深度学习之特征工程

Feature Engineering

特征比分类器更重要，几种特征工程的方法：
1、预处理：经过数据的预处理，如去除噪声等。比如在文本分类中，去除停用词等；
2、特征提取：从原始数据中提取一些有效的特征。比如在图像分类中提取边缘、尺度不变特征变换特征等。
3、特征转换：对特征进行一定的加工，比如降维和升维。降维包括：
特征提取：PCA、LDA
特征选择：互信息、TF-IDF
数据处理过程

深度学习 = 表示学习+浅层学习
在这里插入图片描述
单个神经细胞只有两种状态：兴奋和抑制。
在这里插入图片描述

# 深度学习 # 神经网络 # 机器学习 # 数据挖掘 # tensorflow
Logo
DAMO开发者矩阵

DAMO开发者矩阵，由阿里巴巴达摩院和中国互联网协会联合发起，致力于探讨最前沿的技术趋势与应用成果，搭建高质量的交流与分享平台，推动技术创新与产业应用链接，围绕“人工智能与新型计算”构建开放共享的开发者生态。

更多推荐

当大模型遇见机器人：具身智能时代的商业机遇与技术解析

国内部分服务机器人企业已积极布局大模型技术，与多家AI企业建立合作，2026年将推出搭载垂直领域大模型的智能服务机器人产品。││(ASR)││ 本地版││││。大模型与机器人的结合，是具身智能发展的重要里程碑。││ 大模型││ 知识库││ 业务系统││。││ 语音识别││ 大模型││ 导航控制││。││ 摄像头││ 激光雷达││ 舱室控制││。

avatar DAMO开发者矩阵
cover

智能客服机器人能自动沉淀问答数据持续优化应答能力吗？能长期提升整体客服服务专业度吗？

avatar DAMO开发者矩阵

【路径规划】基于Kiva式移动机器人的订单履行系统。采用Conflict-based Search多机器人路径规划算法附matlab代码

在现代仓储物流领域，订单履行的效率和准确性至关重要。Kiva 式移动机器人系统因其高度自动化和灵活性，成为提高订单履行效率的有效解决方案。然而，多机器人在有限的仓储空间内协同工作，容易产生路径冲突。Conflict - based Search（CBS）多机器人路径规划算法专门用于解决多机器人路径规划中的冲突问题，能够优化机器人的路径，提高订单履行系统的整体性能。Kiva 式移动机器人订单履行系统

avatar DAMO开发者矩阵