新闻中心 
-
01-23增强机器学习模型的可解释性的途径可解释的AI是机器学习(ML)的重要方面，使模型内部工作透明易懂。提高ML模型可解释性的步骤：预建模可解释性是数据科学中的一个重要步骤。在这一步骤中，我们需要对...
-
01-23详解机器学习评估的F1得分指标准确性指标是衡量模型在整个数据集中正确预测的次数。然而，只有在数据集是类平衡的情况下，这个指标才是可靠的。也就是说，数据集中每个类别都有相同数量的样本。但是，现...
-
01-23深度学习在计算机视觉中的目标检测应用目标检测是计算机视觉领域中一项重要任务，其目标是从图像或视频中识别出特定物体，并标注它们的位置和类别。深度学习在目标检测中取得了巨大成功，尤其是基于卷积神经网络...
-
01-23优化和应用于多任务学习的机器学习方法多任务学习是一种针对多个任务联合优化的模型，其中相关任务共享表示，并通过在原始任务上学习更好的决策边界来提高模型性能。通常使用单个神经网络来同时解决多个任务。除...
-
01-23AI文字标注的分类及定义AI系统使用带注释的数据进行训练，以便创建准确且针对特定目标的模型。在数据注释过程中，元数据标签用于定义数据集的特征。这些元数据包括突出显示短语、关键字或句子等...
-
01-23使用正规方程实施线性回归的方法和前提条件正规方程是一种用于线性回归的简单而直观的方法。通过数学公式直接计算出最佳拟合直线，而不需要使用迭代算法。这种方法特别适用于小型数据集。首先，我们来回顾一下线性回...
