人工智能

人工智能

文章 161 浏览 43

吴恩达老师的作业问题关于SVM向量机采用核函数计算出结果怎样才能用

问题大概是有两个特征的数据 去预测结果 样本数量863,用X1,X2去预测Y【x1,x2】=>【y】 如果是线性分类 这个里面有参数coef [1.40718563,213398052] …

|煩躁 2022-09-12 03:59:56 12 0

在AI方面,AWS能提供针对性服务吗?

在AI方面,针对特定行业的具体需求,AWS是否能提供更有针对性的服务?…

浊酒尽余欢 2022-09-12 03:59:55 12 0

为什么使用libsvm预测的支持向量值与真实值不一样?

最近在研究SVM,发现了以下问题: 我首先使用libsvm训练了一个SVM模型,然后获取了这个模型的支持向量,然后将这些支持向量又使用这个训练好的模型来…

爱,才寂寞 2022-09-12 03:59:54 21 0

pandas根据值判断写入同一行不同列

有一excel文件,有上千条数据,需要根据“地点”这一列,如果为北京,在“类型”这列写入‘A’,为上海,在“类型”这列写入‘B’,为广州,在“类型…

梦冥 2022-09-12 03:44:57 26 0

AWS EC2实例的技术和性能

看新闻说基于nvidia T4 GPU的AWS EC2实例即将上线,能否详细介绍一下该实例的技术和性能规格等信息?…

耶耶耶 2022-09-12 03:29:05 26 0

请问有没有什么开箱即用的 图片分类 方法?

请问有没有 比较简单的 开箱即用的 人工智能 图片分类库或工具?…

長街聽風 2022-09-12 03:24:13 28 0

对于一个缺乏相关经验的企业,如果希望基于AI技术开发新产品,面对技术难度、成本等因素,AWS的哪些服务可以提供怎样的帮助?

对于一个缺乏相关经验的企业,如果希望基于AI技术开发新产品,面对技术难度、成本等因素,AWS 的哪些服务可以提供怎样的帮助?…

小姐丶请自重 2022-09-12 03:18:52 6 0

python筛选特定字符

现在有a='1、da打发打发打的费阿达东风阿斯顿发发 2、爱的方法的发放的发发3、啊啊大大书法监控机1604开关及16041、16042、16043、16044刀是否水电费…

夜唯美灬不弃 2022-09-12 03:17:31 19 0

RPA的发展情况好吗,要考虑的话入手哪一款好呢

请问RPA今年来的发展情况如何,未来的发展会怎么样?现在考虑入手RPA产品吗,有哪些靠谱的RPA产商?…

零度° 2022-09-12 02:59:10 21 0

人工智能训练数据如何存储?存储数据最大的痛点是什么?

计算机视觉,或者语音识别都需要用到大量的标注过的非结构化数据,有什么好办法存储和管理这些数据吗?你是怎么存储原始数据和标签数据的呢?如何做可…

相思故 2022-09-12 02:28:47 22 0

公司组建一支算法团队的隐性成本都有哪些?

多年硅谷的工作经历告诉我们,组建一支算法团队远比认知的“昂贵”得多。比如需要为算法工程师和科学家们配备软件工程师,为他们做工具的支撑,需要采…

允世 2022-09-12 02:24:13 21 0

python 合并两个有相同表头的excel文件,保留原本样式

python 怎样合并两个有相同表头的excel文件A和B的数据,合并后生成C文件保留相同的表头,数据合并,然后保留A文件的样式 A文件: 名字 地址 手机号码…

弥枳 2022-09-12 02:19:48 29 0

keras二分类失败,请教!

终于我又回到了这个平台~~~ 这里是我python启蒙的地方,在这里经常可以找到问题的答案,感谢大家! 最近我在用keras做二分类预测遇到一个问题 训练集…

半﹌身腐败 2022-09-12 02:14:47 30 0

keras在fit时如何避免增量学习?

我定义了一个模型在循环外同时在循环内,按日期向后滚动,不断的给模型fit数据,但是问题出现了,模型每次fit的时候,显示的loss是继承了上一次fit的…

安稳善良 2022-09-12 02:12:57 22 0

python pandas怎样根据每一行的固定单元格的值,然后写入同一行固定单元格对应的值

有一excel文件,有上千条数据,需要根据“地点”这一列,如果为空,在“N”这列写入否,如果不用excel公式用pandas怎样实现? 序号 日期 地点 金额1 …

乄_柒ぐ汐 2022-09-12 02:09:04 29 0
更多

推荐作者

已经忘了多久

文章 0 评论 0

15867725375

文章 0 评论 0

LonelySnow

文章 0 评论 0

走过海棠暮

文章 0 评论 0

轻许诺言

文章 0 评论 0

信馬由缰

文章 0 评论 0

    我们使用 Cookies 和其他技术来定制您的体验包括您的登录状态等。通过阅读我们的 隐私政策 了解更多相关信息。 单击 接受 或继续使用网站,即表示您同意使用 Cookies 和您的相关数据。
    原文