文本分类（svm）

【深度学习】Hugging Face Transformers：预训练语言模型与迁移学习

我们将通过示例来说明如何使用Transformers库进行文本分类、生成等任务，以及如何用自己的数据微调预训练模型。
PyTechShare·2023-10-01 03:15

Coovally模型探索：一键下载Hugging Face预训练模型并集成应用

实现目标检测、图像分割、文本分类、多模态建模等12小类任务类型微调与应用。在模型创建中，系统支持用户上传本地模型文件创建模型，同时也支
Coovally AI模型快速验证·2023-10-01 03:15

Coovally模型探索：快速获取并应用MMDetection模型

实现目标检测、图像分割、文本分类、多模态建模等12小类任务类型微调与应用。Coovally平台实现了对开源社区模型MMDetection的一键式支持。在Coovally的模型探索页面，用户只需搜
Coovally AI模型快速验证·2023-10-01 03:15

Coovally模型探索：高效下载并使用Hugging Face Transformers预训练模型

这些模型被广泛应用于各种任务，如文本分类、命名实体识别、问答、文本生成等。
Coovally AI模型快速验证·2023-10-01 03:14

四通道信息融合下的齿轮箱故障诊断（Python代码，SVM模型和CNN模型进行对比实验，解压缩即可运行，有详细中文注释）

1.效果运行视频：四通道信息融合下的齿轮箱故障诊断（Python代码，SVM模型和CNN模型进行对比实验）_哔哩哔哩_bilibili用到的库：2.数据集介绍：数据免费下载链接（不要积分）：https:
深度学习的奋斗者·2023-10-01 01:32

格拉姆角场GAF将时序数据转换为图像，可以应用于故障诊断等多个领域

效果2.代码（这里用随机生成的数据来模拟一维振动信号，利用格拉姆角场GAF将时序数据转换为图像，并划分为训练集和测试集，最后利用SVM分类）#-*-coding:utf-8-*-"""CreatedonSatSep3021
深度学习的奋斗者·2023-10-01 01:30

第79步 时间序列建模实战：支持向量机回归建模

基于WIN10的64位系统演示一、写在前面这一期，我们介绍支持向量机（SVM）回归。
Jet4505·2023-09-30 15:57

【冰糖Python】scikit-learn中的random_state参数

比如，在train_test_split，svm.SVC中均存在random_state参数。当random_state明确指定，对应函数可产生可再现的结果。
冰糖不在家·2023-09-30 15:37

Pytorch bert模型 实现文本分类

先导入数据集，这里是先新建train.py文件导入数据和添加标签（也可以直接在一个文件里进行）importpandasaspdimportnumpyasnpdefload_data(path):data=pd.read_csv(path,encoding='utf-8',sep='|',nrows=14)data=data.contentlabel_list=[2,0,1,1,1,0,2,0,2,
绿豆棉花糖·2023-09-30 13:02

elasticsearch6.3

maxfiledescriptors[4096]forelasticsearchprocessistoolow,increasetoatleast[65536][2]:maxvirtualmemoryareasvm.max_map_count
g0·2023-09-30 12:52

自然语言处理1——NLP概述

常见应用文本分类文本聚类情感分析信息抽取命名实体识别实体消歧关系抽取事件抽取自动文摘信息推荐自动问答机器翻译NLP的困难歧义病构重述层间循环依赖NLP方法论理性主义经验主义说在前面本文及后续文章是学习自然语言过程中的学习笔记
河篱·2023-09-30 10:45

Ubuntu修改下载源

(4)环境Ubuntu:Ubuntu22.04.2LTSVMware:17.0.02、解决方法_修改下载源(1)打开Ubuntu。(2)点击“显示应用程序”图标→“软件和更新”。
朱嘉鼎·2023-09-30 08:38

工具篇 | WSL使用入门教程以及基于WSL和natApp内网穿透实践 - 对比VMWare

文章概览WSLVsVMWare我们将简单比对WSL和VMWare，在性能、资源消耗等方面的差异，以协助您做出更加明确的选择。
Kfaino·2023-09-30 05:13

KNN（上）：数据分析 | 数据挖掘 | 十大算法之一

欢迎小伙伴们点赞、收藏⭐️、留言、关注，关注必回关上一篇文章已经跟大家介绍过《SVM（下）：如何进行乳腺癌检测？》，相信大家对SVM（下）都有一个基本的认识。下面我讲一下，KNN（上）
秋无之地·2023-09-29 22:46

2w+深度梳理！全网最全NLP面试题总结！

目录技术交流群1、命名实体识别常见面试篇2、关系抽取常见面试篇3、事件抽取常见面试篇4、NLP预训练算法常见面试篇5、Bert常见面试篇6、文本分类常见面试篇7、文本匹配常见面试篇8、问答系统常见面试篇
Python算法实战·2023-09-29 20:57

解密人工智能：线性回归 | 逻辑回归 | SVM

4、支持向量机（SVM）算法4.1优点4.2缺点5、结语1、机器学习算法简介机器学习算法是一种基
春人.·2023-09-29 17:05

【小笔记】fasttext文本分类问题分析

【学而不思则罔，思维不学则怠】2023.9.28关于fasttext的原理及实战文章很多，我也尝试在自己的任务中进行使用，是一个典型的短文本分类任务，对知识图谱抽取的实体进行校验，判断实体类别是否正确，
落叶阳光·2023-09-29 15:12

huggingface_hub v0.17 现已发布

，感谢社区的巨大努力，新添加的任务包括：对象检测文本分类Token分类翻译问题回答表格问题回答填充掩码表格分类表格回归文档问题回答视觉问题回答零样本分类这些方法还支持使用AsyncInferenceClient
Hugging Face·2023-09-29 12:28

SVM(上)：如何用一根棍子将蓝红两色球分开？

SVM(上)：如何用一根棍子将蓝红两色球分开？SVM，叫做支持向量机，是最常见的一种分类方法，SVM是有监督的学习模型。
ywangjiyl·2023-09-29 06:43

SVM（下）：如何进行乳腺癌检测？

欢迎小伙伴们点赞、收藏⭐️、留言、关注，关注必回关上一篇文章已经跟大家介绍过《SVM（上）：如何用一根棍子将蓝红两色球分开？》，相信大家对SVM（上）都有一个基本的认识。下面我讲一下，
秋无之地·2023-09-29 06:13

22丨SVM（上）：如何用一根棍子将蓝红两色球分开？

今天我来带你进行SVM的学习，SVM的英文叫SupportVectorMachine，中文名为支持向量机。它是常见的一种分类方法，在机器学习中，SVM是有监督的学习模型。什么是有监督的学习模型呢？
修罗神天道·2023-09-29 06:43

SVM（上):如何用一根棍子将蓝红两色球分开?

SVM的英文叫SupportVectorMachine，中文名为支持向量机。它是常见的一种分类方法，在机器学习中，SVM是有监督的学习模型。什么是有监督的学习模型呢？
LiuDi1999·2023-09-29 06:43

SVM（上）：如何用一根棍子将蓝红两色球分开？

⭐️⭐️⭐️⭐️⭐️欢迎来到我的博客⭐️⭐️⭐️⭐️⭐️作者：秋无之地简介：CSDN爬虫、后端、大数据领域创作者。目前从事python爬虫、后端和大数据等相关工作，主要擅长领域有：爬虫、后端、大数据开发、数据分析等。欢迎小伙伴们点赞、收藏⭐️、留言、关注，关注必回关上一篇文章已经跟大家介绍过《朴素贝叶斯分类（下）：数据挖掘十大算法之一》，相信大家对朴素贝叶斯分类（下）都有一个基本的认识。下面我讲一
秋无之地·2023-09-29 06:43

分类预测 | MATLAB实现WOA-FS-SVM鲸鱼算法同步优化特征选择结合支持向量机分类预测

分类预测|MATLAB实现WOA-FS-SVM鲸鱼算法同步优化特征选择结合支持向量机分类预测目录分类预测|MATLAB实现WOA-FS-SVM鲸鱼算法同步优化特征选择结合支持向量机分类预测效果一览基本介绍程序设计参考资料效果一览基本介绍
机器学习之心·2023-09-29 06:12

机器学习之支持向量机(SVM)

1.概述支持向量机(SupportVectorMachine,也称为支持向量网络)是一种二分类模型.它源于统计学习理论,是一个强学习器.从分类效力来看,SVM无论在处理线性还是非线性分类中,都是明星般的存在
uodgnez·2023-09-29 05:35

机器学习 面试/笔试题

K近邻、SVM
uodgnez·2023-09-29 05:34

在Matlab中安装LibSVM工具箱

下载LibSVM工具箱1下载工具箱地址：LibSVM下载地址下拉网页：2注意事项：2.1注意测试数据==官网下载的数据包中没有Matlab对应的数据集格式，点此下载：heart_scale.mat.
xingshanchang·2023-09-28 18:11

Remix-IDE（三）

jsVM是它自己的区块链，每次重新加载它都会启动一个
Merkle·2023-09-28 18:59

在Python中理解和实现文本分类的综合指南

在Python中理解和实现文本分类的综合指南原文链接：https://www.analyticsvidhya.com/blog/2018/04/a-comprehensive-guide-to-understand-and-implement-text-classification-in-python
leofionn·2023-09-28 13:41

分类预测 | Matlab实现SSA-CNN-SVM麻雀算法优化卷积支持向量机分类预测

分类预测|Matlab实现SSA-CNN-SVM麻雀算法优化卷积支持向量机分类预测目录分类预测|Matlab实现SSA-CNN-SVM麻雀算法优化卷积支持向量机分类预测分类效果基本描述程序设计参考资料分类效果基本描述
机器学习之心·2023-09-28 11:15

分类预测 | MATLAB实现SSA-FS-SVM麻雀算法同步优化特征选择结合支持向量机分类预测

分类预测|MATLAB实现SSA-FS-SVM麻雀算法同步优化特征选择结合支持向量机分类预测目录分类预测|MATLAB实现SSA-FS-SVM麻雀算法同步优化特征选择结合支持向量机分类预测效果一览基本介绍程序设计参考资料效果一览基本介绍
机器学习之心·2023-09-28 11:12

如何成为提示词工程师（精简版）

文本分类：将文本分为预定义的类别或标签。命名实
'Wu'·2023-09-28 09:13

支持向量机SVM的原理和python实现

文章目录前言1SVM概述1.1概念1.2SVM的优缺点1.2.1优点1.2.2缺点1.3线性可分思路1.3.1线性可分样本集与非线性可分样本集1.3.2分类间隔、超平面、支持向量1.3.3SVM算法原理
日常脱发的小迈·2023-09-28 00:53

机器学习吃瓜（西瓜、南瓜书）笔记 task05-第六章支持向量机

目录6.1.算法原理6.2超平面6.3几何间隔6.3支持向量机6.4软间隔与支持向量回归6.4.1算法原理6.4.2软间隔6.4.3支持向量回归（SVR）6.1.算法原理几何角度，对于线性可分的数据集，SVM
Alex好好干饭·2023-09-28 00:51

机器学习西瓜书+南瓜书吃瓜教程学习笔记第六章支持向量机

视频来源：b站直播+周志华老师机器学习西瓜树+南瓜书以下是我的学习笔记：支持向量机（supportvectormachines，SVM）是一种二分类模型，它的目的是寻找一个超平面来对样本进行分割，分割的原则是间隔最大化
Unicorn婧·2023-09-28 00:17

TextCNN

在文本分类时，可以使用卷积层进行文本特征抽取，模型结构如图：首先利用卷积层和池化层，捕获序列特征，然后根据特征用softmax进行分类。这里面主要涉及到两个操作，卷积操作和池化操作。
612twilight·2023-09-27 16:56

Hugging News #0925: 一览近期的新功能发布

近期更新huggingface_hubv0.17现已发布InferenceClient现已全面支持各种推理任务，包括对象检测、文本分类、令牌分类
·2023-09-27 15:45

win10安装python的xlrd_win10安装python的xlrd

最近想尝试一下python中机器学习库函数，来测试SVM多分类算法性能，所以需要安装python以及xlrd，安装过程如下。
kkhenry·2023-09-27 10:55

SVM发展历史、现状、未来趋势

SVM（supportvictormachine）1、支持向量机发展历史1963年，Vapnik在解决模式识别问题时提出了支持向量方法。
席八·2023-09-27 09:46

《统计学习方法》SVM约束最优化的错误

函数间隔和几何间隔的不同按照统计学习方法这本书的说法函数和几何间隔之间其实是一个线性的映射其中是函数间隔，是几何间隔而且几何间隔的定义是其实我觉得他这样定义有问题约束最优化问题的表达无法理解书上说原问题可以表述为下面的最优化问题但是其实约束项的左右两边是一样的()。。。看着十分奇怪就算之后用函数间隔替换了几何间隔，但是还是有同样的问题：那这样的话函数间隔还有什么意义。。。我认为的更好的解释函数间隔
pipicold·2023-09-27 09:45

深度学习理论

《BriefHistoryofMachineLearning》介绍:这是一篇介绍机器学习历史的文章，介绍很全面，从感知机、神经网络、决策树、SVM、Adaboost到随机森林、DeepLearning.
Alec-Wong·2023-09-27 00:03

Hugging News #0925: 一览近期的新功能发布

近期更新huggingface_hubv0.17现已发布InferenceClient现已全面支持各种推理任务，包括对象检测、文本分类、令牌分类
Hugging Face·2023-09-26 22:59

【计算机视觉】3.传统计算机视觉方法

传统计算机视觉方法一、大纲图像分割人脸检测行人检测二、图像分割基于阈值检测的方法基于边缘检测的方法基于区域的分割方法基于图论的分割方法三、人脸检测四、行人检测五、SVM六、DPM一、大纲图像分割基于阈值
Scott_S·2023-09-26 21:40

深度学习基础概念理解

3、SVM一般指支持向量机，是一类按监督学习方式对数据进行二元分类的广义线性分类器，也可改为多分类。4、使用SVM也可代替CNN网络
盛世芳华·2023-09-26 14:39

五、核支持向量机算法(NuSVC，Nu-Support Vector Classification)（有监督学习）

和支持向量分类(Nu-SupportVectorClassification)，与SVC类似，但使用一个参数来控制支持向量的数量，其实现基于libsvm一、算法思路本质都是SVM中的一种优化，原理都类似
beyond谚语·2023-09-26 12:13

支持向量机（SVM）

支持向量机（SupportVectorMachine，SVM）是一种用于分类问题的监督算法。主要用于二分类和多分类问题。
·2023-09-26 11:46

支持向量机基本原理，Libsvm工具箱详细介绍，基于支持向量机SVM的遥感图像分类

目录支持向量机SVM的详细原理SVM的定义SVM理论Libsvm工具箱详解简介参数说明易错及常见问题完整代码和数据下载链接：基于SVM的遥感图像分类识别，基于支持向量机SVM的遥感图像分类识别（代码完整
神经网络机器学习智能算法画图绘图·2023-09-26 10:17

【python】Bayesian Optimization（贝叶斯优化）优化svm回归问题

贝叶斯优化介绍贝叶斯优化（BayesianOptimization）是一种用于黑盒函数优化的序列模型优化方法。它在较少的函数评估次数下，尝试寻找全局最优解。贝叶斯优化使用高斯过程（GaussianProcess）作为先验模型来建模未知的目标函数。通过对目标函数进行一系列评估和建模迭代，贝叶斯优化能够根据当前模型的置信度，选择下一个最有希望改善性能的输入点进行评估。这一过程称为采样策略（Sampli
傻傻虎虎·2023-09-26 09:13

IDEA常用快捷键

快速创建main方法：输入psvm+tab键快速打印system.out.println();输入sout+tab键追踪类、方法、变量定义的位置Ctrl+左键单击（Ctrl+B）快速重命名选中的变量（同一个类中所有同名的
林杜雨都·2023-09-26 06:39

十三、支持向量机SVM

SVM（SupportVectorMachines）近年已被深度学习所替代SVM寻找区分两类的超平面（hyperplane），使边际（margin）最大向量内积：范数：当时，可以求余弦相似度：算法推论：
万物皆可代码·2023-09-26 05:12
上一页 23 24 25 26 27 28 29 30 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他