机器学习 特征

图像数据增强是一种在计算机视觉和深度学习领域中广泛使用的技术，它通过对原始图像进行变换操作来扩充训练数据集。这个过程可以增加数据的多样性，提高深度学习模型的泛化能力，并有效解决数据稀缺问题。据报道，微美全息正在研究用于图像数据增强的特征变换技术，在图像数据增强中，特征变换技术是一种常用的方法，通过对图像进行一系列的特征

作者 | 桑基韬整理 | 维克多人工智能目前最大的“拦路虎”是不可信赖性，以深度学习为基础的算法，在实验室环境下可以达到甚至超过人类的水平，但在很多实际应用场景下的性能无法保证，而且存在对抗鲁棒性、解释性、公平性等问题。 4月8日，在AI TIME青年科学家——AI 2000学者专场论坛上，北京交通大学计算机

大数据时代的隐私泄露如达摩克利斯之剑，高悬在每个网民头上，而关于如何保护数据隐私我们也走了很长的路。1977 年，统计学家 Tore Dalenius 给出关于数据隐私的严格定义：攻击者不能从隐私数据里获取任何在没有拿到数据之前他们所不知道的个人信息。 2006 年，计算机学者 Cynthia Dwork 证明

雷锋网按：本文为雷锋字幕组编译的技术博客，原标题 A Feature Selection Tool for Machine Learning in Python，作者为 William Koehrsen。翻译 | 胡瑛皓、程炜       校对 |龙柯宇     整理 |  MY 特征选择，也就是从数据集中找出并选择最

公众号/机器之心 选自Berkeley Lab作者：Jon Bashor机器之心编译参与：李诗萌、刘晓坤机器学习模型通常依赖于大量训练数据，所以在很多领域中难以施展拳脚。近日，伯克利实验室 CAMERA 的研究人员开发了非常高效的卷积神经网络，可以从有限的训练数

编者按：本文来自微信公众号 “新智元”（ID：AI_era） ，编译：赵以文 人类长寿公司的研究人员最近在PNAS发表了一篇论文，利用全基因组测序数据，使用机器学习方法，预测个体的性状。结果表明，研究人员能够比较准确地预测出一些简单的个体性状特征，尤其是眼睛颜色、肤色和性别。论文第一作者

1. 数值变量标准化 不同数据的Scale不一样，所以需要标准化。比如身高和体重。 不做标准化，有些算法会死得很惨，比如SVM、神经网络、K-means之类。标准化的一种方法是均值方差法。 不是什么时候都需要标准化，比如物理意义非常明确的经纬度，如果标准化，其本身的意义就会丢

作者：龙心尘 &&寒小阳1. 剧情一：挑螃蟹的秘密李雷与韩梅梅的关系发展得不错，趁国庆休假一起来天津玩。今天，李雷十分神秘地请韩梅梅去一家餐馆吃螃蟹。韩梅梅大失所望，这个餐馆很不起眼，感觉就像路边的老食堂。菜单都用粉笔写在黑板上，一点都不高档。一看价格，满黄螃蟹120块钱一只!这也太贵了。李雷看到了韩梅

作者：龙心尘 &&寒小阳1. 引言我们今天打算讲一个相亲的故事。讲机器学习为什么要讲相亲？被讨论群里的小伙伴催着相亲，哦不，催着讲特征工程紧啊。只是我们不太敢讲这么复杂高深的东西，毕竟工程实践的经验太复杂了，没有统一的好解释的理论，一般的教材讲这方面的内容不多。我们就打算以一个相亲的故事为例，串一些特征