• Python 特点

    1.易于学习:Python有相对较少的关键字,结构简单,和一个明确定义的语法,学习起来更加简单。
  • Google趋势分析

    了解世界各地的用户在搜索什么

  • 微信指数

     微信指数可以提供舆情监测,能实时了解互联网用户当前最为关注的社会问题、热点事件、舆论焦点等等,从而方便企业及时形成有效的舆情应对方案。通过关键词的热度,不仅可以获取用户的变化及兴趣点,成为企业决策的依据,还能对投放效果进行有效的监测、跟踪和反馈。

  • 百度指数

     百度指数是以百度网民行为数据为基础的数据分享平台,是目前国内互联网最重要的统计分析平台之一,很多企业甚至会把百度指数的大数据当做营销决策的依据。

  • Python 发展历史

    Python 是由 Guido van Rossum 在八十年代末和九十年代初,在荷兰国家数学和计算机科学研究所设计出来的。
  • 微指数

     微指数是新浪微博的数据分析工具,是基于微博的热点内容搜索生成的关键词指数及实时数据。这款工具通过关键词的热议度,以及行业、类别的平均影响力,来反映微博舆情的发展走势。

  • 什么是遗传算法

     遗传算法是计算数学中用于解决最佳化的搜索算法,是进化算法的一种。进化算法最初是借鉴了进化生物学中的一些现象而发展起来的,这些现象包括遗传、突变、自然选择以及杂交等。遗传算法通常实现方式为一种计算机模拟。对于一个最优化问题,一定数量的候选解(称为个体)的抽象表示(称为染色体)的种群向更好的解进化。传统上,解用二进制表示(即0和1的串),但也可以用其他表示方法。进化从完全随机个体的种群开始,之后一代一代发生。在每一代中,整个种群的适应度被评价,从当前种群中随机地选择多个个体(基于它们的适应度),通过自然选择和突变产生新的生命种群,该种群在算法的下一次迭代中成为当前种群

  • 数据科学词典——你需要知道的关键术语

    数据科学领域是术语的虚拟温床,是计算机科学、统计学、数学和软件工程术语的汇合。此外,数据科学的语言发展非常迅速。在本文中,为您提供关于数据科学的额外术语词典,包括 AI、 机器学习和 深度学习。

  • 什么是人工神经元

    人工神经元是一个数学函数视为一个模型生物的神经元,一个神经网络。人工神经元是人工神经网络中的基本单元。人工神经元接收一个或多个输入(代表神经树突处的兴奋性突触后电位和抑制性突触后电位)并将它们相加以产生输出(或激活,代表沿其轴突传递的神经元的动作电位)。通常每个输入都单独加权,总和通过一个非线性函数,称为激活函数或传递函数。传递函数通常具有sigmoid形状,但它们也可能采用其他非线性函数、分段线性函数或阶跃函数的形式。它们也经常单调递增、连续、可微且有界。阈值函数启发了构建逻辑门,称为阈值逻辑;适用于构建类似大脑处理的逻辑电路。例如,近来已广泛使用诸如忆阻器之类的新器件来开发此类逻辑。

  • 学生t-分布

    学生 t-分布(Student t-distribution)用于根据小样本来估计呈正态分布且变异数未知的总体,其平均值是多少。t 分布也是对称的倒钟型分布,就如同正态分布一样,但它的长尾占比更多,
  • 卡方分布(连续型)

    简单而言,卡方分布(Chi-squared)可以理解为,k 个独立的标准正态分布变量的平方和服从自由度为 k 的卡方分布。卡方分布是一种特殊的伽玛分布,是统计推断中应用最为广泛的概率分布
  • 高斯分布(连续型)

    高斯分布或正态分布是最为重要的分布之一,它广泛应用于整个机器学习的模型中。例如,我们的权重用高斯分布初始化、我们的隐藏向量用高斯分布进行归一化等等。
  • 指数分布(连续型)

    指数分布可以用来表示独立随机事件发生的时间间隔,比如旅客进入机场的时间间隔、打进客服中心电话的时间间隔等等。当 alpha 等于 1 时,指数分布就是 Gamma 分布的特例。
  • Gamma 分布(连续型)

    Gamma 分布是统计学中的常见连续型分布,指数分布、卡方分布和 Erlang 分布都是它的特例。如果 Gamma(a,1) / Gamma(a,1) + Gamma(b,1),那么 Gamma 分布就等价于 Beta(a, b) 分
  • 狄利克雷分布(连续型)

    狄利克雷分布(Dirichlet distribution)是一类在实数域以正单纯形(standard simplex)为支撑集(support)的高维连续概率分布,是 Beta 分布在高维情形的推广。在贝叶斯推断中,狄利克雷
  • Beta 分布(连续型)

    贝塔分布(Beta Distribution) 是一个作为伯努利分布和二项式分布的共轭先验分布的密度函数,它指一组定义在 (0,1) 区间的连续概率分布。均匀分布是 Beta 分布的一个特例,即在 a
  • 多项式分布(离散型)

    范畴分布是多项式分布(Multinomial distribution)的一个特例,它与范畴分布的关系就像伯努利分布与二项分布之间的关系。
  • Multi-Bernoulli 分布

    Multi-Bernoulli 分布又称为范畴分布(Categorical distribution),它的类别超过 2,交叉熵的形式与该分布的负对数形式是一致的。
  • 二项分布(离散型)

    二项分布是由伯努利提出的概念,指的是重复 n 次独立的伯努利试验。在每次试验中只有两种可能的结果,而且两种结果发生与否互相对立。
  • 伯努利分布(离散型)

    伯努利分布并不考虑先验概率 P(X),它是单个二值随机变量的分布。它由单个参数φ∈ [0, 1] 控制,φ 给出了随机变量等于 1 的概率。我们使用二元交叉熵函数实现二元分类,它的形
    页次:11/33 每页20 总数653    首页  上一页  下一页  尾页    转到: