文章 2024-05-29 来自:开发者社区

无监督学习与生成式人工智能(MEAP)(三)(5)

8.7 流行的深度学习库 在过去的几章中,我们使用了许多库和包来实现解决方案。在行业中有很多用于深度学习的库。这些包加快了解决方案的构建,并减少了工作量,因为大部分繁重的工作都是由这些库完成的。 我们在这里讨论最流行的深度学习库: TensorFlow:Google 开发的 TensorFlow(TF)可以说是最流行和广泛使用的深度学习框架之一。它于 2015 年推出,自...

文章 2024-05-29 来自:开发者社区

无监督学习与生成式人工智能(MEAP)(三)(4)

8.2 深度学习:是什么?它是做什么的? 近几年来,深度学习已经积累了很多动力。神经网络正在推动机器学习解决方案的边界。深度学习只是机器学习。深度学习是基于神经网络的。它利用了相似的概念,即利用历史数据,理解属性和收集的智能可以用于找到模式或预测未来,尽管深度学习比我们迄今为止涵盖的算法更复杂。 回想一下第一章,我们在那里介绍了结构化和非结构化数据集的概念。非结构化数据集包括文本...

阿里云人工智能工程师ACA认证(2023版)

41 课时 |
3179 人已学 |
免费

人工智能训练师-智能客服课程

54 课时 |
527 人已学 |
免费

人工智能安全

11 课时 |
612 人已学 |
免费
开发者课程背景图
文章 2024-05-29 来自:开发者社区

无监督学习与生成式人工智能(MEAP)(三)(3)

用 Python 实现的情感分析案例研究 到目前为止,我们已经讨论了许多关于 NLP 和文本数据的概念。在本节中,我们首先将探讨一个业务案例,然后在同一案例上开发 Python 解决方案。我们正在进行情感分析。 产品评论是信息的丰富来源 - 对客户和组织都是如此。每当我们希望购买任何新产品或服务时,我们倾向于查看其他客户的评论。您可能自己也曾评论过产品和服务。这些评论可以在亚马逊...

文章 2024-05-29 来自:开发者社区

无监督学习与生成式人工智能(MEAP)(三)(2)

7.5.2 从文本数据集中提取特征 文本数据,就像任何其他数据源一样可能会混乱和嘈杂。我们在上一节中探讨了清理它的概念和技术。现在我们已经清理了数据,准备好使用。下一步是以算法可以理解的格式表示这些数据。我们知道我们的算法只能理解数字。文本数据在其最纯粹的形式下无法被算法理解。因此,一切都需要转换为数字。 一个非常简单的技术可以是简单地对我们的单词进行独热编码,并将它们表示为矩阵...

文章 2024-05-29 来自:开发者社区

无监督学习与生成式人工智能(MEAP)(二)(5)

第六章:维度降低(高级) “生活很简单,但我们坚持把它变复杂了 - 孔子” 简单是一种美德,无论是在生活中还是在数据科学中都是如此。到目前为止,我们已经讨论了很多算法 - 其中一些足够简单,而另一些则有些复杂。在本书的第一部分,我们学习了更简单的聚类算法,在最后一章中,我们考察了高级聚类算法。同样,在第三章中,我们学习了几个维度算法,如 PCA。在同样的基础上,我们将在本章中学习...

文章 2024-05-29 来自:开发者社区

无监督学习与生成式人工智能(MEAP)(二)(4)

5.3 模糊聚类 到目前为止,我们已经涵盖了相当多的聚类算法。你是否想过为什么一个数据点只能属于一个聚类?为什么一个数据点不能属于多个聚类?看一下图 5-12。 图 5-12 左侧的图表示所有数据点。红点可以属于多个聚类。实际上,我们可以给每个点分配多个聚类。可以给一个点赋予属于特定聚类的概率分数。 我们知道聚类是根据对象之间的相似度将其分为同一个组的方法。相似...

文章 2024-05-29 来自:开发者社区

无监督学习与生成式人工智能(MEAP)(二)(3)

4.8 关联规则案例研究 关联规则挖掘是一个非常有用和强大的解决方案。我们将使用关联规则解决一个实际案例研究。 回想一下,在本章的开头,我们建议研究杂货店的模式。这种店铺摆设的逻辑是什么呢? 想象一下:你在像沃尔玛、乐购、Spar 或 Marks & Spencer 等杂货零售商工作。他们必须规划新店的视觉布局。显然,零售商要明智地利用店内空间,充分利用最大的容量...

文章 2024-05-29 来自:开发者社区

无监督学习与生成式人工智能(MEAP)(二)(2)

4.5 等价类聚类和自底向上格遍历(ECLAT) 接下来我们会在这一节学习等价类聚类和自底向上格遍历算法,或者称之为 ECLAT,有人认为这个算法在速度和实现的方便性方面比 Apriori 更好。 ECLAT 使用深度优先搜索方法。这意味着 ECLAT 沿着数据集以纵向方式进行搜索。它从根节点开始。然后进入更深的一层,并继续直到达到第一个终端注释。假设终端节点在 X 级。一旦到达...

文章 2024-05-29 来自:开发者社区

无监督学习与生成式人工智能(MEAP)(二)(1)

第四章:关联规则 本章内容包括 关联规则学习 不同类型的关联规则算法 不同关联规则算法的实现 使用 SPADE 进行序列学习 案例研究 “关联的力量比美的力量更强大;因此关联的力量就是美的力量– 约翰·罗斯金” 恭喜你完成了本书的第一部分!你探索了无监督学习的基础知识以及 k-means 聚类、层次聚类...

文章 2024-05-29 来自:开发者社区

无监督学习与生成式人工智能(MEAP)(一)(5)

3.6 奇异值分解(SVD) 在上一节中,我们学习了主成分分析(PCA)。PCA 线性地转换数据并生成彼此不相关的主成分。但是特征值分解的过程只能应用于方阵。而奇异值分解(SVD)可以应用于任何 m x n 矩阵。我们现在将更详细地学习这一点。 让我们考虑我们有一个矩阵 A。A 的形状是 m x n,或者包含 m 行和 n 列。A 的转置可以表示为 A^T。 我们可以使用...

本页面内关键词为智能算法引擎基于机器学习所生成,如有任何问题,可在页面下方点击"联系我们"与我们沟通。

产品推荐