我为何撰写有关人工智能和数据科学的文章
撰写人工智能文章的 6 大好处
什么是模型无关方法?
可以与任何模型一起使用的所有强大方法
什么是算法公平性?
旨在理解和防止机器学习中不公平现象的领域的介绍
纠正和防止机器学习中的不公平现象
预处理、处理中、后处理方法和非定量方法
不公平的预测:机器学习中的 5 种常见偏见来源
历史偏见、代理变量、不平衡数据集、算法选择和用户反馈循环如何导致不公平的模型
分析机器学习的公平性
进行探索性公平性分析,并使用平等机会、均等几率和不同影响来衡量公平性
使用 Python 创建你的第一个情绪分析模型
「AI秘籍」系列课程:
寻找并可视化交互
使用特征重要性、弗里德曼 H 统计量和 ICE 图分析相互作用 本文中的代码需要安装 R 语言包
使用特征重要性、弗里德曼 H 统计量和 ICE 图分析相互作用
本文中的代码需要安装 R 语言包
使用 Python 绘制美国选举分级统计图
如何创建美国选举结果的时间序列分级统计图 数据地址为源地址,如果失效请与我联系。
如何创建美国选举结果的时间序列分级统计图
数据地址为源地址,如果失效请与我联系。
机器学习中的可解释性
为什么我们需要了解模型如何进行预测
茶桁
AI 游民
Shang Hai
文章
235
分类
8
标签
32
2024-09-06
分类特征的 SHAP
AI
2024-09-03
可解释性与公平性的关系
2024-09-01
计算机视觉的常用模型
AI 秘籍 / CV
2024-08-30
解释预测的艺术
2024-08-27
使用 Pandas 批量处理 22GB 交易数据