文本分类训练集

【机器学习笔记】13 降维

在很多机器学习问题中，训练集中的每条数据经常伴随着上千、甚至上万个特征。要处理这所有的特征的话，不仅会让训练非常缓慢，还会极大增加搜寻良好解决方案的困难。这个问题就是我们常说的维数灾难。
RIKI_1·2024-02-20 11:13

【机器学习笔记】8 决策树

以下小美相亲的例子就是决策树决策树算法是一种归纳分类算法，它通过对训练集的学习，挖掘出
RIKI_1·2024-02-20 11:39

Sora技术报告——Video generation models as world simulators

2.3SpacetimeLatentPatches2.4Scalingtransformers用于视频生成2.5可变的持续时间，分辨率，宽高比2.6抽样的灵活性2.7改进框架和构图2.8为视频生成字幕，作为训练集
我想静静，·2024-02-20 01:24

【机器学习笔记】5 机器学习实践

数据集划分子集划分训练集（TrainingSet）：帮助我们训练模型，简单的说就是通过训练集的数据让我们确定拟合曲线的参数。
RIKI_1·2024-02-19 23:52

【机器学习笔记】12 聚类

无监督学习概述监督学习在一个典型的监督学习中，训练集有标签，我们的目标是找到能够区分正样本和负样本的决策边界，需要据此拟合一个假设函数。
RIKI_1·2024-02-19 19:38

深度学习优化算法

虽然深度学习在ImageNet上取得了巨大成功，但是一个现实的问题是，很多应用的训练集是较小的，如何在这种情况下应用深度学习呢?有三种方法可供读者参考。  
丁引·2024-02-19 13:42

生成式网络与判别式网络

生成式网络（GenerativeNetworks）生成式网络旨在学习数据的分布，以便能够生成新的、之前未见过的数据点，这些数据点与训练集中的数据具有相同的分布。简而言之，生成式网络能够“生成”数据。
一条小小yu·2024-02-19 12:23

朴素贝叶斯算法

它被广泛应用于文本分类、垃圾邮件过滤等领域。朴素贝叶斯算法简单易懂，其核心思想是假设在给定目标值时，各个属性之间相互独立。在实际应用中，朴素贝叶斯算法在垃圾邮件过滤中表现出色。
YuanDaima2048·2024-02-19 10:46

如何使用Pycharm中的image模块以及导入打开图片（属性）

在学习pytorch深度学习的过程中，通常会使用到大量的数据集，包括训练集和测试集。
JayGboy·2024-02-19 10:00

21丨朴素贝叶斯分类（下）：如何对文档进行分类？

朴素贝叶斯分类最适合的场景就是文本分类、情感分析和垃圾邮件识别。
张九日zx·2024-02-15 10:27

代码+视频基于R语言进行K折交叉验证

交叉验验证（交叉验证，ＣＶ）则是一种评估模型泛化能力的方法，广泛应用中于数证据采挖掘和机器学习领域，在交叉验证通常将数据集分为两部分，一部分为训练集，用于建立预测模型；另一部分为测试集，用于测试该模型的泛化能力
天桥下的卖艺者·2024-02-15 09:11

data mining-基于实例的学习

在基于实例的学习中，训练样本被完全保存起来，并且使用距离函数带来判定训练集中的哪个实例与一个未知的测试实例最近。
crishawy·2024-02-15 09:47

Task6 基于深度学习的文本分类3

基于深度学习的文本分类学习目标了解Transformer的原理和基于预训练语言模型（Bert）的词表示学会Bert的使用，具体包括pretrain和finetune文本表示方法Part4Transformer
listentorain_W·2024-02-15 07:53

stable diffusion模型微调实战

stablediffusion模型微调实战embeddings准备训练集网络找图片，10~20张，jpg、png、webp等都可以，放到一个文件夹中文件夹的命名为：repeat_文件名其中：repaeat
weixin_45597589·2024-02-14 22:33

stable diffusion参数说明

放大算法一般选择R-ESRGAN4x+ANIME6B宽度、高度控制图片的分辨率，根据选择的大模型的训练集尺寸选择，一般为64的倍数提示词相关性一般选择7~10采样迭代步数代表这幅画画了多少笔，一般
weixin_45597589·2024-02-14 22:03

机器学习：BN层介绍及深入理解

如果训练集和测试集的分布很不相同，那么在训练集上训练好的模型，在测试集上应该不奏效（比如用ImageNet训练的分类网络去在灰度医学图像
是Dream呀·2024-02-14 13:12

8、python多项式贝叶斯文本分类（完整）

1、贝叶斯定理（BayesTheorem）朴素贝叶斯分类（NaiveBayesClassifier）贝叶斯分类算法，是统计学的一种分类方法，它是利用贝叶斯定理的概率统计知识，对离散型的数据进行分类的算法2、贝叶斯算法的类型sklearn包naive_bayes模块GaussianNB高斯贝叶斯BernoulliNB伯努利贝叶斯MultionmialNB多项式贝叶斯（需要知道具体每个特征的数值大小）
UP Lee·2024-02-14 13:32

zero shot classification提取主题词

基于NLI的零镜头文本分类。zeroshotclassification提出了一种使用预训练的NLI模型作为现成的零样本序列分类器的方法。
狗庄欺人太甚·2024-02-14 11:49

Task5 基于深度学习的文本分类2

Task5基于深度学习的文本分类2在上一章节，我们通过FastText快速实现了基于深度学习的文本分类模型，但是这个模型并不是最优的。在本章我们将继续深入。
listentorain_W·2024-02-14 06:13

使用word2vec+tensorflow自然语言处理NLP

这种向量表示可以用于各种自然语言处理任务，如语义相似度计算、文本分类和命名实体识别等。Word2Vec的核心思想是通过预测上下文或
取名真难.·2024-02-14 05:18

21年3月14周末训练感想

2021.3.15周末日记周末两天在图书馆度过,训练了平时一周完成的训练量.周六:4页出图(平时1页/天=4天的训练量),周日:2页联结+3行记忆=50行(平时5行/天,等于10天的训练量)总结:周末时间更加整块,让训练集中化
人无远虑必有近·2024-02-14 04:36

ERNIE实现酒店情感分析（文本分类）

ERNIE实现酒店情感分析（文本分类）引言在自然语言处理（NLP）领域，文本分类是一项重要的任务，它能够帮助我们理解和分析大量的文本数据。
OverlordDuke·2024-02-14 02:42

DNN算法的实现

这里只是一个示例，你需要根据你的数据准备实际的训练数据X=randn(100,10);%100个样本，每个样本10个特征y=randi([0,1],100,1);%100个样本的二分类标签%将数据分成训练集和测试集
qq_51497433·2024-02-13 23:47

13自然语言处理基础入门

字符串基础操作及应用自然语言处理简介做一个中文文本分类任务，首先要做的是文本的预处理，对文本进行分词和去停用词操作，来把字符串分割成词与词组合而成的字符串集合并去掉其中的一些非关键词汇（像是：的、地、得等
Jachin111·2024-02-13 21:04

利用滑动窗口法来制作时序数据集

什么是数据滑窗  进行机器学习时，一般都要涉及到划分训练集和测试集的步骤。特别地，在做数据预测时，一般把预测的依据（也就是历史数据）称作X，把需要预测的数据称为y。
Stanford_sun·2024-02-13 21:57

00005. 在朴素Bayes模型中，为什么需要Laplace平滑？

统计学上，在计算实例的概率时，如果某个量x，在观察样本库（训练集）中没有出现过，会导致整个实例的概率结果是0。
deBroglie·2024-02-13 15:31

深度学习基础

datamismatchwhatisdatamismatchhowtosolvedatamismatchdatasynthesis数据合成迁移学习与预训练/微调什么时候用迁移学习highvariance/datamismatchwhatisdatamismatch如果训练集和验证集的
EEPI·2024-02-13 10:48

多元回归分析 | LASSO多输入单输出预测（Matlab完整程序）

多元回归分析|LASSO多输入单输出预测（Matlab完整程序）目录多元回归分析|LASSO多输入单输出预测（Matlab完整程序）预测结果评价指标基本介绍程序设计预测结果评价指标LASSO回归训练集平均绝对误差
前程算法屋·2024-02-13 06:02

R语言拆分测试集和训练集（1）

方法1：sample#拆分数据集#生成模拟数据集set.seed(5)data_mo<-data.frame(a1=rnorm(20,30,5),a2=rgamma(20,50,10),a3=rnorm(20,13,4),row.names=1:20)#1使用sampleset.seed(1)index<-sample(nrow(data_mo),nrow(data_mo)*0.7)indextr
weixin_49320263·2024-02-13 00:34

使用R语言建立回归模型并分割训练集和测试集

通过简单的回归实例，可以说明数据分割为训练集和测试集的必要性。
环能jvav大师·2024-02-13 00:33

什么是jieba？

该库能够处理多种文本分析任务，如情感分析、关键词提取、文本分类等。安装在使用jieba库之前，需要先安装它。
zg1g·2024-02-12 22:33

机器学习：过拟合和欠拟合的介绍与解决方法

过拟合过拟合的表现模型在训练集上的表现非常好，但是在测试集、验证集以及新数据上的表现很差，损失曲线呈现一种高方差，低偏差状态。
是Dream呀·2024-02-12 19:05

如何判断欠拟合、适度拟合、过拟合

可以通过查看训练集误差和验证集误差，从而判断算法达到什么效果。通过衡量训练集和验证集的误差就可以得出不同结论。1.欠拟合：假定训练集误差是15%，验证集误差是16%。
心窄·2024-02-12 19:05

Python数据分析从入门到进阶：模型评估和选择（含详细代码）

本文介绍如何使用sklearn代码进行模型评估模型评估对模型评估的基本步骤如下：首先将要将数据集分为训练集和测试集对训练集进行模型拟合确定合适的评估指标计算在测试集上的评估指标1数据集划分在机器学习问题中
程序员老冉·2024-02-12 16:34

Week10

我们应该怎样应对一个有100万条记录的训练集？以线性回归模型为例，每一次梯度下降迭代，我们都需要计算训练集的误差的平方和，如果我们的学
kidling_G·2024-02-12 14:29

【初中生讲机器学习】7. 交叉验证是什么？有哪些？怎么实现？来看！

文章目录一、训练集、验证集和测试集训练集TrainingSet验证集ValidationSet测试集TestSet三者关
Geeker · LStar·2024-02-11 23:37

基于jieba、TfidfVectorizer、LogisticRegression的垃圾邮件分类，模型平均得分为0.98左右（附代码和数据集）

垃圾邮件分类识别是一种常见的文本分类任务，旨在将收件箱中的邮件分为垃圾邮件和非垃圾邮件。
代码讲故事·2024-02-11 18:04

使用Logistic Regression进行文本分类

1.文本格式sentence,label游戏太坑，暴率太低，太克金，平民不能玩,negative让人失望,negative能解决一下服务器问题？网络正常老掉线，换手机也一样。。。,negative期待,positive一星也不想给，这特么简直龟速，炫舞老年版？,negative衣服不好看游戏内容无特色，界面乱糟糟的,negative喜欢喜欢,positive从有了这个手游就一直玩，很喜欢呀，希望更
bitcarmanlee·2024-02-11 18:04

task 13 集成学习

在本例中，通过核密度估计，观察训练集与测试集数据的分布情况，从而删除不具有相似分布的属性值计算相关性
罐罐儿111·2024-02-11 17:30

（零）我还没想好标题 = ='''

实现对0-9数字手写体的训练与分类2.实验数据Mnist数据集Mnist数据集来自美国国家标准与技术研究所：NationalInstituteofStandardsandTechnology(NIST)训练集
半亩半亩·2024-02-11 16:31

集成学习——梯度提升树（GBDT）

即通过多轮迭代，每轮迭代生成一个弱分类器，并在上一轮分类器残差的基础上进行训练，但是弱学习器限定了只能使用CART回归树模型，且迭代思路与Adaboost（利用前一轮迭代弱学习器的误差率来更新训练集的权重
wxw_csdn·2024-02-11 14:10

吴恩达机器学习—正则化

过拟合可能对现有数据拟合效果较好，损失函数值几乎为零，但是不能进行泛化时，即不适于非训练集的其他数据。如何解决过拟合问题特征变量过多造成过拟合绘制假设模型图像，但当特征变量变多时，绘制很困难。
魏清宇·2024-02-11 09:55

fast.ai 机器学习笔记（二）

视频复习测试集，训练集，验证集和OOB我们有一个数据集
绝不原创的飞龙·2024-02-11 08:57

cs231n_深度之眼第二次作业

图像分类数据包括训练集测试集的数据，在有监督的问题中对于训练集数据来说是有label的，而测试集是等待我们去识别它的类别，不具有label。
Jie_Cheney·2024-02-11 05:00

NLP之transformer -Task01

常见的NLP任务本教程将NLP任务划分为4个大类：1、文本分类，2、序列标注，3、问答任务——抽取式问答和多选问答，4、生成任务——语言模型、机器翻译和摘要生成。
曼曼668·2024-02-10 11:55

方差与偏差

"偏差方差分解"(bias-variancedecomposition)是解释学习算法泛化性能的一种重要工具.偏差方差分解试图对学习算法的期望泛化错误率进行拆解.我们知道，算法在不同训练集上学得的结果很可能不同
井底蛙蛙呱呱呱·2024-02-10 10:18

深度学习为什么需要suffle，xgb为什么不需要shuffle?

考虑的数据是整个训练集。xg
fengyuzhou·2024-02-10 06:08

会爱孩子有多么重要，只要能懂点心理学就可以的事。

学习成绩一般，自己预期较高，因而压力比较大，心情郁闷，找老师聊：父母对自己过于保护，没有自己出来自由逛街与同学交往的可能，就连班级训练集体舞，妈妈也陪着。
点点心理·2024-02-09 22:08

4种玉米叶病虫害数据集，并使用深度卷积网络对其识别，准确率在99.06%以上（python代码，带有数据集，可以直接运行，带有GUI界面，对代码感兴趣可以私信，为本人创作）

）2.文件夹说明：2.1.data文件夹装的是4种玉米叶片病虫害原始数据集打开data文件夹后，如下2.2.picture文件装的是，运行hf.py文件后，将data文件夹的四种原始数据，随机打乱分成训练集和测试集
深度学习的奋斗者·2024-02-09 22:25

stupid_brain

训练集数据处理：数据增强有利于解决过拟合问题。模型：relu少写、batchnorm位置写错。test记得关闭梯度更新withtorch.no_grad():
MORE_77·2024-02-09 21:01
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他