数据挖掘

【展厅多媒体】触摸查询一体机实现数据可视化触摸查询一体机 https://www.bmcyzs.com/ 通过深度整合多源数据，将复杂信息转化为直观的可视化交互界面。在现代化展厅中，该系统能够将各类结构化与非结构化数据进行智能梳理，通过图形化、动态化的方式呈现给观众。

舌苔舌象分类图像数据集本数据集包含六类舌苔样本：红色舌苔厚腻、白色舌苔厚腻、黑色舌苔、白霉舌苔、紫色舌苔和红色舌苔黄腻厚，旨在构建高精度的分类模型，实现对不同舌苔状态的自动识别，为临床提供辅助诊断依据，推动智能医疗技术在中医诊断和疾病早期检测中的应用。。

MovieNet（A holistic dataset for movie understanding）：面向电影理解的多模态综合数据集与工具链project地址：https://movienet.github.io/github地址：https://github.com/movienet

中达瑞和-高光谱·多光谱

多光谱图像颜色特征用于茶叶分类的研究进展多光谱成像技术结合颜色特征分析为茶叶分类提供了高效、非破坏性的解决方案。本文系统综述了该技术的原理、方法、应用案例及挑战，探讨了其在茶叶品质分级、品种识别和产地溯源中的研究进展，并展望了未来发展方向。

价值1w的数据分析课知识点汇总-excel使用（第一篇）目录一、Excel基本认知二、Excel的常用操作1、单元格的选定2、选择性粘贴3、快速填充4、冻结窗格

Python 分类模型评估：从理论到实战（以信用卡欺诈检测为例）在机器学习分类任务中，模型评估并非简单计算 “准确率”，而是需要结合业务场景选择适配指标 —— 尤其是面对数据不平衡（如少数类占比 <5%）时，错误的评估方式可能导致模型看似 “优秀” 却完全无法落地。本文将从分类模型的核心评估指标出发，结合典型的 “信用卡欺诈检测” 实战案例，完整讲解 Python 中分类模型的评估流程与关键思路。

成为深度学习高手

DGCN+informer分类预测模型本文提出了一种基于动态图卷积增强的 Informer 模型（Dynamic Graph Convolution Enhanced Informer），用于多变量时间序列分类任务。该模型在经典 Informer 架构的基础上，引入了动态图卷积机制，以自适应地捕捉变量之间的时变依赖关系，显著提升了对复杂时间序列结构的建模能力。

多GPU数据并行训练中GPU利用率不均衡问题深度分析与解决方案在使用PyTorch的DataParallel（DP）进行多GPU训练时，我们经常会遇到一个典型问题：第一张GPU卡（GPU 0）的利用率达到100%，而其他GPU卡虽然有显存占用，但利用率却为0%。这种现象表明数据并行训练并未真正发挥作用，训练效率与单卡训练无异。

探索性数据分析｜概念辨析探索性数据分析（Exploratory Data Analysis，EDA）由美国统计学家约翰·图基（John Tukey）在1977年提出，并在其著作《Exploratory Data Analysis》中系统阐述。图基强调数据分析应通过可视化、统计摘要和假设生成等方法，揭示数据中的模式和异常，而非仅依赖传统的假设检验。

搞科研的小刘选手

2025计算机视觉和影像计算国际学术会议(CVIC 2025)2025计算机视觉和影像计算国际学术会议(CVIC 2025)2025 International Conference on Computer Vision and Image Computing

一只专注做软件的湖南人

亚马逊 SP-API 深度开发：关键字搜索接口的购物意图挖掘与合规竞品分析做亚马逊技术开发或运营的同行，多半遇到过这类困境：投入大量精力优化关键词，搜索排名却停滞不前；想分析竞品的流量关键词，又怕触碰平台数据红线；用户搜 “户外露营装备”，返回的结果却混杂着室内用品 —— 这些问题的根源，在于对亚马逊关键字搜索接口的理解仅停留在 “数据查询” 层面，未深挖其背后的 “意图解析” 与 “商业决策” 价值。

把AI“浓缩”到1KB：超紧凑型决策树在MCU上的极限优化实战一、背景：TinyML的“最后一公里”有多难？在纽扣电池供电的MCU里，8KB SRAM是天花板； TensorFlow Lite Micro最小加法网络也要20KB权重； AI魔法=内存溢出+HardFault？ 2025年，我们团队把二分类决策树压到1024字节以内： • 512B模型+512B推理代码 • 准确率>97%（UCI心律异常） • 单条推理<2ms@24MHz • 平均功耗60µW，CR2032续航>6年全文开源：训练脚本+Keil工程+RTL级仿真，可直接贴进1KB BootROM

基于深度学习的卫星图像分类（Kaggle比赛实战）目录一、主题介绍：二、环境配置要求：三、主要步骤与涉及知识：3.1 主要步骤：3.2 涉及知识：常见Anaconda终端命令的使用

做科研的周师兄

【机器学习入门】7.4 随机森林：一文吃透随机森林——从原理到核心特点对于刚入门机器学习的同学来说，在掌握了决策树之后，很容易遇到 “单棵决策树泛化能力不足” 的问题。而随机森林作为基于决策树的集成学习模型，恰好能解决这一痛点，成为工业界和竞赛中常用的 “利器”。今天我们就从基础概念出发，一步步拆解随机森林的核心原理、关键技术和特点，帮你轻松入门这个实用模型。

TwoAnts&DingJoy

数据分析-泊松分布泊松分布是统计学中一个非常重要的离散型概率分布，尤其适合描述稀有事件的发生概率。泊松分布描述的是在一段固定时间或空间内，某个稀有事件发生的次数的概率分布。

ai 作物分类下面我将从技术原理、应用场景、工作流程、挑战与未来趋势几个方面为您全面解析。作物分类AI的核心是“教”计算机看懂卫星、无人机或地面设备拍摄的农田图像。

api_18007905460

异步数据采集实践：用 Python/Node.js 构建高并发淘宝商品 API 调用引擎在当今电商数据分析领域，高效采集商品数据是进行市场分析、竞品研究和价格监控的基础。淘宝作为国内最大的电商平台之一，其商品数据具有极高的商业价值。本文将介绍如何利用 Python 和 Node.js 的异步特性，构建高并发的淘宝商品 API 调用引擎，实现高效、稳定的数据采集。

人类知识体系分类前些天发现了一个巨牛的人工智能学习网站，通俗易懂，风趣幽默，忍不住分享一下给大家：点击跳转人脑中存在的所有数据，可以归纳成四个层次：数据、信息、知识、智慧

论文理解【LLM-回归】—— Decoding-based Regression这种方法在 RL 改进 Q-Learning 的系列工作中得到了广泛使用，但提升精度需要细化分 bin 数，因此需要大量数据进行训练

奥威BI金蝶数据分析可视化方案：200+开箱即用报表驱动智能决策您是否面临这样的困境：金蝶ERP里存着海量业务数据，却难以快速获取有效信息？奥威BI金蝶标准方案提供200余张预设可视化报表，覆盖6大业务模块，实现从数据沉淀到智能分析的秒级转化，让每个业务指标都清晰可读。