训练集

使用Keras处理多分类问题——以新闻分类为例

包括46个不同的主题，其中某些主题的样本更多，但是训练集中的每个主题都有至少10个样本。与IMDB数据集一样，路透社数据集也内置到了Keras库中，并且已经经过了预处理。
进击的码农设计师·2023-12-18 11:28

计算机视觉中的细节问题(五)

参考计算机视觉中的细节问题(五)-云+社区-腾讯云目录(1)、训练集与测试集的标准定义(2)anchor_scales、anchor_ratios、anchor_strides的含义？
Wanderer001·2023-12-18 09:45

权重衰减(Weight Decay)

然而，当模型的参数（即权重）过多或过大时，容易导致过拟合问题，即模型在训练集上表
奉系坤阀·2023-12-18 08:37

过拟合与欠拟合

具体表现就是最终模型在训练集上效果好；在测试集上效果差。模型泛化能力弱。过拟合的原
奉系坤阀·2023-12-18 08:07

【YOLO系列】 速看！YOLOv3中如何使用K-Means聚类算法生成Anchor Box

为了解决这个问题，于是YOLOV2提出了使用k-Means聚类方法在训练集中自动的获取每个anchorboxes的大小，以替代人工设置。k-Means算法的思想很简单，对于给定的样本集，按照
江湖小张·2023-12-18 07:31

机器学习之评估机器学习模型

我们将我们的数据分为训练集、验证集和测试集，我们不通过相同的数据来评估我们用来训练的模型，原因很明显：经过一些很少批次的训练以后，全部的模型都开始过拟合，也就是说，他们在未见过的数据上的表现跟见过的数据比
辣椒种子·2023-12-18 04:16

pytorch——支持向量机

1、任务要求针对已知类别的5张卧室照片(标签为+1)和5张森林照片(标签为-1)所对应的矩阵数据进行分类训练,得到训练集模型;再利用支持向量机对另外未知类别的5张卧室照片和5张森林照片数据进行测试分类(
努力编程的阿曼·2023-12-18 01:36

阅读笔记-SVDNet for pedestrian retrieval

Motivation这篇文章是17年的文章，当时的背景：基于深度的reid方法一般还是三部分组成：1）训练集先训练一个分类器；2）从分类器前一层的FC层抽取图像特征；3）通过欧氏距离或者cosine距离进行相似度计算以排序
熙熙江湖·2023-12-17 18:24

yolov5训练自己的数据集

2.数据集leaf的格式是非常重要的，leaf里面有有train（训练集）,val（验证集），还有一个是test吧，但我就是简单做了一个小实验，并没有写这个，有需要的话可以自己加上。
花花王·2023-12-17 18:27

大数据机器学习与深度学习——过拟合、欠拟合及机器学习算法分类

过拟合：在机器学习任务中，我们通常将数据集分为两部分：训练集和测试集。训练集用于训练模型，而测试集则用于评估模型在未见过数据上的性能。过拟合就是指模型在训练集上表现较好，但在测试集上表现较差的现象。
星川皆无恙·2023-12-17 17:49

竞赛完整思路

3.数据探索与预处理获取数据：下载并了解比赛提供的训练集和测试集数据。数据探索：使用统计方法和可视化工具（如Matplotli
代码帮·2023-12-17 09:17

机器学习三个基本要素：优化算法

在确定了训练集D、假设空间ℱ以及学习准则后，如何找到最优的模型(x,θ∗)就成了一个最优化（Optimization）问题。机器学习的训练过程其实就是最优化问题的求解过程。
白牛DATA·2023-12-17 09:25

TensorFlow神经网络中间层的可视化

文件导入网络3.可视化网络中间层结果（1）索引取层可视化（2）通过名字取层可视化TensorFlow神经网络中间层的可视化1.训练网络并保存为.h5文件我们使用AlexNet为例，任务是手写数字识别，训练集使用手写数字集
_MaZy·2023-12-17 07:48

机器学习三大基本要素学习准则

学习准则令训练集=是由N个独立同分布的样本组成，即每个样本(,y)∈X×Y是从X和Y的联合空间中按照某个未知分布P(,y)独立地随机产生的。
白牛DATA·2023-12-17 04:04

机器学习：KNN算法实现对鸾尾花的分类

使用knn算法对鸢尾花数据进行分类，分类过程如下：（1）将鸾尾花数据分为训练集和测试集，用来读取数据。（2）处理训练集数据，将数据重拍，变量与标签分离。
何叔傲·2023-12-17 02:33

pytorch——房价预测

并转换为tensor格式3、接下来设置训练参数和模型这里采用回归模型，既y=x*weight1+bias1，设置的学习率为0.0006，损失函数采用了MSE（均方误差）4、绘制图像由于数据量较少，所以将整个训练集作为测试集
努力编程的阿曼·2023-12-16 16:09

Pytorch-Transformer轴承故障一维信号分类(三)

目录前言1数据集制作与加载1.1导入数据第一步，导入十分类数据第二步，读取MAT文件驱动端数据第三步，制作数据集第四步，制作训练集和标签1.2数据加载，训练数据、测试数据分组，数据分batch2Transformer
建模先锋·2023-12-16 16:01

机器学习---Adaboost算法

1.Adaboost算法介绍Adaboost是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器（弱分类器），然后把这些弱分类器集合起来，构成一个更强的最终分类器（强分类器）。
三月七꧁ ꧂·2023-12-16 14:17

Regularization——正则化

1.过拟合问题这是使用不同的模型根据房子的大小对于房价的预测第一张图的模型距离数据点的平均距离仍然比较大，拟合效果并不是特别好，也叫欠拟合（underfitting）第二张图的模型对于训练集数据的拟合的不错
搁浅丶.·2023-12-16 12:03

吴恩达《机器学习》11-3-11-5:类偏斜的误差度量、查准率和查全率之间的权衡、机器学习的数据

偏斜类的问题偏斜类的情况发生在训练集中某一类实例数量非常多，而其他类的实例数量很少或没有的情况下。举例来说，如果希望用算法来预测肿瘤是否是恶性的，
不吃花椒的兔酱·2023-12-16 12:01

风速预测（四）基于Pytorch的EMD-Transformer模型

目录前言1风速数据EMD分解与可视化1.1导入数据1.2EMD分解2数据集制作与预处理2.1先划分数据集，按照8：2划分训练集和测试集2.2设置滑动窗口大小为7，制作数据集3基于Pytorch的EMD-Transformer
建模先锋·2023-12-16 11:48

风速预测（五）基于Pytorch的EMD-CNN-LSTM模型

目录前言1风速数据EMD分解与可视化1.1导入数据1.2EMD分解2数据集制作与预处理2.1先划分数据集，按照8：2划分训练集和测试集2.2设置滑动窗口大小为96，制作数据集3基于Pytorch的EMD-CNN-LSTM
建模先锋·2023-12-16 11:48

Course2-Week3-使用机器学习的建议

Course2-Week3-使用机器学习的建议文章目录Course2-Week3-使用机器学习的建议1.拆分原始训练集1.1如何改进模型1.2二拆分：训练集、测试集1.3三拆分：训练集、验证集、测试集2
虎慕·2023-12-16 01:13

机器学习---道路拥堵案例

一、道路拥堵情况预测1、构建训练集：每条道路的拥堵情况不仅和当前道路前一个时间点拥堵情况有关系，还和与这条道路临近的其他道路的拥堵情况有关。甚至还和昨天当前时间点当前道路是否拥堵有关联。
30岁老阿姨·2023-12-15 22:28

【目标检测从零开始】torch实现yolov3数据加载

xmlStep3：实现DatasetStep4：数据增强Step5：添加dataset_collateStep6：测试小结数据简介林业病虫害防治项目用到的AI识虫数据集，该数据集提供了2183张图片，其中训练集
开着奔驰种地·2023-12-15 22:35

VisDA比赛规则

multi-sourcedomainadaptation数据集在multi-sourcedomainadaptationchallenge中，我们可以使用Infograph,Quickdraw,和Real作为训练集
longlong9·2023-12-15 14:29

2019-08-16工作进展

mvdssm训练集生成pai-nametensorflow140-Dscript="file:///home/hengsong/origin_deep_cluster_odps_8.tar.gz"-DentryFile
Songger·2023-12-15 11:39

机器学习---线性回归案例

1、梯度下降法调节参数2、模拟过拟合训练模型都会将数据集分为两部分，一般会将0.8比例的数据集作为训练集，将0.2比例的数据集作为测试集，来训练模型。
30岁老阿姨·2023-12-14 22:25

长话短说stacking集成学习算法，保证你能看得懂（2)

第一步，进行初级学习，生成次级学习器的训练集(X_train_new,y_train)和测试集(X_test_new,y_test)（篇幅所限，我们在此假设每个基模型都是经过参数调优处理的优良模型，具体如何进行参数优化请参见相关文献
interbigdata·2023-12-14 18:44

风速预测（二）基于Pytorch的EMD-LSTM模型

目录前言1风速数据EMD分解与可视化1.1导入数据1.2EMD分解2数据集制作与预处理2.1先划分数据集，按照8：2划分训练集和测试集2.2设置滑动窗口大小为7，制作数据集3基于Pytorch的EMD-LSTM
建模先锋·2023-12-14 17:12

风速预测（三）EMD-LSTM-Attention模型

目录1风速数据EMD分解与可视化1.1导入数据1.2EMD分解2数据集制作与预处理2.1先划分数据集，按照8：2划分训练集和测试集2.2设置滑动窗口大小为7，制作数据集3基于Pytorch的EMD-LSTM-Attention
建模先锋·2023-12-14 17:12

Pytorch-LSTM轴承故障一维信号分类(一)

目录前言1数据集制作与加载1.1导入数据第一步，导入十分类数据第二步，读取MAT文件驱动端数据第三步，制作数据集第四步，制作训练集和标签1.2数据加载，训练数据、测试数据分组，数据分batch2LSTM
建模先锋·2023-12-14 16:49

resnet 图像分类的项目

1.项目文件文件下载资源：resnet图像分类的项目代码本章利用reset34作图像分类，包括计算训练集和测试集的loss、accuracy曲线，对训练好的网络在训练集+测试集上求混淆矩阵data文件为训练集
听风吹等浪起·2023-12-14 15:29

【机器学习】040_理解偏差与方差

可以利用如下图所示的打靶模型更好地理解偏差和方差：二、学习曲线（反映模型出于偏差还是方差）通过学习曲线，将训练集误差和交叉验证集误差作为训练集实例数量（
Cyan.__·2023-12-14 13:44

《机器学习》--决策树（上）

决策树基本算法：输入训练集D={(x1,y1),(x2,y2),…(xm,ym)};属性集A
汪汪军师·2023-12-06 18:56

10折交叉验证（10-fold Cross Validation）与留一法（Leave-One-Out）

概念：交叉验证法，就是把一个大的数据集分为k个小数据集，其中k−1个作为训练集，剩下的1个作为测试集，在训练和测试的时候依次选择训练集和它对应的测试集。
DJ.马·2023-12-06 14:27

机器学习实验三：支持向量机模型

线性回归机器学习实验二：决策树模型机器学习实验三：支持向量机模型机器学习实验四：贝叶斯分类器机器学习实验五：集成学习机器学习实验六：聚类文章目录系列文章目录一、实验目的二、实验原理三、实验内容四、实验步骤1.训练集和测试数据集划分
Magic171·2023-12-06 07:20

论文阅读-Null-text Inversion for Editing Real Images using Guided Diffusion Models

google/prompt-to-prompt二、ConditionalDiffusion（classifier-freeguidance)Classifier-freeguidance方法训练：对于有条件的训练集
完美屁桃·2023-12-06 06:52

第一章 绪论

训练过程中使用的数据称为“训练数据”，其中每个样本称为一个“训练样本”，训练样本组成的集合称为“训练集”。
lammmya·2023-12-06 06:21

软著项目推荐 深度学习的水果识别 opencv python

文章目录0前言2开发简介3识别原理3.1传统图像识别原理3.2深度学习水果识别4数据集5部分关键代码5.1处理训练集的数据结构5.2模型网络结构5.3训练模型6识别效果7最后0前言优质竞赛项目系列，今天要分享的是深度学习的水果识别
iuerfee·2023-12-06 06:54

在python的Scikit-learn库中，可以使用train_test_split函数来划分训练集和测试集。

文章目录一、在Scikit-learn库中，可以使用train_test_split函数来划分训练集和测试集总结一、在Scikit-learn库中，可以使用train_test_split函数来划分训练集和测试集在
小桥流水---人工智能·2023-12-06 02:47

在机器学习或者深度学习中是否可以直接分为训练集和测试集而不需要验证集？我的答案如下：

文章目录一、训练集是什么？二、验证集是什么？三、测试集是什么？四、是否可以直接分为训练集和测试集而不需要验证集？总结在机器学习和深度学习项目中，通常会将数据集划分为三个部分：训练集，验证集和测试集。
小桥流水---人工智能·2023-12-06 02:45

keras的EarlyStopping使用与技巧

具体地，可以达到当训练集上的loss不在减
「已注销」·2023-12-06 00:16

深度学习技巧之Early Stopping（早停法）

但是所有的标准深度学习神经网络结构如全连接多层感知机都很容易过拟合：当网络在训练集上表现越来越好，错误率越来越低的时候，实际上在某一刻，它在测试集的表现已经开始变差。
Tina Tang·2023-12-06 00:44

损失函数&代价函数

代价函数（CostFunction）：代价函数是整个训练集上所有样本的性能度量，它衡量了模型在整个训练数据上的表现。代价函数通常被定义为训练集上预测值与实际标签之间的差异，其目标是尽量最小化
星宇星静·2023-12-05 16:42

决策树 算法原理

决策树算法是一种归纳分类算法它通过对训练集的学习，挖掘出有用的规则，用于对
小小程序○·2023-12-05 10:59

深度学习设计基于Tensorflow卷积神经网络猫的品种识别系统

将图片数据集按照训练集、验证集和测试集的比例划分。可以使用脚本自动实现，或者手动划分。
雅致教育·2023-12-04 17:58

一文讲透Python机器学习中的K折交叉验证法

然后，每次都把K-1个子集的并集，也就是约（K-1）/K的样本作为训练集，把1/K的样本作为测试集，基于训练集训练获得模型，基于测试集进行评价，计算测
数据科学作家·2023-12-04 15:56

从零构建属于自己的GPT系列3：模型训练2（训练函数解读、模型训练函数解读、代码逐行解读）

中进行本篇文章配套的代码资源已经上传从零构建属于自己的GPT系列1：文本数据预处理从零构建属于自己的GPT系列2：语言模型训练3数据加载函数defload_dataset(logger,args):"""加载训练集
机器学习杨卓越·2023-12-04 13:35

【深度学习实验】图像处理（四）：PIL——自定义图像数据增强操作（图像合成；图像融合（高斯掩码））

通过对训练集进行变换和扩充，可以有效地增加数据量，引入样本之间的差异，使模型更好地适应不
QomolangmaH·2023-12-04 12:59
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他