分类回归损失

机器学习特征重要性之feature_importances_属性与permutation_importance方法

一、feature_importances_属性在机器学习中，分类和回归算法的feature_importances_属性用于衡量每个特征对模型预测的重要性。
一叶_障目·2025-01-19 23:21

机器学习-期末测试

机器学习-期末测试线性回归1.代码展示#coding=UTF-8#拆分训练集和测试集importmatplotlib.pyplotaspltfromsklearn.model_selectionimporttrain_test_split
难以触及的高度·2025-01-19 23:19

机器学习的介绍

目录1.机器学习的定义2.机器学习的原理3.机器学习的方法4.机器学习的分类5.机器学习的评估6.机器学习的应用场景7.机器学习与人工智能的关系结论机器学习在自然语言处理中的最新应用和技术是什么？
2201_75874206·2025-01-19 23:49

Kaggle欺诈检测：使用生成对抗网络（GAN）解决正负样本极度不平衡问题

传统的分类算法在面对这种不平衡数据时，往往会导致模型对多数类（正常交易）过拟合，而对少数类（欺诈交易）的识别能力较差。为了解决这个问题，生成对抗网络（GAN）提供了一种有效的手
Loving_enjoy·2025-01-19 22:46

【虚拟化】系统虚拟化的主要功能和分类

1.3系统虚拟化的主要功能和分类系统虚拟化向下管理硬件资源，向上提供硬件抽象。
TrustZone_·2025-01-19 22:42

迅为RK3562开发板专为3562编写10大分类2900+页文档

iTOP-3562开发板采用瑞芯微RK3562处理器，内部集成了四核A53+MaliG52架构，主频2GHZ，内置1TOPSNPU算力，RK809动态调频。支持OpenGLES1.1/2.0/3.2、0penCL2.0、Vulkan1.1内嵌高性能2D加速硬件。内置独立NPU,算力达1TOPS,可用于轻量级人工智能应用。支持几乎全格式的H.264解码，支持1080p@60fps的解码，支持4K@3
mucheni·2025-01-19 22:39

用TensorFlow.NET搭建一个全连接神经网络

与线性分类器相比，神经网络的关键优势在于它可以分离不可线性分离的数据。我们将实现此模型来对MNIST数据集的手写数字图像进行分类。我们要构建的神经网络的结构如下。
chiyong7717·2025-01-19 21:37

计算机考试电子邮件怎么回复,计算机基础知识电子邮件使用技巧集锦(二)

计算机基础知识电子邮件使用技巧集锦(二)分类：计算机等级|更新时间：2013-01-07|来源：转载11、用ISP邮箱提高发信速度现在免费电子邮件大都支持SMTP和POP3协议，故在设置服务帐号时“工具
csp1223·2025-01-19 20:57

v0.24.0 新特性支持标签分类，内置实现多种策略

敏感词标签分类一直是大家比较想要的一个功能特性，v0.24.0了开始内置支持标签分类，同时实现了多种策略。快速开始maven引入com.github.houbbsensitive
·2025-01-19 19:27

stm32通过串口发送float数据的方法

1、通过将小数转化为整形小数×100或者1000倍之后放在两个字节里面发送，接收端将两个字节解析出来后÷100或者1000即可，缺点损失精度2、通过sprintf发送发送端代码如下：floatdata[
嵌入~狮·2025-01-19 18:07

基于R语言的现代贝叶斯统计学方法（贝叶斯参数估计、贝叶斯回归、贝叶斯计算实践过程

专题一贝叶斯统计学的思想与概念1.1信念函数与概率1.2事件划分与贝叶斯法则1.3稀少事件的概率估计1.4可交换性1.5预测模型的构建专题二单参数模型2.1二项式模型与置信域2.2泊松模型与后验分布2.3指数族模型与共轭先验专题三蒙特卡罗逼近3.1蒙特卡罗方法3.2任意函数的后验推断3.3预测分布采样3.4后验模型检验专题四正态模型4.1均值与条件方差的推断4.2基于数学期望的先验4.3非正态分布
xiao5kou4chang6kai4·2025-01-19 17:37

通俗易懂之样条函数的原理、计算、案例、python实现

理解样条函数（SplineFunctions）是掌握广义加性模型（GAMs）及其他非线性回归技术的关键。样条函数通过分段多项式的形式，在不同区间内灵活地拟合数据，从而捕捉复杂的非线性关系。
智识小站·2025-01-19 17:31

【数据结构】—— 顺序表的实现与优化：空间管理与增容策略

文章目录顺序表的基本概念与结构顺序表的分类静态顺序表动态顺序表顺序表问题与思考插入与删除的时间复杂度增容的开销如何解决空间浪费问题？顺序表作为一种常见的线性数据结构，广泛应用于各种编程任务中。
酷酷的崽798·2025-01-19 16:25

深入了解卷积神经网络（CNN）：图像处理与深度学习的革命性技术

无论是图像分类、目标检测，还是人脸识别、语音处理，CNN都发挥了举足轻重的作用。随着技术的不断发展，CNN已经成为了解决众多实际问题的核心工具。
wit_@·2025-01-19 16:50

【深度学习】Huber Loss详解

文章目录1.HuberLoss原理详解2.Pytorch代码详解3.与MSELoss、MAELoss区别及各自优缺点3.1MSELoss均方误差损失3.2MAELoss平均绝对误差损失3.3HuberLoss4
小小小小祥·2025-01-19 15:40

【YOLOV8】目标检测任务中应该如何选择YOLOV8n/s/m/l/x模型及输入尺寸大小

问题描述：YOLOV8作为目前主流的深度学习网络，支持图像分类、目标检测、实例分割、姿态检测、旋转目标检测等功能。
小小小小祥·2025-01-19 15:40

MySQL无限极分类表设计：实战项目中的高效解决方案

在许多实战项目中，如电商系统、内容管理系统等，我们常常需要处理具有层级关系的数据，例如商品分类、文章栏目等。
MissYou-Coding·2025-01-19 13:00

密码体制分类

密码体制从原理上可分为两大类，即单钥体制和双钥体制。1.单钥体制单钥体制的加密密钥和解密密钥相同。系统的保密性取决于密钥的安全性，与算法的保密性无关，即由密文和加密算法不能得到明文。换句话说，算法无须保密，需保密的仅是密钥。根据单钥密码体制的这种特性，单钥加解密算法可通过低费用的芯片来实现。密钥可由发方产生，然后再经一个安全可靠的途径(如信使递送)送至收方，或由第三方产生后安全可靠地分配给通信双方
旧火车·2025-01-19 11:12

计算机密码体制分为哪两类,密码体制的分类.ppt

密码体制的分类.ppt密码学基本理论现代密码学起始于20世纪50年代，1949年Shannon的《TheCommunicationTheoryofSecretSystems》奠定了现代密码学的数学理论基础
约会师老马·2025-01-19 11:10

解决 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform...警告

你仍然可以使用Hadoop，但可能会遇到性能上的损失。解决方法：在Hadoop中，配置'java.library.p
克里斯蒂亚诺罗纳尔多阿维罗·2025-01-19 10:05

【机器学习实战中阶】音乐流派分类-自动化分类不同音乐风格

音乐流派分类–自动化分类不同音乐风格在本教程中，我们将开发一个深度学习项目，用于自动化地从音频文件中分类不同的音乐流派。我们将使用音频文件的频率域和时间域低级特征来分类这些音频文件。
精通代码大仙·2025-01-19 10:01

【机器学习：二十七、决策树集合】

主要优势性能提升：在分类和回归任务中通常表现优于单独的决策树。稳定性更强：对
KeyPan·2025-01-19 08:49

JAVA的成员变量和局部变量(详解)

目录成员变量与局部变量的分类实例变量与类变量的区别三种局部变量的区别成员变量与局部变量的区别变量同名问题变量的使用规则何时使用成员变量JAVA的变量可以分为两大类：成员变量和局部变量。
万能的柯西·2025-01-19 08:46

java--成员变量和局部变量

变量的分类Java语言中若变量按声明的位置分类，可以分为：成员变量、局部变量，而成员变量又分为：实例变量、静态变量。实例变量是指不使用static修饰的变量，静态变量是指使用static修饰的变量。
李自桐·2025-01-19 07:40

数据增强方法及其工具

以下是一些常见的、简单易行的图像数据增强方法及其具体实现步骤，这些方法也可以广泛应用于目标检测、图像分类、图像分割等任务。一、图像数据增强
cxr828·2025-01-19 07:09

什么是FPGA开发？

如果按照应用场景给FPGA应用分类，可以分为高速接口、数据处理、逻辑控制等，在实际工作中也可以根据这些方向进行求职。虽然不
博览鸿蒙·2025-01-19 07:09

一文帮你搞懂flink中窗口的分类（一）

Window可以分成两类：CountWindow：按照指定的数据条数生成一个Window，与时间无关。滚动计数窗口，每隔N条数据，统计前N条数据滑动计数窗口，每隔N条数据，统计前M条数据TimeWindow：按照时间生成Window。（重点）滚动时间窗口，每隔N时间，统计前N时间范围内的数据，窗口长度N，滑动距离N滑动时间窗口，每隔N时间，统计前M时间范围内的数据，窗口长度M，滑动距离N还有一种特
知否&知否·2025-01-19 07:36

网络安全拟态防御技术

按防御行为分类可将其列入基于内生机理的主动防御范畴，又可称之为拟态伪装（MimicGuise,MG）。
网安墨雨·2025-01-19 07:05

2024年网络安全最全CTF —— 网络安全大赛_ctf网络安全大赛

\⚔科技是一把双刃剑，网络安全不容忽视，人们的隐私在大数据面前暴露无遗，账户被盗、资金损失、网络诈骗、隐私泄露，种种迹象表明，随着互联网的发展，网络安全需要引起人们的重视。
网安墨雨·2025-01-19 07:35

基于深度学习CNN网络 mini-xception网络实现 构建一个完整的人脸表情检测_识别分类系统，包括训练、评估、前端和服务端代码

人脸表情检测该项目已训练好网络模型，配置好环境即可运行使用，效果见图像，实现图像识别、摄像头识别、摄像头识别/识别分类项目-说明文档-UI界面-cnn网络项目基本介绍：【网络】深度学习CNN网络mini-xception
计算机c9硕士算法工程师·2025-01-19 07:35

程序代码篇---C&Python作用域

文章目录前言第一部分：堆&栈1.堆区&栈区的区别2.堆存储&栈存储的优点3.全局/静态存储区4.代码区第二部分：C语言的作用域1.作用域分类（1）.在所有函数之外的全局变量（2）.在函数内或者块内的局部变量
Ronin-Lotus·2025-01-19 07:04

单层感知机----或门实现

这个模型旨在建立一个线性超平面来解决线性可分问题，就如我们现在的或门分类。二、实现过程
翔翔子1号·2025-01-19 06:30

隐私计算实训营 第三讲:隐私计算框架及架构

通过交互友好的可视化页面，降低终端用户使用成本通过模块化API降低技术集成商的研发成本所以根据产品定位，隐语产品类型分为白屏产品（定位1）和黑屏产品（定位2）黑屏产品：secretflow、库的形式2.算法层层级分类产品名称简介使用方式算法层隐私计算算法
weixin_39707995·2025-01-19 06:28

PCL 基于法线微分（DoN）的点云分割【2025最新版】

法线微分一、算法原理1、DoN定义2、DoN算法3、DoN分割步骤4、参考文献5、论文描述二、代码实现三、结果展示1、法线可视化结果2、对应曲率信息可视化3、利用曲率分类结果可视化4、欧式聚类分割结果本文由
点云侠·2025-01-19 06:55

PCL 计算点云的VFH特征

一、概述  VFH(ViewpointFeatureHistogram)特征是一种三维点云描述子，它结合了点云的局部几何信息和视点信息，以提高物体识别和分类的精度。
点云侠'·2025-01-19 06:52

基于python的时空地理加权回归（GTWR）模型

一、时空地理加权回归（GTWR）模型时空地理加权回归（GTWR）模型是由美国科罗拉多州立大学的AndyLiaw、StanleyA.Fiel和MichaelE.Bock于2008年提出的一种高级空间统计分析方法
有梦想的Frank博士·2025-01-19 05:13

【深度学习】AMP（Automatic Mixed Precision，自动混合精度）

它能够在不显著损失模型精度的情况下，大幅提升训练速度和效率。1.什么是混合精度训练？混合精度训练是指在训练过程中同时使用两种不同的浮点数精度
shanks66·2025-01-19 04:38

day11备份与恢复

MySQL备份介绍文章目录MySQL备份介绍1.DBA备份与恢复职责2.MySQL备份工具分类mysqldump逻辑备份1.介绍2.重要参数3.备份命令4.分库分表备份5.故障恢复演练5.1模拟环境5.2
Long韵韵·2025-01-19 04:38

智能化植物病害检测：使用深度学习与图像识别技术的应用

本文将介绍如何使用深度学习和图像识别技术，通过Python编写的智能化病害检测程序，实现对植物叶片病害的自动识别与分类。1.项目背景与目标在农业领域，及时发现
机器懒得学习·2025-01-19 04:29

深度学习笔记——生成对抗网络GAN

文章目录一、基本结构生成器判别器二、损失函数判别器生成器交替优化目标函数三、GAN的训练过程训练流程概述训练流程步骤1.初始化参数和超参数2.定义损失函数3.训练过程的迭代判别器训练步骤生成器训练步骤4
好评笔记·2025-01-19 03:25

机器学习笔记——Boosting中常用算法（GBDT、XGBoost、LightGBM）迭代路径

文章目录XGBoost相对GBDT的改进引入正则化项，防止过拟合损失函数L(yi,y^i)L(y_i,\hat{y}_i)L(yi,y^i)正则化项Ω(fm)\Omega(f_m)Ω(fm)使用二阶导数信息
好评笔记·2025-01-19 03:24

SpringAOP前置——代理模式

代理模式是SpringAOP（面向切面编程）的底层原理代理模式的分类静态代理动态代理静态代理角色分析：抽象角色：一般使用抽象类或接口来解决代理角色：代理真实角色，在代理真实角色后，一般会做一些附属操作真实角色
兜里ヌ有糖·2025-01-19 01:42

springMVC文件上传和下载

[置顶]SpringMVC单文件上传、多文件上传、文件列表显示、文件下载标签：SpringMVC文件上传文件下载列表显示2015-05-1821:0122627人阅读评论(6)收藏举报分类：SpringMVC
xls丶·2025-01-19 01:41

软件测试之单元测试

另外，单元测试都以自动化的方式执行，所以在大量回归测试的场景下执行单元测试，更能提高测试效率，另外，也可以帮助开发工程师改善代码的设
程序员三藏·2025-01-19 00:01

神经网络初始化 (init) 介绍

1.2控制方差1.3加速收敛与提高泛化能力2.常见的初始化方法及其应用场景2.1Xavier/Glorot初始化2.2He初始化2.3正交初始化2.4其他初始化方法3.如何设置初始化4.基于BERT的文本分类如何进行初始化
迷路爸爸180·2025-01-18 23:25

Serverless不香了？深扒其背后的巨大骗局！

Serverless解决方案正逐渐回归到服务器上。我最近在《Serverless悼词》（AEulogyForServerless）一文中讨论了这个问题。
·2025-01-18 22:48

Android开发中图片处理

压缩图片：在不损失图像质量的前提下尽可能减小图像文件大小。可以使用AndroidStudio的ImageAssetStudio工具或在线工具（如Tiny
wayne214·2025-01-18 21:26

ElasticSearch11-8.x 新特性

这意味着所有文档在同一个索引中将不再区分类型，简化了索引结构，但同时也要求开发者调整应用程序逻辑以适应这一变化。
李宥小哥·2025-01-18 20:15

设计模式简介

设计模式是一套被反复使用、多数人知晓的、经过分类编目的代码设计经验。它们不是具体的代码，而是解决特定类型问题的通用方案。设计模式旨在提供一种高效、可维护和可扩展的方式来构建软件系统。
智想天开·2025-01-18 19:06

Python 数据建模完整流程指南

通过有效的数据建模，我们能够从原始数据中提取有用的洞察，并为预测或分类任务提供支持。在本篇博客中，我们将通过Python展示数据建模的完整流程，包括数据准备、建模、评估和优化等步骤。
木觞清·2025-01-18 18:56
上一页 2 3 4 5 6 7 8 9 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他