算法思路
ML/DL：关于机器学习、深度学习算法模型的选择
2021-10-28
291
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
ML/DL：关于机器学习、深度学习算法模型的选择
目录
相关文章
|
4天前
|
机器学习/深度学习
人工智能
算法
|
1天前
|
机器学习/深度学习
存储
设计模式
特征时序化建模：基于特征缓慢变化维度历史追踪的机器学习模型性能优化方法
本文探讨了数据基础设施设计中常见的一个问题：数据仓库或数据湖仓中的表格缺乏构建高性能机器学习模型所需的历史记录，导致模型性能受限。为解决这一问题，文章介绍了缓慢变化维度（SCD）技术，特别是Type II类型的应用。通过SCD，可以有效追踪维度表的历史变更，确保模型训练数据包含完整的时序信息，从而提升预测准确性。文章还从数据工程师、数据科学家和产品经理的不同视角提供了实施建议，强调历史数据追踪对提升模型性能和业务洞察的重要性，并建议采用渐进式策略逐步引入SCD设计模式。
15
8
8
|
2月前
|
人工智能
JSON
算法
Qwen2.5-Coder 系列模型在 PAI-QuickStart 的训练、评测、压缩及部署实践
阿里云的人工智能平台 PAI，作为一站式、 AI Native 的大模型与 AIGC 工程平台，为开发者和企业客户提供了 Qwen2.5-Coder 系列模型的全链路最佳实践。本文以Qwen2.5-Coder-32B为例，详细介绍在 PAI-QuickStart 完成 Qwen2.5-Coder 的训练、评测和快速部署。
510
30
30
|
25天前
|
编解码
机器人
测试技术
技术实践 | 使用 PAI+LLaMA Factory 微调 Qwen2-VL 模型快速搭建专业领域知识问答机器人
Qwen2-VL是一款具备高级图像和视频理解能力的多模态模型，支持多种语言，适用于多模态应用开发。通过PAI和LLaMA Factory框架，用户可以轻松微调Qwen2-VL模型，快速构建文旅领域的知识问答机器人。本教程详细介绍了从模型部署、微调到对话测试的全过程，帮助开发者高效实现定制化多模态应用。
371
13
13
|
1月前
|
机器学习/深度学习
人工智能
算法
人工智能浪潮下的编程实践：构建你的第一个机器学习模型
在人工智能的巨浪中，每个人都有机会成为弄潮儿。本文将带你一探究竟，从零基础开始，用最易懂的语言和步骤，教你如何构建属于自己的第一个机器学习模型。不需要复杂的数学公式，也不必担心编程难题，只需跟随我们的步伐，一起探索这个充满魔力的AI世界。
51
12
12
|
1月前
|
机器学习/深度学习
人工智能
算法
探索机器学习：从线性回归到深度学习
本文将带领读者从基础的线性回归模型开始，逐步深入到复杂的深度学习网络。我们将通过代码示例，展示如何实现这些算法，并解释其背后的数学原理。无论你是初学者还是有经验的开发者，这篇文章都将为你提供有价值的见解和知识。让我们一起踏上这段激动人心的旅程吧！
49
3
3
|
2月前
|
机器学习/深度学习
Python
机器学习中评估模型性能的重要工具——混淆矩阵和ROC曲线。混淆矩阵通过真正例、假正例等指标展示模型预测情况
本文介绍了机器学习中评估模型性能的重要工具——混淆矩阵和ROC曲线。混淆矩阵通过真正例、假正例等指标展示模型预测情况，而ROC曲线则通过假正率和真正率评估二分类模型性能。文章还提供了Python中的具体实现示例，展示了如何计算和使用这两种工具来评估模型。
72
8
8
|
21天前
|
机器学习/深度学习
人工智能
算法
机器学习与深度学习：差异解析
机器学习与深度学习作为两大核心技术，各自拥有独特的魅力和应用价值。尽管它们紧密相连，但两者之间存在着显著的区别。本文将从定义、技术、数据需求、应用领域、模型复杂度以及计算资源等多个维度，对机器学习与深度学习进行深入对比，帮助您更好地理解它们之间的差异。
63
0
0
|
14天前
|
机器学习/深度学习
算法
基于改进遗传优化的BP神经网络金融序列预测算法matlab仿真
本项目基于改进遗传优化的BP神经网络进行金融序列预测，使用MATLAB2022A实现。通过对比BP神经网络、遗传优化BP神经网络及改进遗传优化BP神经网络，展示了三者的误差和预测曲线差异。核心程序结合遗传算法（GA）与BP神经网络，利用GA优化BP网络的初始权重和阈值，提高预测精度。GA通过选择、交叉、变异操作迭代优化，防止局部收敛，增强模型对金融市场复杂性和不确定性的适应能力。
146
80
80
|
2天前
|
机器学习/深度学习
数据采集
算法
基于GA遗传优化的CNN-GRU-SAM网络时间序列回归预测算法matlab仿真
本项目基于MATLAB2022a实现时间序列预测，采用CNN-GRU-SAM网络结构。卷积层提取局部特征，GRU层处理长期依赖，自注意力机制捕捉全局特征。完整代码含中文注释和操作视频，运行效果无水印展示。算法通过数据归一化、种群初始化、适应度计算、个体更新等步骤优化网络参数，最终输出预测结果。适用于金融市场、气象预报等领域。
22
11
11
