- 综合排序
- 最热优先
- 最新优先
- 来自专栏决策智能与机器学习
局部加权线性回归 | 冰水数据智能专题 | 3rd
数据分析——局部加权线性回归 局部加权线性回归(Locally Weighted Linear Regression，LWLR)，针对于线性回归存在的欠 拟合现象，可以引入一些偏差得到局部加权线性回归对算法进行优化 在该算法中，给待测 点附近的每个点赋予一定的权重，进而在所建立的子集上进行给予最小均方差来进行普通的 回归，分析可得回归系数 w 可表示为： w = (xTWx)-1xTWy，其中 W 为每个数据点赋予的权重 print "输入有误" return ws = xTx.I * xMat.T * weights * yMat return testPoint * ws #为数据点中的每个数据调用 虽然 LWLR 得到了较为 理想的结果，但是此种方法的缺点是在对每个点进行预测时都必须遍历整个数据集，这样无 疑是增加了工作量，并且该方法中的的宽度参数的取值对于结果的影响也是蛮大的。 同时，当数据的特征比样本点还多当然是用线性回归和之前的方法是不能实现的，当特征比样本点 还多时，表明输入的矩阵 X 不是一个满秩矩阵，在计算（XTX）-1 时会出错。
74810发布于 2020-08-04 YashanDB数据库引领企业数据智能化3大趋势
随着企业数据量的爆炸式增长及业务场景的多样化，传统数据库面临着性能瓶颈、数据一致性难以保障及扩展性不足等核心挑战。如何高效管理和利用数据资产，成为推动企业数字化转型和智能化发展的关键。 结合多存储技术和高效执行机制，YashanDB在保障事务一致性和吞吐的同时，通过智能执行策略显著提升复杂查询的速度，有效支持智能数据分析与决策。 先进的高可用与安全策略，为企业智能化数据管理提供坚实屏障，构筑数据资产安全与业务弹性的核心基石。 结论随着企业数字化和智能化进程的加速推动，数据库技术正向部署多样化、智能化执行和全面安全的方向快速演进。 面向未来，技术人员应持续关注数据库技术创新，深入掌握先进架构和算法，推动企业数据智能化建设迈上新台阶。
21710编辑于 2025-09-24- 来自专栏前沿科技
中兴智能视觉大数据：3场演唱会抓3个逃犯，“逃犯克星”
中兴智能视觉大数据报道：张学友的演唱会三次抓捕了三名疑犯。官媒称，原因是会场入口的安检安装了人脸识别系统。中国正在大规模普及人脸识别，所以这并不令人感到多少意外。 在中兴智能视觉大数据看来，智慧城市是人脸识别技术应用的大舞台。人脸识别作为一种重要的身份识别标识，在公安机关各警种业务中起着举足轻重的作用。 通过智慧城市的高速数据传输链及结构化的数据筛选，可将人脸大数据与智慧城市中其它的大数据之间碰撞出火花，更加凸显出人脸识别“用”的价值。 其发布的脸谱采用高密度GPU架构，集成了基于深度学习的人脸智能算法，每秒可实现数百张人脸图片的分析、建模，性能表现出色。 此外，单机支持30万人脸黑名单布控，人脸1V1比对、以脸搜脸等多项实用功能，可满足各行业的人脸智能分析需求。
1.3K10发布于 2018-05-30 - 来自专栏数据科学与人工智能
3月18日数据动态早报 | 人工智能时代
数据动态早报，让您了解数据新变化，新创造和新价值。 【51呼叫中心】 二、电子商务数据动态 1 瓜子二手车CTO张小沛表示，在数据方面瓜子二手车与58集团的线上线下数据打通，以及瓜子二手车与58集团跨平台数据打通。 【无时尚中文网】 三、互金行业数据动态 1 招商银行推出FinTech产品“摩羯智投”，帮助客户实现对公募基金的智能配置，这是银行业首个智能投顾产品，也是中国银行业的财富管理发展上的里程碑事件。 【和讯网】 四、医疗健康数据动态 1 碳云智能是创建在2015年10月27号的一家做大数据和人工智能的公司，我们做的主题其实是跟每个人的生命和健康有关系的内容，用一句话来解释碳云智能就是这是一家用人工智能去管理数字生命的公司 关于人工智能，我思考着人工智能如何正确地落地？
75060发布于 2018-02-28 - 来自专栏速入大数据
数据驱动智能，智能优化数据——大数据与人工智能的双向赋能
数据驱动智能，智能优化数据——大数据与人工智能的双向赋能在数字化浪潮席卷全球的今天，大数据和人工智能（AI）已成为推动技术创新和产业升级的核心动力。 大数据为人工智能提供了养料，而人工智能则为大数据的处理与应用带来了革新。大数据如何助力人工智能？人工智能的本质是基于数据的模式学习与推理，因此，数据的质量、数量和多样性决定了AI模型的有效性。 人工智能恰好可以解决这些问题，使大数据分析更加智能化、高效化。自动化数据清洗undefined数据清洗是数据分析中的关键环节，传统的人工清洗方法费时费力，而人工智能可以自动发现异常值、处理缺失数据。 例如，交通管理系统可以通过AI分析实时车流数据，预测拥堵情况并提供最佳路线规划。结语：大数据与人工智能的未来展望大数据和人工智能的协同作用正在重塑各个行业的运作方式。 从医疗诊断到智能营销，从自动驾驶到个性化推荐，这种双向赋能的趋势将持续加深。未来，随着数据采集技术和计算能力的提升，人工智能将更有效地优化数据处理流程，而大数据则为AI提供更丰富、更优质的训练资源。
93910编辑于 2025-04-21 - 来自专栏前沿技墅
数据驱动产品智能——数据应用与用户智能
所谓智能，可以把它归结为这么一种模式：首先要有数据，然后在数据上套用某种算法模型，最后再将结果数据反馈到产品中，这样的产品就具备了一种“学习”能力。数据驱动产品智能模式如下图所示。 ? 数据驱动决策将分析结果用于人的决策使用，而数据驱动产品智能更加强调数据的处理结果是给机器用的，并且这种数据分析的算法往往更加复杂，本身具有可以自我迭代的特点。 有了数据平台，我们就有了数据根基和数据处理能力，接下来就是围绕数据的产品智能应用。具体到用户行为数据，它不仅可用作流量统计和在线的用户行为分析，还可以应用于各种用户智能。 下图是挖掘用户行为数据价值的一系列智能应用。 ? 目前常见的基于用户行为的用户智能应用，如下表所示。 应用 3：智能提取用户关键性评价 下图是京东上基于用户的商品评价，用自然语言处理技术提取了其中一些具有典型意义的关键性评价。
1.6K30发布于 2018-07-31 - 来自专栏人工智能的秘密
智能决策：人工智能+大数据
智能决策=大数据+人工智能 百分点Deep Matrix智能决策系统融合大数据与人工智能技术，基于动态知识图谱和行业业务模型，具备自适应和自优化的能力，支持复杂业务问题的自动识别、判断并进行推理，进而做出前瞻和实时决策的智能化产品系统 百分点Deep Matrix AI决策系统由大数据操作系统、智能认知引擎、智能应用系统三部分组成，其中： 大数据操作系统：解决内外部多源、异构复杂数据的处理，构建数据生命周期管理为核心的数据资产管理平台 自然语言理解：百分点自然语言理解采用分布式技术部署，基于深度学习来实现，不仅涵盖了金融、3C制造、汽车、医疗、娱乐、APP应用等丰富的行业词库，还支持汉语、英语、阿拉伯语等十多个语种，在小语种的分词、情感分析 五大核心能力： 海量数据汇聚融合能力：借助百分点大数据系统，将海量的结构化与非结构化业务数据进行汇聚融合； 快速感知和认知能力：通过人工智能应用，从海量的数据中快速提取有价值的数据，感知业务与环境的变化 ； 强大的分析和推理能力：对数据进行智能分析与推理，分析出业务的真实动向与未来趋势； 自适应与自优化能力：通过对人工配置与机器执行的融合，实现针对应用的智能预警、智能研判； 行业智能决策能力：通过大数据与人工智能的结合
5.9K01发布于 2017-12-21 ZD Datalogger 3总线数采系列：智能车载数据记录的革新利器
在智能汽车与自动驾驶技术高速发展的今天，整车数据记录的精准性、高效性与协同性成为开发测试的核心需求。 ZD Datalogger 3系列作为专为域控架构设计的高性能数据记录仪，以其卓越的技术参数与创新功能，为车载数据采集领域树立了新标杆。 一、精准同步与海量存储：数据记录的底层基石ZD Datalogger 3 系列基于 IEEE1588 协议实现 gPTP 精准时间同步，提供4ns 超高精度时间戳，确保所有通道数据在纳秒级尺度上高度一致 ZD Datalogger 3 通过知迪 Cloud 远程访问通道，允许远程团队实时获取测试车辆的原始数据。 这一功能尤其适用于 ADAS 算法迭代、智能座舱多端联调等需要实时数据共享的场景。
30300编辑于 2025-07-07决策智能与商业智能的3个不同之处
决策智能利用AI驱动的自动化和数据分析来发现关键驱动因素、模式、异常和不易看到的细分。 如今，企业需要利用这些数据解决大量数据和日益复杂的业务决策，但获得快速分析和洞察并非易事。 无论数据技能如何，决策智能都能让这些群体以通俗易懂的语言灵活地探索和分析数据，使其像谷歌搜索一样简单直观，从而实现数据探索和分析的民主化。 3)决策智能包含智能自动化 商业智能(BI)专注于可视化聚合数据，而非从海量未聚合数据中挖掘精细洞察。 决策智能利用人工智能驱动的自动化和数据分析来发现关键驱动因素、模式、异常以及不易察觉的细分领域。如果没有智能自动化，分析师、数据科学家和IT团队将被迫手动处理数据，这可能需要数小时甚至数天的时间。 决策智能能够将人工智能驱动的分析功能交到日常用户手中，加速分析并自动化手动任务，从而使组织比以往任何时候都更容易实现数据驱动。
18600编辑于 2025-07-22- 来自专栏腾讯云存储
预告 | 2024数据智能大会数据智能基础设施论坛
为拨开数据智能时代迷雾，把握数据智能时代脉搏，2024数据智能大会数据智能基础设施论坛将于6月20日在北京悠唐皇冠酒店盛大举行，届时邀请了多位行业内大咖进行专题分享。 腾讯云存储智能存储总监叶嘉梁受邀出席活动，分享“数智融合，腾讯云智能存储的发展与实践”的主题演讲。 演讲嘉宾：腾讯云存储智能存储总监，叶嘉梁 演讲时间：6月20日10：45~11：05 演讲议题：数智融合，腾讯云智能存储的发展与实践 峰会地址：北京悠唐皇冠酒店 扫描海报下方二维码即可报名参与本次会议
59130编辑于 2024-06-19 - 来自专栏华章科技
从“大数据”到“智能数据”
英国牛津大学曾对全球各行业工作者做过一份调查问卷，2/3受访者认为，使用数据和分析软件可以使他们保持竞争优势。问题是，这些“金矿挖掘者”今天如何从如此巨大的数据山里挖到金子? ? 从3V到4V 等着要发掘的“金子”，指的是用于记录、存储和分析大量的数据，以及以合适的形式显示该结果的“大数据”新技术。 大数据有所谓的3V特征：即“大量化”(Volume)、“多样化”(Variety)和“快速化”(Velocity)。 这有几个方法： 1.评估数据的价值和将会产生的价值 2.把数据和“智能化”相关联 3.把数据变成具有上下文意义的灵活的数据结构 4.随着时间的推移，根据这些收集了的大量数据，展现一幅绚丽多彩的智能数据图 如按照今天所理解的大数据概念，是不充分的，大数据必须从3V演变为4V，大数据必须演变成智能数据，整个家庭乃至整个城市也正在向“智能化”大步演进，才会有更多的“掘金”机会。
65210发布于 2018-08-14 - 来自专栏yeedomliu
《智能商业》04 智能商业双螺旋之一：数据智能
04 智能商业双螺旋之一：数据智能 无数据，不智能；无智能，不商业。人工智能是一场技术革命，它必然会将越来越多的商业智能化。未来数据智能将成为商业的基础，而智能商业也将成为数据时代的全新的商业范式。 在我看来，要想把数据智能融入具体商业，要做好三件事：数据化、算法化和产品化 数据化：商业创新的基础 对于当下的商业而言，智能化指的是商业决策会越来越多地依赖机器学习，依赖人工智能。 “云”反馈 产品是用户通过行为数据向“云”上的数据智能进行反馈、实现数据增值和算法优化的通道 下达：将“云”的数据智能传递到“端” 在智能商业的“云”和“端”之间，客户的产品体验绝不仅仅来自端上的UI（ ，而这取决于“云”上的数据智能 互联网产品是一种包含了“云”的智能和“端”的体验的完整互联网服务，它是数据智能和商业场景紧密整合的最终载体，也必将取代营销，成为商业运营的关键 智能商业的成功，最关键的一步往往是一个极富想象力的创新产品 数据智能的引擎机器要能够直接做决策，而不是传统的利用数据分析来支持人的决策。
2.3K20发布于 2020-06-23 - 来自专栏Sign
数据分享3
这个算是最后一篇了，后续不打算再分享数据了。 原因后面说。 首先，小卜，out。 ? 这个世界真是残酷啊。 小卜巅峰的时候达到dau 8k+，眼看着就要越过1w的槛了，然后，被人拉下来，踢出去了。
43430发布于 2018-07-23 Springboot3+Vue3实现副业（创业）智能语音项目开发
SEO这是最常见的网站推广方式，利用搜索引擎的自然流量来引流，也可以做外链引流第2点、根据你提供的服务分析哪些人可能成为你的用户不同的功能，用户群体不一样，可以选择一些用户群体多的、需求广的项目作为副业第3点 广告付费要谨慎到各平台为自己的产品投广告，但是容易被竞争对手刷流量，付费要谨慎第8点、不断扩展项目功能为用户提供更多的服务可以扩展项目功能，提供多种付费服务，也可以做些会员扩展功能，如充值、会员等，增加用户粘性什么是智能语音项目语音 智能语音对话的关键关联方是智能机器人，那要么智能语音产品中包含了这样的功能，要么和智能机器人组合起来使用。智能语音分析的关键关联方是大数据分析产品，各种分析模型。 而如果能通过结构化的数据筛选条件，先找出符合条件的录音，再去转译的话，录音时长就少多了，也不用担心随机采集到的样本量太少。
57910编辑于 2024-05-11【sqlite3】网络socket编程温度采集智能存储与上报项目技术------sqlite3数据库基础
中南民族大学通信工程专业研究生在读，研究方向无线联邦学习 擅长领域：驱动开发，嵌入式软件开发，BSP开发 作者主页：一个平凡而乐于分享的小比特的个人主页 文章收录专栏：网络socket编程之温度采集智能存储与上报项目 ，本专栏为网络socket编程之温度采集智能存储与上报项目技术简介，实现流程分析 项目源码：https://gitee.com/TJF865975/project1_ds18b20，README部分包含项目功能及实现 1.sqlite3简介 SQLite3是一种轻量级的关系型数据库，可以在本地磁盘上存储数据。 4.sqlite3使用 4.1 打开数据库 使用命令行工具或SQLite客户端工具打开一个SQLite数据库文件，如： sqlite3 mydatabase.db 如果文件不存在，则会自动创建一个新的数据库文件 6.sqlite3函数接口 int sqlite3_open(const char *filename, sqlite3 **ppDb) /* 功能：打开一个数据库 参数：filename 数据库路径名
10110编辑于 2026-02-02- 来自专栏深入浅出区块链技术
Web3与智能合约交互实战
因此，我们需要一种友好的方式（比如一个web页面）来与智能合约交互，于是问题的答案就是web3.js。 （为了更好的阅读体验，请在文末点击“阅读原文”跳转到知乎阅读） Web3.js Web3.js是以太坊官方的Javascript API，可以帮助智能合约开发者使用HTTP或者IPC与本地的或者远程的以太坊节点交互 实际上就是一个库的集合，主要包括下面几个库： web3-eth用来与以太坊区块链和智能合约交互 web3-shh用来控制whisper协议与p2p通信以及广播 web3-bzz用来与swarm协议交互 接下来需要让我们的web3知道我们的合约是什么样的，这里需要用到合约的 ABI（Application Binary Interface）。ABI可以使我们调用合约的函数，并且从合约中获取数据。 ---- 以上就是如何使用 Web3 在浏览器中与智能合约进行交互的简单示例，目的是理解前端代码是如何与智能合约进行交互的。后续还将编写更复杂一些示例，例如如何监控合约中的事件等。
2.8K20发布于 2019-08-01 - 来自专栏blog-技术博客
人工智能_3_机器学习_概述
) 模型:算法+数据 # 1,获取数据 # 2,明确问题 # 3,数据的基本处理:(pd:缺失值,合并表.....) # 4,特征工程(特征处理),重要 API:sklearn.model_selection.train_test_split 可把数据分为测试集,与训练集 # 数据集API:sklearn.datasets # data.load _*() 获取小规模数据,数据包含在datasets中 # data.fetch_*(data_home=None) # 获取大规模数据,从网络中下载data_home表示下载目录 默认 ~/scikit_learn_data/ # 上边返回的数据类型是datasets.base.Bunch(字典格式) # data:特征数据数组 [n_sample # feature_names:特征名,新闻数据,手写数据,回归数据没有 # target_names:标签名(目标值) # =================
40920发布于 2020-05-08 - 来自专栏Hank’s Blog
3-3 数据框的子集
> x <- data.frame(v1=1:5,v2=6:10,v3=11:15) > x v1 v2 v3 1 1 6 11 2 2 7 12 3 3 8 13 4 4 9 14 5 5 10 15 > x$v3[c(2,4)] <- NA > x v1 v2 v3 1 1 6 11 2 2 7 NA 3 3 8 13 4 4 9 NA 5 5 10 15 > #找出第2列 > x[, 3 3 8 13 > x[x$v1>2,] #第1列大于2的所有元素 v1 v2 v3 3 3 8 13 4 4 9 NA 5 5 10 15 > x[which(x$v1>2),] #使用 which函数筛选第1列大于2的所有元素 v1 v2 v3 3 3 8 13 4 4 9 NA 5 5 10 15 > ? 和上面的操作一样,筛选第1列大于2的所有元素 v1 v2 v3 3 3 8 13 4 4 9 NA 5 5 10 15
77600发布于 2020-09-16 - 来自专栏yeedomliu
《贝佐斯的数字帝国》4 模块3 数据支撑：聚焦于因，智能管理
4 模块3 数据支撑：聚焦于因，智能管理 亚马逊致力于打造跨部门、跨层级、端到端的实时数据指标体系，借助数据算法、机器学习、人工智能等数字技术，开发智能管理工具系统，通过严格追踪、考量分析每个影响客户体验及业务运营的原因 ，快速发现问题、解决问题，甚至自动完成常规决策 凡事要有数据支撑：亚马逊对数据指标的要求非常严苛，必须做到以下五点：极为细致、极为全面、聚焦于因、实时追踪、核实求证 推动智能运营管理：充分利用数字技术， 把主要精力投入到2-3年以后的事情上 ---- 凡事要有数据支撑 在亚马逊，人人都知道的一句名言就是，凡事要有数据支撑 对于很多在亚马逊工作的人，起床后的第一件事，就是“看数”。 ，并逐渐萌生了后来亚马逊业务模式的基本雏形，比如，如何通过海量数据及数字技术，为每位客户提供各自不同的人性化服务 亚马逊充分利用数据算法、机器学习、人工智能等前沿数字技术，开发了很多功能强大的智能管理工具 ，在不少常规性的日常经营问题上，可以实现自动分析、自动决策 智能推荐 人性化推荐算法，让系统自动为每位客户提供精准到个人的人性化推荐 智能定价 定价机器人，让系统自动检索，自动抓取多家竞品的价格数据，并自动调整亚马逊自营平台上相应商品的售价
1.6K30发布于 2020-05-25 - 来自专栏韩曙亮的移动开发专栏
【商务智能】数据预处理
商务智能系列文章目录 【商务智能】数据预处理 ---- 文章目录 商务智能系列文章目录 前言 一、数据预处理主要任务 二、数据规范方法 1、z-score 规范化 2、最小-最大规范化 三、数据离散方法 1、分箱离散化 2、基于熵的离散化 总结 ---- 前言 在进行数据分析之前 , 先要对数据进行预处理操作 , 本篇博客简要介绍常用的数据预处理方法 ; 一、数据预处理主要任务 数据预处理主要任务 : ① 数据离散化 : 分箱离散化 , 基于熵的离散化 , ChiMerge 离散化 ; ② 数据规范化 : 又称数据标准化 , 统一 样本数据的 取值范围 , 避免在数据分析过程中 , 因为属性取值范围不同 , 在数据分析过程中导致分析结果出现误差 ; 如 : 时间属性的数值 , 有用秒作为单位的 , 有用小时作为单位的 , 必须统一成同一个时间单位 ; ③ 数据清洗 : 识别 和 处理 数据缺失 , 噪音数据 ( 信息与熵 | 总熵计算公式 | 每个属性的熵计算公式 | 信息增益计算公式 | 划分属性确定 ) 博客 ; ---- 总结 本博客主要讲解数据预处理需要进行的操作 , 数据规范化 , 数据离散化
4.6K30编辑于 2023-03-29
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号