随笔分类 -  AI&模型

摘要:【优势一:超强的数据处理能力】 首先,DeepSeek最突出的优势之一就是它超强的数据处理能力。在这个信息爆炸的时代,数据量呈指数级增长,如何从海量数据中提取有价值的信息,成为了各行各业的难题。而DeepSeek凭借其先进的算法和强大的计算能力,能够快速处理和分析大规模数据,无论是结构化数据还是非结 阅读全文
posted @ 2025-02-11 12:00 软件职业规划 阅读(66) 评论(0) 推荐(0) 编辑
摘要:GitHub Copilot: 由 GitHub 和 OpenAI 合作开发,基于 GPT 架构。 集成到多种开发环境中,如 Visual Studio Code、JetBrains IDE 等。 根据用户输入的注释或部分代码自动生成代码补全建议,适用于多种编程语言,如 Python、JavaScr 阅读全文
posted @ 2024-12-25 17:31 软件职业规划 阅读(874) 评论(0) 推荐(0) 编辑
摘要:一、AI 写代码的原理 基于深度学习的代码生成: 深度学习模型(如 GPT 系列)通过大规模代码数据集训练,将代码视为一种序列数据。在训练过程中,它们会学习代码中的各种模式和规律,包括但不限于编程语言的语法规则、不同代码结构的组合方式、代码块之间的依赖关系以及各种函数和库的使用习惯。 对于 GPT 阅读全文
posted @ 2024-12-25 17:28 软件职业规划 阅读(478) 评论(0) 推荐(0) 编辑
摘要:一、基本概念与安装 安装 可以使用pip install -U scikit - learn命令在命令行中进行安装。如果使用Anaconda环境,也可以通过Anaconda Navigator或conda install scikit - learn进行安装。 依赖关系 它依赖于NumPy(用于高效 阅读全文
posted @ 2024-12-25 15:21 软件职业规划 阅读(102) 评论(0) 推荐(0) 编辑
摘要:一、SciPy简介 SciPy是一个用于数学、科学和工程计算的开源Python库。它构建在NumPy数组对象之上,提供了大量用于数值积分、优化、统计、信号处理、图像处理等诸多领域的高级功能。 与NumPy的关系:NumPy主要关注多维数组和对这些数组进行基本的数学运算。SciPy则在NumPy基础上 阅读全文
posted @ 2024-12-25 15:18 软件职业规划 阅读(105) 评论(0) 推荐(0) 编辑
摘要:一、基础概念 目的:用于创建各种高质量的静态、动态和交互式的可视化图表,如折线图、柱状图、散点图、饼图等多种图形,帮助用户更好地理解和展示数据。 架构:它有一个分层的架构,最顶层是脚本层(pyplot),方便快速创建简单的图表;中间层是Artist层,用于对图表的各个组件(如线条、文本、图形等)进行 阅读全文
posted @ 2024-12-25 15:15 软件职业规划 阅读(84) 评论(0) 推荐(0) 编辑
摘要:一、Pandas简介 定义 Pandas是一个开源的、用于数据处理和分析的Python库。它建立在NumPy之上,提供了高效的数据结构和数据分析工具,使得在Python中处理和分析结构化数据变得更加容易。 它主要有两个核心数据结构:Series和DataFrame。Series是一种类似于一维数组的 阅读全文
posted @ 2024-12-25 15:09 软件职业规划 阅读(273) 评论(0) 推荐(0) 编辑
摘要:一、NumPy简介 NumPy(Numerical Python)是一个功能强大的Python库,主要用于对多维数组(ndarray)进行高效的操作。它是许多其他数据科学和机器学习库(如Scikit - learn、Pandas等)的基础。 安装 可以使用pip install numpy命令在命令 阅读全文
posted @ 2024-12-25 15:06 软件职业规划 阅读(73) 评论(0) 推荐(0) 编辑
摘要:安装PyTorch 环境准备 确保你的系统安装了Python。PyTorch支持Python 3.6及以上版本。可以从Python官方网站(https://www.python.org/)下载并安装。 建议使用虚拟环境(如venv或conda)来隔离项目依赖。以conda为例,你可以使用以下命令创建 阅读全文
posted @ 2024-12-25 15:03 软件职业规划 阅读(358) 评论(0) 推荐(0) 编辑
摘要:一、TensorFlow安装 (一)安装前准备 环境要求 Python版本:TensorFlow支持Python 3.7 - 3.11。确保你的Python环境已经正确安装并且可以正常使用。你可以在命令行(Windows下是cmd,Linux和Mac下是终端)中输入python --version( 阅读全文
posted @ 2024-12-25 15:00 软件职业规划 阅读(477) 评论(0) 推荐(0) 编辑
摘要:Scikit - learn 简介:这是一个用于机器学习的常用库,它提供了大量用于分类、回归、聚类等任务的算法。例如,它包含了如支持向量机(SVM)、决策树、随机森林等分类算法,线性回归、岭回归等回归算法。 应用场景:适用于传统机器学习任务,如数据挖掘比赛、简单的数据分析预测等。比如在预测房价的任务 阅读全文
posted @ 2024-12-25 14:56 软件职业规划 阅读(193) 评论(0) 推荐(0) 编辑
摘要:一、互联网与信息技术领域 搜索引擎算法:如谷歌的PageRank算法,用于根据网页的重要性和相关性对搜索结果进行排序,帮助用户快速找到所需信息。 推荐系统算法:例如亚马逊和Netflix使用的协同过滤算法。根据用户的历史行为(购买、观看记录等)和其他相似用户的偏好,为用户推荐可能感兴趣的产品或内容。 阅读全文
posted @ 2024-12-25 14:49 软件职业规划 阅读(410) 评论(0) 推荐(0) 编辑
摘要:一、问题定义 明确目标变量:确定要预测的对象,例如预测股票价格、客户流失率、天气状况等。清晰地定义目标变量的含义和范围。 了解业务背景:深入研究问题所在的领域,如在预测电商销售额时,需要了解产品类型、销售渠道、促销活动等因素对销售额的影响。 确定预测期限:明确是进行短期预测(如小时、天)、中期预测( 阅读全文
posted @ 2024-12-25 14:42 软件职业规划 阅读(150) 评论(0) 推荐(0) 编辑
摘要:一、项目概述 本项目旨在通过模拟生成的交通相关数据,构建一个逻辑回归模型来预测交通流量。通过对时间、天气、是否为周末等因素的分析,实现对交通流量的分类预测(流量高或低),并评估模型的准确性。 二、功能模块设计 数据生成模块 功能描述:生成包含时间、天气、是否为周末以及相应交通流量的模拟数据。 输入: 阅读全文
posted @ 2024-12-24 18:33 软件职业规划 阅读(111) 评论(0) 推荐(0) 编辑
摘要:1. 项目目标 在能源管理领域,准确预测电力需求对于保障能源供应稳定至关重要。气温是影响电力需求的重要因素之一,通过建立气温与电力需求之间的线性回归模型,我们可以预测不同气温条件下的电力需求,从而为能源供应规划提供有力支持。 2. 建模准备 数据收集 来源:从气象部门获取历史气温数据,从电力公司获取 阅读全文
posted @ 2024-12-24 17:25 软件职业规划 阅读(24) 评论(0) 推荐(0) 编辑
摘要:基本概念 神经元与生物启发:人工神经网络受人类大脑中的生物神经元启发,生物神经元由细胞体、树突和轴突等组成,可处于兴奋或抑制状态,通过突触传递信息。 神经网络组成:由大量相互连接的神经元组成,包括输入层接收数据、隐藏层处理数据、输出层产生最终结果,各层神经元通过权重连接,还有激活函数引入非线性。 训 阅读全文
posted @ 2024-12-24 17:06 软件职业规划 阅读(58) 评论(0) 推荐(0) 编辑
摘要:定义 K - 近邻(K - Nearest Neighbors,KNN)模型是一种基于实例的监督学习算法。它的基本思想是给定一个训练数据集,对于一个新的输入实例,在训练数据集中找到与它最相似(距离最近)的K个实例,然后根据这K个实例的类别(对于分类问题)或数值(对于回归问题)来预测新实例的类别或数值 阅读全文
posted @ 2024-12-24 17:02 软件职业规划 阅读(95) 评论(0) 推荐(0) 编辑
摘要:一、贝叶斯定理基础 概率基础 概率是对事件发生可能性的度量。例如,在一个装有红球和蓝球的盒子中,红球占比为 p,那么随机取出一个红球的概率就是 p。 条件概率是指在某个事件已经发生的条件下,另一个事件发生的概率。如果事件 AB,那么条件概率 P(A|B) 阅读全文
posted @ 2024-12-24 16:59 软件职业规划 阅读(352) 评论(0) 推荐(0) 编辑
摘要:一、基本原理 线性可分情况 假设我们有一个二分类问题,数据点在特征空间中是线性可分的。SVM的目标是找到一个超平面,将不同类别的数据点完全分开。这个超平面可以用方程wTx+b=0来表示,其中w是权重向量,x是特征向量,b是偏置项。 对于线性可分的数据,存在无 阅读全文
posted @ 2024-12-24 16:55 软件职业规划 阅读(367) 评论(0) 推荐(0) 编辑
摘要:一、基本概念 定义 梯度提升树(Gradient Boosting Tree,GBT)是一种基于boosting框架的集成学习算法,用于回归和分类问题。它通过迭代地训练决策树,并将前一棵树的残差作为下一棵树的训练目标,逐步减少预测误差。 集成学习是将多个弱学习器(在梯度提升树中,弱学习器通常是决策树 阅读全文
posted @ 2024-12-24 16:53 软件职业规划 阅读(573) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示