摘要：
1. 概述 在本教程中，我们将研究线性回归和逻辑回归之间的异同。 我们将首先研究回归的概念。通过这种方式，我们将看到回归与科学中的还原论方法的关系。 然后，我们将按顺序研究线性回归和逻辑回归。我们还将提出两种回归方法在特征向量和目标变量方面的形式化。 最后，我们将研究对可观察量执行回归的两种方法之间 阅读全文
摘要：
1. 简介 在本教程中，我们将展示决策树和随机森林之间的区别。 2. 决策树 决策树是一个树形模型，指导我们检查对象的特征以输出其离散或连续标签。例如，这里有一棵树，根据天气状况预测一天是否适合在户外玩耍： 内部节点告诉我们要检查哪些特征，叶子揭示树的预测。他们如何产生预测？每个叶子都包含训练数据集 阅读全文
摘要：
1. 简介 在本教程中，我们将回顾随机森林 （RF） 和极端随机树 （ET）：它们是什么、它们的结构以及它们有何不同。 2. 定义 随机森林和极端随机树属于一类称为集成学习算法的算法。集成学习算法利用许多学习算法的强大功能来执行任务。例如，在分类任务中，集成学习算法可以聚合来自多个不同分类器的预测以 阅读全文
摘要：
1. 简介 谓词问一个问题，答案是真还是假，或者换句话说，是或否。 在计算机科学和数学中，这个问题以函数的形式出现。函数的结果为真或假（是或否）。答案的数据类型，同样在数学和计算机科学中都称为布尔值。 在本教程中，我们将通过一些示例更深入地介绍这些概念。 2. 简单定义 谓词是一组参数的函数，该参数 阅读全文
摘要：
1. 概述 在人工智能和博弈论领域，我们经常遇到搜索问题。这些问题可以用互连节点的图来描述，每个节点代表一种可能的状态。 智能代理需要能够通过评估每个节点来遍历图，以达到“良好”（如果不是最佳）状态。 但是，存在无法应用典型图形搜索算法的特定类型的问题。 在本教程中，我们将讨论此类问题并评估可能的解 阅读全文
摘要：
1. 概述 在本教程中，我们将研究什么是学习曲线，以及为什么在机器学习模型的训练过程中需要它们。 我们还将发现不同类型的曲线，它们的用途，以及如何解释它们以充分利用学习过程。 在本文结束时，我们将获得避免现实生活中机器学习训练中常见问题所需的理论和实践知识。准备？让我们开始吧！ 2. 学习曲线 2. 阅读全文
摘要：
1. 简介 在本教程中，我们将讨论人工智能、机器学习、统计和数据挖掘之间的区别。 这些概念之间存在显着重叠，并且没有明确的方法来分隔它们。多年来，研究人员和工程师对这个问题表达了不同且经常相互矛盾的观点，因此没有达成共识。 2. 人工智能 让我们从人工智能（AI）开始。一般来说，人工智能的目标是构建 阅读全文
摘要：
什么是嵌入？ OpenAI的文本嵌入衡量文本字符串的相关性。嵌入通常用于： 搜索（其中结果按与查询字符串的相关性排名） 聚类（其中文本字符串按相似性分组） 推荐（推荐具有相关文本字符串的项目） 异常检测（识别出相关性不大的异常值） 多样性测量（分析相似性分布） 分类（其中文本字符串按其最相似的标签分 阅读全文
摘要：
了解如何使用我们的 DALL·E 型号 介绍 图像 API 提供了三种与图像交互的方法： 根据文本提示从头开始创建图像 根据新的文本提示创建现有图像的编辑 创建现有图像的变体 本指南介绍了使用这三个 API 终结点的基础知识以及有用的代码示例。要了解它们的实际效果，请查看我们的DALL·E 预览应用 阅读全文
摘要：
如何使用Weights&Biases的一些项目示例、演练和教程。 探索这些示例如何使用Weights&Biases以： 跟踪和可视化机器学习实验； 版本化数据集和模型 使用不同框架如PyTorch、Sciki监测（Instrument）模型 可以从我们的GitHub仓库Fork示例，也可以直接在这里 阅读全文