数据集

智数研析社19 小时前
大数据·人工智能·python·深度学习·数据分析·数据集·数据清洗
9120 部 TMDb 高分电影数据集 | 7 列全维度指标 (评分 / 热度 / 剧情)+API 权威源 | 电影趋势分析 / 推荐系统 / NLP 建模用在影视行业分析与数据科学实践中,高分电影数据的深度挖掘已成为平台优化内容推荐、制片方研判市场趋势、影迷发现优质作品的核心支撑 —— 通过上映年份与评分的关联可捕捉电影质量演变、依托热度与投票数能定位爆款潜质、结合剧情概述可开展情感与主题分析,直接影响影视内容的生产、分发与消费全链路。当前,头部流媒体平台已通过电影数据建模将用户推荐点击率提升 30% 以上,而影视分析师、数据科学家及影迷常面临 “数据碎片化(单维度信息分散)”“关键指标缺失(无热度评分、剧情文本)”“时间跨度短(难以覆盖百年电影史)” 等问
xchenhao1 天前
python·机器学习·回归·数据集·scikit-learn·特征·svm
Scikit-Learn 对糖尿病数据集(回归任务)进行全面分析糖尿病数据集,442个样本,10个特征(年龄、血压等),目标为疾病进展值 该数据集为回归问题,需要使用回归分析方法进行分析
xchenhao1 天前
python·决策树·机器学习·回归·数据集·scikit-learn·knn
Scikit-learn 对加州房价数据集(回归任务)进行全面分析加利福尼亚房价数据集 fetch_california_housing,20640个样本,8个特征(人口、收入等),目标为房价中位数 该数据集是一个回归问题,需要运用回归任务的分析方法进行分析
xchenhao2 天前
python·机器学习·分类·数据集·scikit-learn·svm
SciKit-Learn 全面分析分类任务 breast_cancer 数据集乳腺癌数据集,569个样本,30个特征,2个类别(良性/恶性)对数据集使用 7 种分类方法进行分析
semantist@语校3 天前
数据库·人工智能·线性代数·矩阵·prompt·github·数据集
第十九篇|东京世界日本语学校的结构数据建模:制度函数、能力矩阵与升学图谱系列延续:500所日本语言学校结构数据工程 关键词:东京世界日本语学校、新宿百人町、出勤制度建模、JLPT能力矩阵、升学路径网络
xchenhao5 天前
python·机器学习·分类·数据集·scikit-learn·svm·手写
SciKit-Learn 全面分析 digits 手写数据集digits 手写数字数据集,1797个样本,8x8像素灰度图像(64个特征),10个类别(0-9) 作为多分类任务的玩具数据,需要使用分类方法进行分析
深度学习lover5 天前
python·yolo·目标检测·计算机视觉·数据集
<数据集>yolo梨幼果识别数据集<目标检测>数据集下载链接https://download.csdn.net/download/qq_53332949/91916034数据集格式:VOC+YOLO格式
却道天凉_好个秋6 天前
人工智能·深度学习·数据集
深度学习(四):数据集划分在深度学习模型的开发过程中,数据的质量与划分方式直接影响模型的性能和泛化能力。一个优秀的模型不仅要在训练数据上表现良好,还需要在从未见过的样本上保持较高的准确率和稳定性。为了实现这一目标,通常需要将原始数据集进行合理划分。常见的数据集划分方式包括:训练集(Training Set)、验证集(Validation Set)、测试集(Test Set)。
爱补鱼的猫猫7 天前
数据集
快速构建数据集-假数据(生成&划分)HuggingFace Datasets,快速生成假数据集的方法好问题 👍 如果你已经在用 🤗 HuggingFace Datasets,生成“假数据集”其实非常方便,可以直接从 字典 / DataFrame / 列表 构建。下面我整理几种常见方法:
飞翔的佩奇10 天前
python·yolo·计算机视觉·数据集·yolo11·骰子点数识别图像实例分割
【完整源码+数据集+部署教程】骰子点数识别图像实例分割系统源码和数据集:改进yolo11-DCNV2研究背景与意义在计算机视觉领域,图像实例分割技术的快速发展为物体识别和分类提供了新的可能性。骰子作为一种常见的游戏工具,其点数识别在游戏自动化、智能桌游和机器人交互等应用中具有重要意义。传统的骰子点数识别方法多依赖于图像处理技术,然而,这些方法在复杂背景、光照变化和不同骰子样式下的表现往往不尽如人意。因此,基于深度学习的图像实例分割技术应运而生,能够有效提高骰子点数识别的准确性和鲁棒性。
程序猿小D17 天前
人工智能·yolo·计算机视觉·数据挖掘·数据集·yolo11·硬币分类与识别系统
【完整源码+数据集+部署教程】硬币分类与识别系统源码和数据集:改进yolo11-SWC随着经济的发展和数字支付的普及,传统硬币的使用逐渐减少,但在某些地区和特定场合,硬币仍然是重要的支付手段。因此,硬币的分类与识别在自动化支付、智能零售和物联网等领域具有重要的应用价值。尤其是在银行、商超和自助售货机等场景中,快速、准确地识别和分类硬币不仅可以提高交易效率,还能降低人工成本,提升用户体验。
程序猿小D19 天前
python·yolo·计算机视觉·数据集·yolo11·脑部ct图像分割
【完整源码+数据集+部署教程】脑部CT图像分割系统源码和数据集:改进yolo11-CSwinTransformer研究背景与意义脑部CT图像的分割在医学影像分析中扮演着至关重要的角色,尤其是在脑部疾病的诊断和治疗中。随着影像学技术的不断进步,CT扫描已成为评估脑部病变的重要工具。然而,传统的手动分割方法不仅耗时,而且容易受到人为因素的影响,导致分割结果的不一致性。因此,开发高效、准确的自动化分割系统显得尤为重要。
猫头虎19 天前
人工智能·ai·prompt·aigc·数据集·ai编程·mcp
什么是AI+?什么是人工智能+?过去十年,人工智能(AI)的发展从概念走向落地,从实验室走向产业,成为推动数字经济与智能社会的重要引擎。在此过程中,“AI+” 与 “人工智能+” 的概念逐渐进入公众视野,成为业界热议的关键词。那么,这两个词到底意味着什么?它们的区别与联系又是什么?本文将为你系统梳理。
飞翔的佩奇25 天前
python·yolo·计算机视觉·数据集·yolo11·遥感森林砍伐检测
【完整源码+数据集+部署教程】遥感森林砍伐检测系统源码和数据集:改进yolo11-SWC研究背景与意义随着全球对森林资源的依赖日益加深,森林砍伐问题愈发凸显,成为生态环境保护和可持续发展面临的重要挑战之一。森林不仅是地球生态系统的重要组成部分,还是生物多样性保护的关键所在。森林的消失不仅导致了栖息地的破坏,还加剧了气候变化,影响了水循环和土壤质量。因此,及时、准确地监测森林砍伐情况,对于制定有效的环境保护政策和管理措施至关重要。
飞翔的佩奇1 个月前
python·yolo·计算机视觉·数据集·yolo11·表盘指针检测
【完整源码+数据集+部署教程】表盘指针检测系统源码和数据集:改进yolo11-CA-HSFPN研究背景与意义随着智能设备的普及和自动化技术的快速发展,表盘指针的检测与识别在工业自动化、智能家居和车载系统等领域中变得愈发重要。表盘指针作为信息传递的一种重要方式,其准确检测直接关系到设备的性能和用户体验。传统的指针检测方法多依赖于图像处理技术,然而这些方法在复杂环境下的鲁棒性和准确性往往不足。因此,基于深度学习的目标检测技术,尤其是YOLO(You Only Look Once)系列模型,因其高效性和实时性,成为了研究的热点。
飞翔的佩奇1 个月前
python·yolo·计算机视觉·数据集·yolo11·二维码与查找模式检测
【完整源码+数据集+部署教程】二维码与查找模式检测系统源码和数据集:改进yolo11-CSwinTransformer研究背景与意义随着信息技术的迅猛发展,二维码作为一种高效的信息载体,已广泛应用于商业、物流、医疗等多个领域。二维码的快速识别与解码能力,使其在数据传输、商品追踪及身份验证等方面发挥了重要作用。然而,二维码的有效识别不仅依赖于其清晰度和完整性,还受到环境因素、图像质量以及背景复杂度等多种因素的影响。因此,提升二维码的检测与识别精度,尤其是在复杂场景下的表现,成为了当前计算机视觉领域的重要研究课题。
飞翔的佩奇1 个月前
python·yolo·计算机视觉·数据集·yolo11·食品分类与实例分割
【完整源码+数据集+部署教程】食品分类与实例分割系统源码和数据集:改进yolo11-AggregatedAttention研究背景与意义 随着全球食品产业的快速发展,食品安全和质量控制日益成为社会关注的焦点。食品分类与实例分割技术的应用,能够有效提升食品识别的准确性和效率,为食品监管、营养分析以及智能餐饮等领域提供重要支持。传统的食品识别方法多依赖于人工经验,存在主观性强、效率低下等问题,而基于深度学习的计算机视觉技术则为解决这些问题提供了新的思路。
程序猿小D1 个月前
yolo·计算机视觉·毕业设计·数据集·yolo11·孔洞检测
【完整源码+数据集+部署教程】孔洞检测系统源码和数据集:改进yolo11-RetBlock研究背景与意义随着工业自动化和智能制造的快速发展,孔洞检测作为关键的质量控制环节,受到了广泛关注。孔洞的存在可能会影响产品的强度、密封性和整体性能,因此,准确、快速地检测孔洞对于保障产品质量至关重要。传统的孔洞检测方法多依赖于人工检查或简单的图像处理技术,这些方法不仅效率低下,而且容易受到人为因素的影响,导致检测结果的不一致性和不可靠性。因此,开发一种基于先进计算机视觉技术的自动化孔洞检测系统显得尤为重要。
爱分享的飘哥1 个月前
人工智能·自动化·prompt·aigc·数据集·llm训练·数据工程
第六十六篇:AI模型的“口才”教练:Prompt构造策略与自动化实践在《训练链路与采集系统》的旅程中,我们已经学会了如何采集原始数据,并将其精加工成AI模型可消化的“食材”(如标注图像、抽帧视频、提取字幕)。
飞翔的佩奇1 个月前
人工智能·python·yolo·目标检测·计算机视觉·数据集·yolo11
【完整源码+数据集+部署教程】武器目标检测系统源码和数据集:改进yolo11-AggregatedAtt研究背景与意义随着科技的迅猛发展,武器系统的检测与识别在军事和安全领域中变得愈发重要。传统的武器目标检测方法往往依赖于人工识别和经验判断,效率低下且容易受到人为因素的影响。因此,基于深度学习的自动化检测系统应运而生,成为提升武器目标识别精度和效率的关键技术之一。YOLO(You Only Look Once)系列模型以其快速和高效的特性,成为目标检测领域的热门选择。特别是YOLOv11的改进版本,凭借其在实时检测中的卓越表现,展现出在复杂环境中识别武器目标的潜力。