Criterion

每日学30个单词第十天1.0

1、slipper拖鞋2、detourv.绕道，绕行3、denounce谴责4、interfere干涉5、pickupn.收集，整理；小卡车；拾起；搭车者；偶然结识者6、criterion标准、准则7、
水晶草720·2019-12-03 18:28

GBDT--回归篇

sklearn.ensemble.GradientBoostingRegressorsklearn.ensemble.GradientBoostingRegressor(loss=’ls’,learning_rate=0.1,n_estimators=100,subsample=1.0,criterion
_ReLU_·2019-10-22 11:12

R Akaike information criterion，AIC，一个越小越好的指标

Akaikeinformationcriterion，AIC是什么？一个用来筛选模型的指标。AIC越小模型越好，通常选择AIC最小的模型。第一句话好记，第二句话就呵呵了，小编有时候就会迷惑AIC越大越好还是越小越好。所以，还是要知其所以然的。在AIC之前，我们需要知道Kullback–Leiblerinformation或Kullback–Leiblerdistance。对于一批数据，假设存在一个
jiaxinwei·2019-10-22 10:00

机器学习之随机森林实践：手写字识别、天气最高温度预测

RandomForestClassifier(n_estimators=10,criterion=’gini’,max_depth=None,bootstrap=True,random_state=
zhw864680355·2019-10-15 08:23

格拉布斯准则（Grubbs Criterion）处理数据异常

格拉布斯准则：https://baike.baidu.com/item/%E6%A0%BC%E6%8B%89%E5%B8%83%E6%96%AF%E5%87%86%E5%88%99/3909586Grubbs格拉布斯检验临界值表：https://wenku.baidu.com/view/0f3c083a172ded630a1cb6c8.html原文链接：https://blog.csdn.net/
feiquan·2019-10-12 11:00

RuntimeError: multi-target not supported at /opt/conda/conda-bld/pytorch_1549635019666/work/aten/src

multi-targetnotsupportedat/opt/conda/conda-bld/pytorch_1549635019666/work/aten/src/THNN/generic/ClassNLLCriterion.c:21loss=criterion
轮子去哪儿了·2019-09-18 16:56

sklearn 中的 GBDT 回归

GradientBoostingRegressor类构造方法def__init__(self,loss='ls',learning_rate=0.1,n_estimators=100,subsample=1.0,criterion
张筱竼·2019-09-04 16:46

tree.DecisionTreeRegressor

tree.DecisionTreeRegressor(max_depth=2)dtr.fit(housing.data[:,[6,7]],housing.target)Out[19]:DecisionTreeRegressor(criterion
SilenceHell·2019-09-03 23:28

sklearn.tree.DecisionTreeClassifier()函数解析（最清晰的解释）

classsklearn.tree.DecisionTreeClassifier(criterion='gini',splitter='best',max_depth=None,min_samples_split
我是管小亮 :)·2019-08-15 00:00

pytorch中交叉熵函数torch.nn.CrossEntropyLoss（）怎么加入权重

用法为：###我的类别数为12criterion=nn.C
to do 1+1·2019-07-30 15:54

Hibernate 通用的Dao及其实现类

BaseDao.java接口：packagecom.crm.dao;importjava.io.Serializable;importjava.util.List;importorg.hibernate.criterion.DetachedCriteria
夏沐_lk·2019-07-19 22:38

基于pytorch岭回归

1.],[4.,2.,1.],[5.,4.,1.]])y=torch.tensor([-10.,12.,14.,16.,18.])w=torch.zeros(3,requires_grad=True)criterion
小然_ran·2019-06-26 09:45

决策树③——决策树参数介绍（分类和回归）

以及决策树三大算法的原理及迭代过程，今天介绍下Python中机器学习Sklearn库中决策树的使用参数决策树既可以做分类，也可以做回归，两者参数大体相近，下面会先介绍分类，再对回归不一样的参数做单独说明一、分类参数1、criterion
数据小斑马·2019-06-22 09:02

通用Mapper Example类使用以及源码分析

目录一、通用MapperExample类使用1.常用使用方式举例2.使用方式：条件嵌套组合二、通用MapperExample类源码分析1.代码细节理解1.1Criteria类1.2Criterion类1.3Example
西京刀客·2019-06-11 17:17

五、SSH整合之HibernateTemplate的增删改查

packageblog.csdn.net.mchenys.dao.impl;importjava.util.List;importorg.hibernate.criterion.DetachedCriteria
mChenys·2019-05-23 17:21

决策树、随机森林、逻辑回归、SVM、XGBoost重要参数

决策树、随机森林、逻辑回归、SVM、XGBoost重要参数一、决策树二、随机森林三、逻辑回归四、SVM五、XGBoost一、决策树分类树的8个重要参数：criterion、2个随机性相关的参数（random_state
Guiabbey·2019-05-20 12:13

[机器学习实战] 阅读第六章

blog.csdn.net/az9996/article/details/86555029CRAT训练算法公式6-2：CART分类成本函数基尼不纯度、信息熵默认使用的是基尼不纯度来进行测量，但是，你可以将超参数criterion
枪枪枪·2019-05-12 11:19

torch代码解析 为什么要使用optimizer.zero_grad()

大都执行了这样的操作：#zerotheparametergradientsoptimizer.zero_grad()#forward+backward+optimizeoutputs=net(inputs)loss=criterion
江清月明·2019-04-08 23:39

torch代码解析--optimizer.zero_grad

torch代码解析--optimizer.zero_grad#将梯度初始化为零optimizer.zero_grad()#前向传播求出预测的值outputs=net(inputs)#求出lossloss=criterion
野心家·2019-04-07 19:57

机器学习——随机森林，RandomForestClassifier参数含义详解

1.随机森林模型1clf=RandomForestClassifier(n_estimators=200,criterion='entropy',max_depth=4)2rf_clf=clf.fit(
Baby-Lily·2019-04-04 21:00

DecisionTreeClassifier(一):参数说明

又称决策树，在sklearn库中该分类器有如下参数：fromsklearn.treeimportDecisionTreeClassifier;model=DecisionTreeClassifier(criterion
JohnsonSmile·2019-03-25 18:29

sklearn 决策树DecisionTreeClassifier()参数详解

article/details/51172744使用sklearn中自带的决策树方法简单代码如下：fromsklearnimporttreemode=tree.DecisionTreeClassifier(criterion
JohnsonSmile·2019-03-25 17:34

torch.nn.MSELoss()及torch.optim.SGD的理解

10,3)y=torch.randn(10,2)#Buildafullyconnectedlayer.linear=nn.Linear(3,2)#Buildlossfunctionandoptimizer.criterion
huxuedan01·2019-03-09 20:14

SKlearn中分类决策树的重要参数详解

classsklearn.tree.DecisionTreeClassifier(criterion=’gini’,splitter=’best’,max_depth=None,min_samples_split
CDA·数据分析师·2019-03-08 15:51

【机器学习-参数篇】随机森林RandomForest参数调节

RF框架参数名称解释默认值经验值n_estimators森林中决策树的个数100criterion度量分裂标准(可选值)mse，maeoobscore采用袋外样本来评估模型的好坏False推荐True反应模型拟合后的泛化能力
qAOOAp·2019-03-01 13:07

决策树模型参数释义

fromsklearn.treeimportDecisionTreeRegressor'''回归决策树'''DecisionTreeRegressor(criterion="mse",spli
Douhh_sisy·2019-01-18 17:07

决策树模型参数释义

fromsklearn.treeimportDecisionTreeRegressor'''回归决策树'''DecisionTreeRegressor(criterion="mse",spli
Douhh_sisy·2019-01-18 17:07

DataLoader RuntimeError Ran out of memory

错误Traceback(mostrecentcalllast):File"train.py",line137,intrain(model,device,criterion,trainLoader,optimizer
WJ_MeiMei·2019-01-11 13:52

Pytorch Loss funtion介绍

Lossfunctions基本用法：criterion=LossCriterion()#构造函数有自己的参数loss=criterion(x,y)#调用标准时也有参数计算出来的结果已经对mini-batch
极客Array·2018-11-22 14:53

PyTorch基础系列（二）——cnn简单训练6个流程

补充：Sample二、导入你的模型三、定义损失函数criterion
Snoopy_Dream·2018-11-09 12:41

SSE图像算法优化系列二十三: 基于value-and-criterion structure 系列滤波器（如Kuwahara，MLV，MCV滤波器）的优化。

基于value-and-criterionstructure方式的实现的滤波器在原理上其实比较简单，感觉下面论文中得一段话已经描述的比较清晰了，直接贴英文吧，感觉翻译过来反而失去了原始的韵味了。Thevalue-and-criterionfilterstructureisbasedonthegeometricalstructureofmathematicalmorphology,butallows
Imageshop·2018-10-15 12:00

【数据异常校验】皮尔士准则（Peirce Criterion）处理异常数据

在稳健的统计数据中，Peirce准则是消除数据集异常值的规则，这是由BenjaminPeirce设计的。简介稳健统计数据对从各种概率分布中提取的数据具有良好性能的统计数据，尤其是对于不正常的分布。已经针对许多常见问题开发了稳健的统计方法，例如估计位置，比例和回归参数。一个动机是产生不受异常值过度影响的统计方法。另一个动机是当参数分布偏离很小时，提供具有良好性能的方法。例如，鲁棒方法适用于具有不同标
ChenVast·2018-09-21 10:34

【数据异常校验】皮尔士准则（Peirce Criterion）处理异常数据

在稳健的统计数据中，Peirce准则是消除数据集异常值的规则，这是由BenjaminPeirce设计的。简介稳健统计数据对从各种概率分布中提取的数据具有良好性能的统计数据，尤其是对于不正常的分布。已经针对许多常见问题开发了稳健的统计方法，例如估计位置，比例和回归参数。一个动机是产生不受异常值过度影响的统计方法。另一个动机是当参数分布偏离很小时，提供具有良好性能的方法。例如，鲁棒方法适用于具有不同标
ChenVast·2018-09-21 10:34

【数据异常校验】格拉布斯准则（Grubbs Criterion）处理数据异常

简介Grubbs测试（以1950年发表测试的FrankE.Grubbs命名），也称为最大归一化残差测试或极端学生化偏差测试，是一种统计测试，用于检测假设的单变量数据集中的异常值来自正常分布的人口。定义格拉布斯的测试基于正态假设。也就是说，在应用Grubbs测试之前，应首先验证数据是否可以通过正态分布合理地近似。格拉布斯的测试一次检测到一个异常值。从数据集中删除该异常值，并且迭代测试直到没有检测到异
ChenVast·2018-09-21 09:26

【数据异常校验】格拉布斯准则（Grubbs Criterion）处理数据异常

简介Grubbs测试（以1950年发表测试的FrankE.Grubbs命名），也称为最大归一化残差测试或极端学生化偏差测试，是一种统计测试，用于检测假设的单变量数据集中的异常值来自正常分布的人口。定义格拉布斯的测试基于正态假设。也就是说，在应用Grubbs测试之前，应首先验证数据是否可以通过正态分布合理地近似。格拉布斯的测试一次检测到一个异常值。从数据集中删除该异常值，并且迭代测试直到没有检测到异
ChenVast·2018-09-21 09:26

【数据异常校验】狄克逊准则（Dixon Criterion）处理异常数据

在统计学中，Dixon的Q检验或简单的Q检验用于识别和拒绝异常值。假设正态分布，根据RobertDean和WilfridDixon以及其他人的说法，这个测试应该在数据集中谨慎使用，并且不要超过一次。要对错误数据应用Q测试，请按增加值的顺序排列数据并按定义计算Q：其中的差距是绝对差问题的异常和最近的数它之间。如果Q>Q表，其中Q表是对应于样本大小和置信水平的参考值，则拒绝可疑点。请注意，使用Q测试只
ChenVast·2018-09-20 18:44

【数据异常校验】狄克逊准则（Dixon Criterion）处理异常数据

在统计学中，Dixon的Q检验或简单的Q检验用于识别和拒绝异常值。假设正态分布，根据RobertDean和WilfridDixon以及其他人的说法，这个测试应该在数据集中谨慎使用，并且不要超过一次。要对错误数据应用Q测试，请按增加值的顺序排列数据并按定义计算Q：其中的差距是绝对差问题的异常和最近的数它之间。如果Q>Q表，其中Q表是对应于样本大小和置信水平的参考值，则拒绝可疑点。请注意，使用Q测试只
ChenVast·2018-09-20 18:44

【数据异常校验】肖维勒准则（Chauvenet Criterion）处理异常数据

介绍：在统计理论中，肖维勒准则（以WilliamChauvenet命名）是评估一组实验数据（一组异常值）是否可能是虚假的一种手段。肖维勒准则背后的想法是找到一个以正态分布的均值为中心的概率带，它应该合理地包含数据集的所有n个样本。通过这样做，来自位于该概率带之外的n个样本的任何数据点可以被认为是异常值，从数据集中移除，并且可以计算基于剩余值和新样本大小的新的均值和标准偏差。这种异常值的识别将通过找
ChenVast·2018-09-20 17:30

【数据异常校验】肖维勒准则（Chauvenet Criterion）处理异常数据

介绍：在统计理论中，肖维勒准则（以WilliamChauvenet命名）是评估一组实验数据（一组异常值）是否可能是虚假的一种手段。肖维勒准则背后的想法是找到一个以正态分布的均值为中心的概率带，它应该合理地包含数据集的所有n个样本。通过这样做，来自位于该概率带之外的n个样本的任何数据点可以被认为是异常值，从数据集中移除，并且可以计算基于剩余值和新样本大小的新的均值和标准偏差。这种异常值的识别将通过找
ChenVast·2018-09-20 17:30

【数据异常校验】拉依达准则( PauTa Criterion 或 3σ准则) 处理异常数据

拉依达准则是指先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除。这种判别处理原理及方法仅局限于对正态或近似正态分布的样本数据处理，它是以测量次数充分大为前提（样本>10），当测量次数少的情形用准则剔除粗大误差是不够可靠的。3σ法则为：数值分布在（μ-σ,μ+σ)中的概率为0.6
ChenVast·2018-09-20 17:19

【数据异常校验】拉依达准则( PauTa Criterion 或 3σ准则) 处理异常数据

拉依达准则是指先假设一组检测数据只含有随机误差，对其进行计算处理得到标准偏差，按一定概率确定一个区间，认为凡超过这个区间的误差，就不属于随机误差而是粗大误差，含有该误差的数据应予以剔除。这种判别处理原理及方法仅局限于对正态或近似正态分布的样本数据处理，它是以测量次数充分大为前提（样本>10），当测量次数少的情形用准则剔除粗大误差是不够可靠的。3σ法则为：数值分布在（μ-σ,μ+σ)中的概率为0.6
ChenVast·2018-09-20 17:19

python机器学习应用mooc_(3)决策树

sklearn参数设置sklearn中使用sklearn.tree.DecisionTreeClassifier创建决策树主要参数有：criterion：用于选择属性的准则，’gini’代表基尼
Candlelight_yujia·2018-09-13 17:42

mybatis中关于example类详解

一、什么是example类mybatis-generator会为每个字段产生如上的Criterion，如果表的字段比较多,产生的Example类会十分庞大。
不安于现状·2018-09-06 00:58

Hibernate通用工具类

packagecom.gzjh.basic.common.dao;importjava.io.Serializable;importjava.util.Collection;importjava.util.List;importorg.hibernate.criterion.DetachedCriteria
Lionel_2015·2018-08-23 14:27

随机森林回归 sklearn.ensemble.RandomForestRegressor

classsklearn.ensemble.RandomForestRegressor(n_estimators=10,criterion=’mse’,max_depth=None,min_samples_split
GitzLiu·2018-08-22 23:17

org/hibernate/criterion/Projection : Unsupported major.minor version 52.0

Java.lang.UnsupportedClassVersionError:org/hibernate/criterion/Projection:Unsupportedmajor.minor最近使用Hibernate
导哥·2018-08-17 16:33

mybatis中关于example类详解

一、什么是example类   mybatis-generator会为每个字段产生如上的Criterion，如果表的字段比较多,产生的Example类会十分庞大。
luluyo·2018-08-15 00:00

pytorch0.3和0.4对比总结

前言：我们用pytorch官方的tutorial来对比1.transferlearning例子的对比代码0.3：deftrain_model(model,criterion,optimizer,scheduler
cncxz5801·2018-08-06 13:09

机器学习sklearn中决策树模型参数释义

fromsklearn.treeimportDecisionTreeRegressor'''回归决策树'''DecisionTreeRegressor(criterion="mse",splitter=
随遇而安_小强·2018-07-07 19:56

Hibernate之criteria查询方式

Criteria可使用Criterion和Projection设置查询条件。
我爱喝冰阔落·2018-06-01 17:22
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他