Loss回归

YOLOv10 全面升级解析：关键改进点一文掌握

它的核心改进包括：改进方向内容✅非解耦头轻量化设计消除非必要分支，减少冗余计算✅Anchor-Free模式默认启用，无需手动设置anchor✅TAL+DFLLoss提升边界框回归质量✅多任务统一接口detect
要努力啊啊啊·2025-07-01 20:10

国米夏窗豪赌：奥纳纳回归+锋线强援剑指双线复兴

国际米兰在刚刚结束的世俱杯1/8决赛中0-2完败于弗鲁米嫩塞，冲击冠军梦想戛然而止。这场失利不仅暴露了球队的临场状态问题，更揭示了阵容的关键短板。门将位置成为焦点，高龄的索默本场表现挣扎，赛后评分仅5.9分。球迷虽认为失利非他一人之责，但其状态下滑已是不争事实。夏窗换血势在必行。一个令人瞩目的潜在选项浮出水面——回购旧将奥纳纳。媒体消息显示，曼联正积极追求维拉门神大马丁，有意出售奥纳纳腾出薪资空间
花开半谢·2025-07-01 16:07

噪声预测 vs. 数据预测：扩散模型中的目标函数选择与生成表现对比

噪声预测vs.数据预测：扩散模型中的目标函数选择与生成表现对比关键词：噪声预测、数据重建、MSELoss、ELBO、score-basedmodeling、DDPM、EDM、训练目标、采样策略摘要：扩散模型的训练目标设计直接影响模型收敛速度
观熵·2025-07-01 13:54

YOLOv12_ultralytics-8.3.145_2025_5_27部分代码阅读笔记-loss.py

loss.pyultralytics\utils\loss.py目录loss.py1.所需的库和模块2.classVarifocalLoss(nn.Module):3.classFocalLoss(nn.Module
红色的山茶花·2025-07-01 12:43

【机器学习第四期（Python）】LightGBM 方法原理详解

LightGBM概述一、LightGBM简介二、LightGBM原理详解⚙️核心原理LightGBM的主要特点三、LightGBM实现步骤（Python）可调参数推荐完整案例代码（回归任务+可视化）参考
WW、forever·2025-07-01 07:19

【机器学习】机器学习的基本分类-监督学习-线性回归（Linear Regression）

线性回归是监督学习中的一种基础算法，用于解决回归问题。它通过拟合一条直线（或平面、高维超平面），来预测输出与输入变量之间的关系。
IT古董·2025-07-01 07:18

D-FINE模型详解及代码复现

它超越了现有模型如YOLOv10、YOLO11及RT-DETRv1/v2/v3，重新定义了边界框回归任务，显著提升了实时目标检测的性能上限。
清风AI·2025-07-01 03:23

深度解析基于贝叶斯的垃圾邮件分类

本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的
大千AI助手·2025-06-30 23:26

【零基础学AI】 第10讲：线性回归

本节课你将学到理解线性回归的原理和应用场景掌握最小二乘法的基本思想使用Python构建房价预测模型学会评估回归模型的性能指标开始之前环境要求Python3.8+JupyterNotebook或任何PythonIDE
1989·2025-06-30 14:20

r语言 回归分析 分类变量_R语言下的PSM分析分类变量处理与分析步骤

最近学习了PSM，我选择了用R去跑PSM，在这过程中遇到了许多问题，最后也都一一解决了，写下这个也是希望大家在遇到相同问题的时候能够得到帮助和启发，别的应该不会遇到太难的问题了哈哈。最近我也没做什么，录数据，或者说还在调整心态，最近遇到的事情也比较多，又或者说最近的心态比较乱，晚上也睡不好导致白天也比较烦躁，所以可能还是需要一段时间去好好调整，因此最近更新的也比较慢。不过还是会坚持的。问题阐述：1
weixin_39715834·2025-06-30 12:09

微调大语言模型后，如何评估效果？一文讲清

无论是在研究、项目落地，还是面试中，评估方法都不能停留在“训练loss降了”这么简单。本文从评估目标、技术指标、业务适配、实战建议四个维度，讲清楚微调后的模型评估怎么做，为什么这么做。
茫茫人海一粒沙·2025-06-30 11:28

人脸识别常用数据集和Loss

人脸识别数据集数据集的noise对训练效果的影响很大！很长一段时间MegaFace的效果都上不去，就是因为数据集噪声的原因。而且自己在训练人脸的时候，如果不对数据集的噪声和属性有一点了解，对训练结果可能会有误判，甚至越训练越差…在选择数据集的时候不要一味求大，有的时候选择一个noise比例极高的大数据集，效果还不如选择一个clean的小数据集呢，可以参见这篇论文TheDevilofFaceReco
JL_Jessie·2025-06-30 07:36

CNN-LSTM神经网络多输入单输出回归预测【MATLAB】

1CNN（卷积神经网络）部分作用：特征提取：CNN主要用于从输入数据中提取空间特征。它能够处理图像、视频帧或其他形式的空间数据。组成部分：卷积层：使用卷积核对输入数据进行卷积操作，生成特征图。激活函数：通常使用ReLU（线性整流单元）激活函数，增加非线性。池化层：通过最大池化（MaxPooling）或平均池化（AveragePooling），减少特征图的尺寸，保留最重要的特征，减少计算复杂度。流程
沅_Yuan·2025-06-30 04:19

深度学习使用Pytorch训练模型步骤

3.选择损失函数：根据任务类型（如分类、回归）选择合适的损失函数。4.选择优化
vvvdg·2025-06-30 01:29

5分钟了解回归测试

点击文末小卡片，免费获取软件测试全套资料，资料在手，涨薪更快1.什么是回归测试（RegressionTesting）回归测试是一个系统的质量控制过程，用于验证最近对软件的更改或更新是否无意中引入了新错误或对以前的功能方面产生了负面影响
程序员小远·2025-06-29 20:53

人工智能大模型原理与应用实战：大模型在金融风控中的应用

核心概念与联系2.1大模型在金融风控中的应用场景2.2大模型与传统风控技术的结合3.核心算法原理具体操作步骤3.1基于大模型的欺诈检测3.2基于大模型的信用评估4.数学模型和公式详细讲解举例说明4.1逻辑回归模型
AI天才研究院·2025-06-29 16:54

大数据智能风控核心：模型

IRB综合考虑客户评级和债项评级，通过违约概率(ProbabilityofDefault,PD)、违约损失率(LossGivenDefault,LGD)、违约风险暴露(Exposure
johnny233·2025-06-29 16:23

随机森林详解：原理、优势与应用实践

本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！
大千AI助手·2025-06-29 16:52

集成学习基础：Bagging 原理与应用

本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！
大千AI助手·2025-06-29 16:52

经济学神图：洛伦兹曲线

本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！往期文
大千AI助手·2025-06-29 16:22

【第二章:机器学习与神经网络概述】03.类算法理论与实践-(3)决策树分类器

决策树是一种常用于分类和回归的树状结构模型，它通过一系列特征判断进行决策，有良好的可解释性。
IT古董·2025-06-29 16:51

第 3 章：神经网络如何学习

损失函数(LossFunction
鱼摆摆拜拜·2025-06-29 15:19

对照原则在临床试验中的应用与挑战

一、对照原则的科学逻辑1.1核心目的1.1.1区分混杂效应通过对照组设置，区分疾病自然进程、安慰剂效应、回归均值现象及非特异性效应等混杂因素，凸显干预措施的真实疗效。
·2025-06-29 15:17

微调大语言模型(生成任务)，怎么评估它到底“变好”了？

一、微调时的评估：关注训练过程中的模型表现1.验证集Loss（ValidationLoss）微调训练时，我们会准备一部分数据作为验
茫茫人海一粒沙·2025-06-29 09:38

Python编程：使用 YOLO 目标检测

与传统的两阶段目标检测方法（如R-CNN系列）不同，YOLO将目标检测任务视为一个单一的回归问题，直接在图像上进行一次推理即可预测边界框和类别概率。
倔强老吕·2025-06-29 09:37

MATLAB算法实战应用案例精讲-【数模应用】主效应&交互效应&单独效应

回归分析中是必须加入控制变量的吗？如果假如控制变量之后，显著性不高了该怎么办？控制变量说明控制变量选择控制变量处理主效应和交互效应的联系与区别如何依据主效应和交互效应描述结果？
林聪木·2025-06-29 08:33

【机器学习&深度学习】前馈神经网络（单隐藏层）

四、NumPy实现前馈神经网络代码示例五、运行结果六、代码解析6.1初始化部分6.2前向传播6.3计算损失（Loss）6.4反向传播（手动）6.5更新参数（梯度下降）6.6循环训练七、训练过程可视化（思维图
一叶千舟·2025-06-29 08:59

用Tensorflow进行线性回归和逻辑回归（十）

用TensorBoard可视化线性回归模型TensorBoard是一种可视化工具，用于了解、调试和优化模型训练过程。它使用在执行程序时编写的摘要事件。
lishaoan77·2025-06-28 19:19

【k近邻】 K-Nearest Neighbors算法原理及流程

K-NearestNeighbors算法k值的选择【k近邻】Kd树的构造与最近邻搜索算法【k近邻】Kd树构造与最近邻搜索示例k近邻算法（K-NearestNeighbors，简称KNN）是一种常用的监督学习算法，可以用于分类和回归问题
F_D_Z·2025-06-28 18:10

深入详解：决策树算法的概念、原理、实现与应用场景

深入详解：决策树算法的概念、原理、实现与应用场景决策树（DecisionTree）是机器学习中一种直观且广泛应用的监督学习算法，适用于分类和回归任务。其树形结构易于理解，特别适合初学者。
猿享天开·2025-06-28 16:26

阅读笔记(2) 单层网络:回归

阅读笔记(2)单层网络:回归该笔记是DataWhale组队学习计划（共度AI新圣经：深度学习基础与概念）的Task02以下内容为个人理解，可能存在不准确或疏漏之处，请以教材为主。
a2507283885·2025-06-28 09:41

MATLAB实现WOA-BP鲸鱼优化算法优化BP神经网络多输入单输出回归预测（含模型描述及示例代码）

目录MATLAB实现WOA-BP鲸鱼优化算法优化BP神经网络多输入单输出回归预测（多指标，多图）1项目背景介绍...1项目目标与意义...2项目挑战...3项目特点与创新...5<
nantangyuxi·2025-06-28 02:00

深度学习详解：通过案例了解机器学习基础

1.1机器学习案例学习1.1.1回归问题与分类问题在机器学习中，根据所要解决的问题类型，任务
beist·2025-06-28 00:46

【机器学习算法】XGBoost原理

一、基本内容基本内容：GBDT的基础上，在损失函数上加入树模型复杂度的正则项与GBDT一样，也是使用新的弱学习器拟合残差（当前模型负梯度，残差方向）GBDT损失函数Loss=∑i=1NL(yi,yit)
·2025-06-27 23:42

前端替换打包后文件中的内容方案（可用于渗透测试后将问题版本号清空临时解决方案）

然而，直接升级依赖库可能导致以下问题：升级成本高，需要全面回归测试可能引入新的兼容性问题项目稳定性风险增加开发周期延长本文介绍一种在构建过程中优化版本信息的技术方案，适用于紧急情况下的临时处理方案。
Anarkh_Lee·2025-06-27 13:32

（线性代数最小二乘问题）Normal Equation（正规方程）

它通过直接求解一个线性方程组，找到线性回归模型的最优参数（如权重或系数）。
音程·2025-06-27 12:27

【机器学习第二期（Python）】优化梯度提升决策树 XGBoost

优化梯度提升决策树XGBoost一、XGBoost简介二、原理详解2.1基础思想：改进版GBDT2.2目标函数2.3二阶泰勒展开优化2.4树结构优化三、XGBoost实现步骤（Python）可调参数推荐完整案例代码（回归任务
WW、forever·2025-06-27 10:10

AI人工智能领域回归：实现技术与服务的深度融合

AI人工智能领域回归：实现技术与服务的深度融合关键词：AI人工智能、技术与服务融合、回归、实现路径、应用场景摘要：本文聚焦于AI人工智能领域中技术与服务深度融合的回归趋势。
AI学长带你学AI·2025-06-27 06:41

Boosting：从理论到实践——集成学习中的偏差征服者

本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！
大千AI助手·2025-06-26 20:29

C4.5算法深度解析：决策树进化的里程碑

本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！往期文章推荐:20.用Mermaid代码画E
大千AI助手·2025-06-26 20:27

GBDT：梯度提升决策树——集成学习中的预测利器

本文由「大千AI助手」原创发布，专注用真话讲AI，回归技术本质。拒绝神话或妖魔化。搜索「大千AI助手」关注我，一起撕掉过度包装，学习真实的AI技术！一、GBDT是什么？
大千AI助手·2025-06-25 23:42

Python 逻辑回归：开启分类问题的智慧之门

一、逻辑回归的魅力之源在机器学习的璀璨星空中，逻辑回归宛如一颗耀眼的明星，照亮了分类问题的求解之路。它之所以备受青睐，是因为其独特的理论架构和广泛的适用性。
海燕李·2025-06-25 21:53

机器学习算法-逻辑回归模型在交通领域的应用

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档逻辑回归模型在交通领域的应用：车流数量和平均速度之间的关系前言结果分析代码分析逻辑回归可视化：交通拥堵预测的动态建模过程一、交通数据生成与预处理二
是一个Bug·2025-06-25 21:52

机器学习之常用的回归预测模型

本文全面整理了各种回归预测模型，旨在帮助读者更好地学习回归预测模型。
曼城周杰伦·2025-06-25 19:40

GRU门控循环单元回归+SHAP分析，Matlab代码实现，通过SHAP方法量化特征贡献，构建可解释的回归模型，引入SHAP方法打破黑箱限制，提供全局及局部双重解释视角，作者：机器学习之心！

GRU门控循环单元回归+SHAP分析，Matlab代码实现，通过SHAP方法量化特征贡献，构建可解释的回归模型，引入SHAP方法打破黑箱限制，提供全局及局部双重解释视角，作者：机器学习之心！
机器学习之心·2025-06-25 19:38

什么是回归模型，什么是自回归模型？

在统计学和机器学习中，回归模型和自回归模型都是用来预测或建模变量之间关系的工具，但它们在数据类型和变量依赖关系上有着关键的区别。
杰瑞学AI·2025-06-25 18:34

[KO机器学习] Day2 特征工程：数据预处理：序号编码、独热编码、二进制编码

类别型特征原始输入通常是字符串形式，除了决策树等少数模型能直接处理字符串形式的输入，对于逻辑回归、支持向量机等模型来说，类别型特征必须经过处理转换成数值型特征才能正确工作。
码农男孩·2025-06-25 11:40

深度学习——第2章习题2-1分析为什么平方损失函数不适用于分类问题

平方损失函数（QuadraticLossFunction）经常用在预测标签y为实数值的任务中，定义为L(y,f(x;θ))=12(y−f(x;θ))2\mathcal{L}\left(y,f(x;\theta
笨小古·2025-06-24 18:39

/aten/src/ATen/native/cuda/Loss.cu:115: operator(): block: [192,0,0], thread: [95,0,0] Assertion

/aten/src/ATen/native/cuda/Loss.cu:115:operator():block:[192,0,0],thread:[95,0,0]Assertion`input_val>
weixin_42319617·2025-06-24 17:58

（二十一）YOLO 全解析：从实时目标检测到多任务视觉智能

1YOLO的发展脉络与技术定位1.1发展脉络YOLOv1（2015年）：将目标检测重新定义为单一回归问题，把输入图像划分为S×S网格，每个网格单元负责预测固定数量的边界框及对应的类别概率，直接从像素回归预测物体的边界框坐标和类别概率
只有左边一个小酒窝·2025-06-24 17:25
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他