Scikit-Opt 简介 scikit-opt 是一个封装了多种启发式算法的 Python 代码库，可以用于解决优化问题。虽然它的名字与著名的机器学习库 scikit-learn 相似，但两者并没有直接的隶属关系。 核心特点： 多算法支…
2024高考作文「新课标一卷」的作文题目：随着互联网的普及、人工智能的应用，越来越多的问题能很快得到答案。那么，我们的问题是否会越来越少？以上材料引发了你怎样的联想和思考？请写一篇文章。要求：选准角度，…
背景与基础 目前的机器学习模型都是数学模型，其对应的输入要求必须是数字形式（number）的，而我们处理的真实场景往往会包含许多非数字形式的输入（有时候即使原始输入是数字形式，我们也需要转换），最典型的就是…
ChatGPT与GPT ChatGPT，全称聊天生成预训练转换器（英语：Chat Generative Pre-trainedTransformer），是OpenAI开发的人工智能聊天机器人程序，于2022年11月推出。该程序使用基于GPT-3.5、GPT-4架构的大型语言模型…
BERT简介 BERT（Bidirectional Encoder Representations from Transformers）是一种预训练语言表示的方法，由Google的研究者在2018年提出。它在自然语言处理（NLP）领域取得了革命性的进展，尤其是在理解上下文含义…
Transformer简介 Transformer是一种深度学习架构，由Google的研究者在2017年的论文《Attention Is All You Need》中首次提出。它在自然语言处理（NLP）和其他领域取得了巨大的成功，特别是在处理长序列数据方面。Tr…
线性回归是机器学习中最为简单的模型，但在实际使用过程中可能不太适用。比如以下场景： 分段线性拟合是一种用于对数据进行建模的回归方法，其中数据在不同的区间内使用不同的线性函数进行建模。与简单线性回归…
NeuralProphet 产生背景 大多数时间序列问题需要易于理解的预测。同时，需要有效的预测。这两个愿望导致了一种权衡：可解释性与准确率。准确率的显著提高通常归因于更复杂的模型。然而，复杂性与可解释性存在天然的…
超参数优化简介 目前人工智能和深度学习越趋普及，大家可以使用开源的 Scikit-Learn、TensorFlow 来实现机器学习模型。对于各种模型而言，或多或少都具有要调节的超参数。相同的模型应用在不同的数据集上，如何选择…
DTW简介 DTW（Dynamic Time Warping）是一种用于比较时间序列之间相似性的算法。它可以有效地处理在时间轴上存在偏移、缩放和扭曲等变形的时间序列数据。DTW算法通过对两个时间序列进行动态规整，将它们按最优路径…
