我的XGBoost学习经历及动手实践
知乎地址：http://www.zhihu.com/people/meng-di-76-92我今天主要介绍机器学习集成学习方法中三巨头之一的XGBoost，这个算法在早些时候机器学习比赛内曾经大放异彩，是非常好用的一个机器学习集成算法。XGBoost是一个优化的分布式梯度增强库，旨在实现高效，灵活和便携。它在Gradient Boosting框架下实现机器学习算法。XGBoost提供了并行树提升（
知识主题间先序关系挖掘
知识主题间先序关系挖掘麻珂欣1,2,魏笔凡1,2,马杰1,2,刘均1,2,黄毅3,胡珉3,冯俊兰31西安交通大学计算机科学与技术学院，陕西西安7100492陕西省天地网技术重点实验室，陕西西安7100493中国移动研究院，北京100032摘要：先序关系指知识主题之间学习的先后依赖关系。已有的先序关系挖掘方法大多是流线型的方式，易导致错误累计，且严重依赖可能导致错误先序关系的超链接。为了解决以上问题
基于数据智能的区域教育大平台建设与应用实践
基于数据智能的区域教育大平台建设与应用实践贺相春,郭绍青西北师范大学教育技术学院，甘肃兰州730070摘要：数据智能引领是新时期区域教育大平台建设与应用的重要方向。从区域教育大平台建设与应用的现状和挑战出发，从理念视角阐述了基于数据智能的区域教育大平台的发展阶段，提出运用迭代思维推进平台建设、坚持3个导向统筹平台建设、聚焦3个重点推动平台建设、创新建设机制助推生态构建等方面的建设思路，从技术视角分
《大数据》2020年第6期目次&摘要
《大数据》第6卷第6期2020年11月大数据2020年第6期（点击原文链接在官网阅读完整文章）目次01专题导读：教育大数据刘三女牙02面向数据共享的教育数据标准体系研究与建设实践杨琳,王炜,诸纪,王明政03教育大数据采集机制与关键技术研究柴唤友,刘三女牙,康令云,张雅娴,李卿,刘智04知识主题间先序关系挖掘麻珂欣,魏笔凡,马杰,刘均,黄毅,胡珉,冯俊兰05基于数据智能的区域教育大平台建设与应用实践
教育大数据隐私保护机制与技术研究
图片教育大数据隐私保护机制与技术研究乐洁玉1,罗超洋2,丁静姝3,李卿21华中师范大学国家数字化学习工程技术研究中心，湖北武汉4300792华中师范大学教育大数据应用技术国家工程实验室，湖北武汉4300793华中师范大学法学院，湖北武汉430079摘要：随着大数据技术在教育领域应用的不断深入，教育数据采集、分析及共享等环节可能带来的个人隐私安全等潜在风险不容忽视。如何保障教育数据安全，对教育数据进
深度学习「CV」学习实践指南！
深度学习的发展不仅突破了许多视觉难题，也加速了计算机视觉领域相关技术的进步。本文主要从CV数据处理、CV模型（CNN）、CV模型训练流程以及CV模型集成对计算机视觉的基础知识和基本环节进行了讲解。CV数据下载https://tianchi.aliyun.com/competition/entrance/531795/information（阿里天池-零基础入门CV赛事）CV数据处理五种数据读取方法
通俗讲解集成学习算法！
本文以图文的形式对模型算法中的集成学习，以及对集中学习在深度学习中的应用进行了详细解读。数据及背景 https://tianchi.aliyun.com/competition/entrance/531795/introduction（阿里天池-零基础入门CV赛事）集成学习集成学习，即分类器集成，通过构建并结合多个学习器来完成学习任务。一般结构是：先产生一组“个体学习器”，再用某种策略将它们结合
深度学习在医学影像中的研究进展及发展趋势
深度学习在医学影像中的研究进展及发展趋势王丽会1,2,秦永彬1,21贵州省智能医学影像分析与精准诊断重点实验室，贵州贵阳5500252贵州大学计算机科学与技术学院，贵州贵阳550025摘要：医学影像是临床诊断的重要辅助工具，医学影像数据占临床数据的90%，因此，充分挖掘医学影像信息将对临床智能诊断、智能决策以及预后起到重要的作用。随着深度学习的出现，利用深度神经网络分析医学影像已成为目前研究的主流
深度学习模型训练全流程！
本文从构建数据验证集、模型训练、模型加载和模型调参四个部分对深度学习中模型训练的全流程进行讲解。一个成熟合格的深度学习训练流程至少具备以下功能：在训练集上进行训练；在验证集上进行验证；模型可以保存最优的权重，并读取权重；记录下训练集和验证集的精度，便于调参。本文CNN模型构建参考：https://mp.weixin.qq.com/s/JhFun5I_8Kjkbz6S4613Xw数据及背景 htt
基于多源城市交通出行数据的定制公交需求辨识方法研究
基于多源城市交通出行数据的定制公交需求辨识方法研究陈汐1,王印海2,代壮3,马晓磊41北京航空航天大学交通科学与工程学院，北京1001912美国华盛顿大学土木和环境工程系，美国西雅图981953西南交通大学交通运输与物流学院，四川成都6100314北京航空航天大学大数据科学与脑机智能高精尖创新中心，北京100191摘要：定制公交作为一种新的公交服务模式，对其需求的辨识具有重要实践意义，也是后续线路
深入浅出卷积神经网络及实现！
卷积神经网络CNN是深度学习中的基础知识。本文对CNN的基础原理及常见的CNN网络进行了详细解读，并介绍了Pytorch构建深度网络的流程。最后，以阿里天池零基础入门CV赛事为学习实践，对Pytorch构建CNN模型进行实现。数据及背景 https://tianchi.aliyun.com/competition/entrance/531795/introduction（阿里天池 - 零基础入门
生成技术在人工智能平台中的应用探索
生成技术在人工智能平台中的应用探索夏正勋,杨一帆,罗圣美,赵大超,张燕,唐剑飞星环信息科技（上海）有限公司，上海200233摘要：随着人工智能（AI）技术的发展，AI应用进入了快速普及期，面对快速增长的市场需求，AI平台有必要引入自动化方法提升开发效率。在分析生成技术研究进展、AI平台现状及挑战的基础上，基于生成技术实现了AI平台的前后端适配、性能优化、模型安全提升等核心工作的自动化。新方法可以根
Android 中 failed to connect to /127.0.0.1 (port 18080) from /127.0.0.1 (port 59190) 解决办法
Android 中 isConnected failed: ECONNREFUSED解决办法问题产生解决过程解决办法问题产生今天运行一个师兄的项目，前端是Android，后端是springboot。搞了老半天，Android和springboot项目都跑起来了，在具体Android访问后端的时候报错了错误如下：W/System.err: Caused by: java.net.ConnectException: failed to connect to /127.0.0.1 (port 18080)
linux CentOS 7 开放/关闭端口，关闭防火墙
CentOS 7 开放/关闭端口，关闭防火墙常用的防火墙操作集合# 永久的开放需要的端口firewall-cmd --zone=public --add-port=3000/tcp --permanentfirewall-cmd --reload# 永久关闭某端口firewall-cmd --remove-port=3000/tcp --permanent# 检查防火墙规则systemctl stop firewalld# 临时关闭防火墙,重启后会重新自动打开systemctl r
java基础之JVM
java基础（补短板）一、JVM1. 基本概念2.运行过程（1）线程（2）JVM内存（1 程序计数器(线程私有)（2 虚拟机栈(线程私有)（3 本地方法区(线程私有)（4 堆（Heap-线程共享）-运行时数据区（5 方法区/永久代（线程共享）（3）JVM运行时内存（1 新生代这是一个针对可能的面试的一个笔记一、JVM1. 基本概念2.运行过程（1）线程（2）JVM内存（1 程序计数器(线程私有)（2 虚拟机栈(线程私有)（3 本地方法区(线程私有)（4 堆（Hea
flutter百度语音唤醒功能出现 {“error“:11,“desc“:“Wakeup engine has no license“,“sub_error“:11002}怎么办？
问题如下：这个问题是一个同学问我关于遇到这个问题怎么办，因为他可以在Android端实现这个功能，但是放到flutter就会报错。于是我也去测试了，发现一直会报这个问题，困扰了我好久，但是突然我发现我们在百度语音创建应用的时候需要用到包名，我改了运行包名，还真的成功了。1.创建的应用的时候需要填写包名关于这个包名填写什么我下面会说明2.与你打印的包名相同我们可以看到我们打印错误前面的包名是com.example.voice_app，所以上方需要填写com.exampe.voice_app。
Flutter新手入门常用组件总结，让你了解更多的Flutter组件？
Flutter常用组件1.MaterialApp2.Scaffold3.Container4.BoxDecoration（装饰器）5.Row（横向排布）6.Column（纵向排布）7.Expanded和Flexible8.Stack和Positioned（层叠布局）9.页面切换BottomNavigationBar10.RefreshIndicator和ListView（下拉刷新）11.FloatingActionButton(悬浮按钮)12.Text（文本）13.TextField（功能较多）14.Pag
上分神器：训练调参与模型集成
本文为干货知识+赛事实践系列，对模型训练、调参流程与模型集成进行了总结，旨在理论与实践结合（零基础入门系列：数据挖掘/cv/nlp/金融风控/推荐系统等，持续更新）分享大纲1. 模型训练与验证设置验证集的必要性和验证集训练方法；2. 调参流程调参指导框架、搭建Baseline训练模型和调参原则；3. 模型集成通过交叉验证集成模型、TTA和Snapshot。模型训练与验证为什么要设置验证集：两种常见
基于关系图谱的人岗关系研究
基于关系图谱的人岗关系研究王晓萍1,郭梦洁2,3,岳婧雯2,31上海市经济和信息化委员会信息中心，上海2001252复旦大学计算机科学技术学院，上海2012033上海市数据科学重点实验室，上海201203摘要：利用现有的数据进一步挖掘分析并帮助干部组织工作，是一个既有挑战又具有潜力的方向。针对干部信息数据的特点，使用基于关系图谱的人岗相宜研判方法分析领导班子，通过整合干部履历表以及人员基本信息库中
今日推荐
周排行