2024年10月30日
AI质检领域的技术发展概况
摘要： 工业上的质检领域，是AI的一个重要应用方向，主要是计算机视觉CV的主攻方向。 图1描述了深度学习技术路线的发展简图，AI质检领域主要使用卷积神经网络(CNN)提取工业场景下的视频或图像特征，然后做分类、检测、分割、目标追踪等任务。 图1 深度学习技术发展简图 在工业场景下的分类、检测任务，其数据集特 阅读全文
posted @ 2024-10-30 17:32 tgltt 阅读(110) 评论(0) 推荐(0) 编辑
GraphRAG如何构建知识图谱Knowledge Graph (GraphRAG系列第二篇)
摘要： GraphRAG工作的第一步，是将输入的文档集合，按一定的策略拆分成一个一个chunks，然后解析每个chunks，将chunk中所关注的实体(entity)和关系(relation)解析出来，以此构建知识图谱。 那问题来了，GraphRAG是如何抽取文本中的实体及其间的关系，是像以前NLP任务那样 阅读全文
posted @ 2024-10-30 17:06 tgltt 阅读(1083) 评论(0) 推荐(1) 编辑
2024年10月29日
GraphRAG原理及部署实战(GraphRAG系列第一篇)
摘要： RAG在大模型时代，被寄予了厚望，但在近一年多各大小公司的实施过程中，其效果远没有抖音中宣传的那么振奋人心，其原因是多方面的。这篇文章就RAG中的一个弱项--局部性来展开讨论。 一、RAG原理 图1描述了RAG的原理，用户输入了一个指令Instruct，RAG将其与Document store(向量 阅读全文
posted @ 2024-10-29 17:28 tgltt 阅读(4508) 评论(0) 推荐(0) 编辑
2023年6月2日
第十课 PCA降维
摘要： 有了第九课SVD分解的基础，PCA降维的原理理解起来就比较容易了。 1、PCA降维原理 先回到SVD分解，对矩阵A进行SVD分解，得到下式： A = U * S * V 其中V是正交矩阵，即V*VT=E，对上式进行一下转化： A * VT = U * S * V * VT A * VT = U * 阅读全文
posted @ 2023-06-02 22:50 tgltt 阅读(103) 评论(0) 推荐(0) 编辑
第九课 SVD分解
摘要： 大学里的《线性代数》学过矩阵的加减乘法操作，计算起来也比较简单，比如现有矩阵A和B，取值如下： A是2*3的矩阵，B是3*2的矩阵，C很容易求得一个2*2的矩阵： 上面的计算过程，相信很多人都会，但现在的问题，如何求矩阵C由哪些矩阵相乘而得？这个问题估计会的人就不多了，其实这是一个矩阵分解的问题，也 阅读全文
posted @ 2023-06-02 18:29 tgltt 阅读(169) 评论(0) 推荐(0) 编辑
2023年6月1日
第八课 常用机器学习算法性能对比
摘要： 市面上常用的机器学习算法，也就剩下KNN、朴素贝叶斯、决策树、随机森林这些算法了，这些算法各有优劣，适用不同的场景，没有谁能把所有其他的算法干掉而统一天下。 下面将通过准确率、耗时两个维度，来对比KNN、朴素贝叶斯、决策树、随机森林这几个算法的性能。 1、构建数据集，并拆分为训练集和测试集 调用Sk 阅读全文
posted @ 2023-06-01 17:46 tgltt 阅读(222) 评论(0) 推荐(0) 编辑
第七课 随机森林
摘要： 1、算法概述 随机森林是一种集成学习方法，其理论基础是决策树。 随机森林由随机+森林两个词组成，这两个词非常精确的描述了随机森林算法的本质，随机说明了算法具有一定的随机性，体现在算法在选取数据集时，会随机从行和列两个方向筛选出子样本，比如图1和图2显示了随机森林两棵子树A和B所选取的数据集是不同的， 阅读全文
posted @ 2023-06-01 12:29 tgltt 阅读(151) 评论(0) 推荐(0) 编辑
2023年5月31日
第六课 决策树
摘要： 决策树(Decision Tree)是为数不多存活下来的机器学习算法之一，因其良好的性能和可解释性，被广泛应用于生产和生活当中。 1、决策树初体验 图1是一个女方是否决定相亲的决策树示例，通过年龄、长相、收入、职业四个维度进行决策判断，媒人同时介绍了两个男方，男方一：25岁、中等相貌、中等收入、IT 阅读全文
posted @ 2023-05-31 15:04 tgltt 阅读(325) 评论(0) 推荐(0) 编辑
2023年5月30日
AI入门纯干货系列课程目录
摘要： 第一课、AI导论 (已更) 第二课、机器学习导论(已更) 第三课、特征工程(已更) 第四课、KNN最近邻算法(已更) 第五课、朴素贝叶斯算法(已更) 第六课、决策树(已更) 第七课、随机森林(已更) 第八课、常用机器学习算法性能对比(已更) 第九课、SVD分解(已更) 第十课、PCA降维(已更) 第 阅读全文
posted @ 2023-05-30 17:57 tgltt 阅读(195) 评论(0) 推荐(0) 编辑
第五课 朴素贝叶斯算法
摘要： 朴素贝叶斯算法是机器学习中目前一个还在使用的算法，其依托于贝叶斯公式的概率计算，可用于NLP等分类任务。朴素贝叶斯算法的朴素，是因为其有2个较强或较主观的前提假设： 样本间的特征(属性)是相互独立的 样本特征(属性)取值服从高斯(正态)分布 由于自然界的数据分布五花八门，给定一个数据集，但其服从什么 阅读全文
posted @ 2023-05-30 17:09 tgltt 阅读(102) 评论(0) 推荐(0) 编辑
点击右上角即可分享
微信分享提示