu)。 在下面的章...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-m6dp3ccd.html

40.AI人工智能 構(gòu)建語音識別器

在本章中,我們將學(xué)習(xí)使用 AI 和 Python 進(jìn)行語音識別。 言語是成人人際溝通的最基本手段。 語音處理的基本目標(biāo)是提供人與機器之間的交互。 語音處理系統(tǒng)主要有三項任務(wù) - - 首先,語音識別允許機器捕捉我們所說的單詞,短...

http://www.o2fo.com/artificial_intelligence/artificial_intelligence-lpvu3cco.html

抱歉,暫時沒有相關(guān)的文章

w3cschool 建議您:

  • 檢查輸入的文字是否有誤

熱門課程