- 【吴恩达机器学习-week2】可选实验：特征工程和多项式回归【Feature Engineering and Po
支持我的工作......
- 机器学习（四）——Lasso线性回归预测构建分类模型（matlab）
Lasso线性回归（LeastAbsoluteShrinkageandSelectionOperator）是一种能够进行特征选择和正则化的线性回归方法。其重要的思想是L1正则化：其基本原理为在损失函数中加上模型权重系数的绝对值，要想让模型的拟合效果比较好，就要使损失函数尽可能的小，因此这样会使很多权重变为0或者权重......
- 自动驾驶新篇章：基于大模型的协作驾驶与终身学习框架
自动驾驶技术受到了学术界和工业界的广泛关注，但当前的自动驾驶系统大多基于数据驱动的方法，存在可解释性、泛化能力和持续学习能力方面的显著不足。而且单车自动驾驶系统缺乏与其他车辆协作和协商的能力，这对于提高驾驶安全性和效率至关重要。交通路口的场景：其中车1（veh1）和......
- [3B1B]线性代数的本质
video向量空间中的箭头，指导我们如何从起点走到终点。从二维向量开始考虑，例如\(\operatorname{transform}[2,3]\)。三维向量同理，\(\operatorname{transform}[2,3,4]\)。向量相加时，考虑本质，\(\operatorname{transform}[a,b]+\operatorname{transform}[c,d]=\operatorname{tran......
- text security audit 安全审核-语义模型过滤 敏感内容检测系统
本项目收集大量的涉及政治、色情、辱骂、暴力违禁等敏感数据，据此微调roberta模型，根据模型对文本内容进行分类打分，进行检测审核；针对业务场景下个性化的数据和需求，可自由定制审核模型的阈值参数，合适的策略配置将有效提升内容审核的召回率和精确率。Thisprojectcollectsalarge......
- 【Python机器学习】模型评估与改进——对交叉验证的更多控制
在k交叉验证中，可以利用cv参数来调节cross_cal_score所使用的参数。但scikit-learn允许提供一个交叉验证分离器作为cv参数，来对数据划分过程进行更精细的控制。对于大多数使用场景而言，回归问题默认的k折交叉验证与分类问题的分层k折交叉验证的表现都很好，但有些情况下可能希望使......
- 经典的卷积神经网络模型 - AlexNet
经典的卷积神经网络模型-AlexNetflyfishAlexNet是由AlexKrizhevsky、IlyaSutskever和GeoffreyHinton在2012年提出的一个深度卷积神经网络模型，在ILSVRC-2012（ImageNetLargeScaleVisualRecognitionChallenge2012）竞赛中取得了显著的成果，标志着深度学习在计......
- 经典的卷积神经网络模型 - VGGNet
经典的卷积神经网络模型-VGGNetflyfishVGG网络的名称来源于其开发团队——牛津大学的视觉几何组（VisualGeometryGroup）在2014年，牛津大学的视觉几何组和GoogleDeepMind公司的研究人员也不例外，研发了一个名为VGG的网络，VGG网络的一个主要贡献是展示了网络的深度（即层数）在......
- 使用 Amazon Bedrock Converse API 简化大语言模型交互
本文将介绍如何使用AmazonBedrock最新推出的ConverseAPI，来简化与各种大型语言模型的交互。该API提供了一致的接口，可以无缝调用各种大型模型，从而消除了需要自己编写复杂辅助功能函数的重复性工作。文中示例将展示它相比于以前针对每个模型进行独立集成的方式，具有更简单的实......
- 跨模型知识融合：大模型的知识融合
大模型（LLMs）在多个领域的应用日益广泛，但确保它们的行为与人类价值观和意图一致却充满挑战。传统对齐方法，例如基于人类反馈的强化学习（RLHF），虽取得一定进展，仍面临诸多难题：训练奖励模型需准确反映人类偏好，这本身难度很大；actor-critic架构的设计和优化过程复杂；RLHF通常需要直接访问......
