一个处女座的程序猿:CSDN认证博客专家
博客地址：https://yunyaniu.blog.csdn.net
一个处女座的程序猿:CSDN认证博客专家
博客地址：https://yunyaniu.blog.csdn.net
成功解决TypeError: only size-1 arrays can be converted to Python scalars
ML之KG：基于MovieLens电影评分数据集利用基于知识图谱的推荐算法(networkx+基于路径相似度的方法)实现对用户进行Top电影推荐案例
TF之LSTM/GRU：基于tensorflow框架对boston房价数据集分别利用LSTMGRU算法(batch_size调优对比)实现房价回归预测案例
ML之CF：基于MovieLens电影评分数据集利用基于用户协同过滤算法(余弦相似度)实现对用户进行Top5电影推荐案例
AutoML之flaml：基于flaml框架对比lightgbm和xgboost模型进行自动化参数调优实现体内脂肪含量值回归预测案例之详细攻略
Python：利用for循环比较两个列表元素的异同进而找出共有元素各自不同元素并全部导出到csv文件实现代码
XAI/ML：可解释人工智能XAI/ 机器学习模型可解释性的简介意义常用方法(包括工具包)及其对比之详细攻略
AI&BlockChain：“知名博主独家讲授”人工智能创新应用竞赛精选实战作品之《基于计算机视觉自然语言处理区块链和爬虫技术的智能会议系统》软件系统案例的界面简介功能介绍分享之总篇
Python编程语言学习：基于python各种库(matplotlibImage)利用多种方法打图片或进行图片可视化之详细攻略
一种架构来完成所有任务—Transformer架构正在以一己之力统一AI江湖
NLP：自然语言处理领域常见的文本特征表示/文本特征抽取(本质都是“数字化”)的简介四大类方法(基于规则/基于统计，离散式one-hotBOWTF-IDF/分布式)之详细攻略
Py之shap：shap.explainers.shap_values函数的简介解读(shap_values[1]索引为1的原因)使用方法之详细攻略
DL之Perceptron：感知器(多层感知机/人工神经元)的原理之基于numpy定义2层感知机底层逻辑代码(与门AND/与非门NAND/或门OR是)解决XOR异或问题之详细攻略
ML之shap：基于adult人口普查收入二分类预测数据集(预测年收入是否超过50k)利用Shap值对XGBoost模型实现可解释性案例之详细攻略
ML之shap：基于boston波士顿房价回归预测数据集利用Shap值对LiR线性回归模型实现可解释性案例
ML之shap：基于boston波士顿房价回归预测数据集利用shap值对XGBoost模型实现可解释性案例
DL：深度学习模型优化之模型训练技巧总结之适时自动调整学习率实现代码
AI&BlockChain：“知名博主独家讲授”人工智能创新应用竞赛精选实战作品之《基于计算机视觉自然语言处理和区块链技术的乘客智能报警系统》案例的界面简介功能介绍分享之自然语言处理技术
NLP：自然语言处理技术最强学习路线之NLP简介(岗位需求/必备技能)早期/中期/近期应用领域(偏具体应用)经典NLP架构(偏具体算法)概述常用工具/库/框架/产品环境安装(更新中)
ML之R：通过数据预处理利用LiR/XGBoost等(特征重要性/交叉训练曲线可视化/线性和非线性算法对比/三种模型调参/三种模型融合)实现二手汽车产品交易价格回归预测之详细攻略
ML之kmeans：通过数据预处理(分布图箱线图热图/文本转数字/构造特征/编码/PCA)利用kmeans实现汽车产品聚类分析(SSE-平均轮廓系数图/聚类三维图/雷达图/饼图柱形图)/竞品分析之详细
成功解决numpy.linalg.LinAlgError: SVD did not converge
DataScience之ME：平均数编码(Mean Encoding)的简介代码实现案例应用之详细攻略
NLP：Transformer的简介(优缺点)架构详解之详细攻略
AI：Python与人工智能相关的库/框架(机器学习&深度学习&数据科学/计算机视觉/自然语言处理)的简介案例应用之详细攻略
ML之PDP：基于FIFA 2018 Statistics(2018年俄罗斯世界杯足球赛)球队比赛之星分类预测数据集利用DT决策树&RF随机森林+PDP部分依赖图可视化实现模型可解释性之详细攻
IT：后端进阶技术路线图(初级→中级→高级)后端开发工程师(技术方向分类之后台业务开发/中间件/内核/分布式架构)基础知识简介技术路线/技术趋势指南(如何选择自己的技术方向)之详细攻略
DataScience之boxcox：scipy.stats.boxcox函数的简介案例应用(将非正态分布数据转换为正态分布数据)之详细攻略
CV：阿里在CV数据增强领域带来SOTA新范式(已被NeurIPS2022接收)—基于离散化对抗训练的鲁棒视觉新基准！
DL之GRU：基于2022年6月最新上证指数数据集结合Pytorch框架利用GRU算法预测最新股票上证指数实现回归预测
DataScience：数据预处理/特征工程之构造特征—构造日期特征/基于时间序列数据特征的简介(模型提效技巧)代码实现之详细攻略
AIGC：ChatGPT(一个里程碑式的对话聊天机器人)的简介(意义/功能/核心技术等)使用方法(七类任务)案例应用(提问基础性/事实性/逻辑性/创造性/开放性的问题以及编程相关)之详细攻略
ML之shap：基于FIFA 2018 Statistics(2018年俄罗斯世界杯足球赛)球队比赛之星分类预测数据集利用RF随机森林+计算SHAP值单样本力图/依赖关系贡献图可视化实现可解释性之攻略
DataScience：逻辑回归之金融评分卡模型的简介构建开发使用过程之详细攻略
DayDayUp：2020，再见了，不平凡的一年，让我懂得了珍惜，让我明白了越努力越幸运
Python：Python语言的简介(语言特点/pyc介绍/Python版本语言兼容问题(python2 VS Python3))安装学习路线(数据分析/机器学习/网页爬等编程案例分析)之详细攻略
NLP：自然语言处理技术领域的代表性算法概述(技术迭代路线图/发展时间路线)四大技术范式变迁概述(统计时代→大模型时代)四个时代的技术方法论探究(少数公司可承担的训练成本原因)之详细攻略
PT之Transformer：基于PyTorch框架利用Transformer算法针对IMDB数据集实现情感分类的应用案例代码解析
ML之CB：基于自定义电影数据集利用CB基于内容推荐算法(多个指标基于同种相似度加权得分)实现电影Top5推荐案例
DL之LSTM/GRU/CNN：基于tensorflow框架分别利用LSTM/GRUCNN算法对上海最高气温实现回归预测案例
成功解决ImportError: cannot import name ‘StratifiedGroupKFold‘
成功解决AttributeError: module ‘numpy‘ has no attribute ‘polyld‘
ML之PFI(eli5)：基于mpg汽车油耗数据集利用RF随机森林算法和PFI置换特征重要性算法实现模型特征可解释性排序
Py之mlxtend：mlxtend库的简介安装使用方法之详细攻略
ML：《Interpretability Methods in Machine Learning: A Brief Survey—机器学习中的可解释性方法的简要综述》翻译与解读
ML之R：通过数据预处理(缺失值/异常值/特殊值的处理/长尾转正态分布/目标log变换/柱形图-箱形图-小提琴图可视化/构造特征/特征筛选)利用算法实现二手汽车产品交易价格回归预测之详细攻略
High&NewTech：Gartner发布2023年十大战略技术趋势《Gartner Top 10 Strategic Technology Trends for 2023》翻译与解读
CV：计算机视觉技最强学习路线之CV简介(传统视觉技术/相关概念)早期/中期/近期应用领域(偏具体应用)经典CNN架构(偏具体算法)概述常用工具/库/框架/产品环境安装常用数据集编程技巧
AI&BlockChain：“知名博主独家讲授”人工智能创新应用竞赛精选实战作品之《基于计算机视觉自然语言处理区块链和爬虫技术的智能会议系统》软件系统案例的界面简介功能介绍分享之总篇