Mahout机器学习笔记

机器学习笔记

1.什么是机器学习从数据中自动分析获得模型，并利用模型对位置数据进行预测。关键词：数据模型预测2.机器学习算法分类2.1监督学习数据集有标签监督学习三要素：模型算法策略2.1.1分类classification离散型数据常用算法：Knn，朴素贝叶斯，svm，决策树与随机森林，逻辑回归2.1.2回归regression连续型数据常用算法：线性回归，岭回归2.2非监督学习数据集无标签常用算法：聚类，K
偏偏偏执先生·2023-12-17 17:40

机器学习笔记 - 了解学习率对神经网络性能的影响

一、简述深度学习神经网络使用随机梯度下降优化算法进行训练。学习率是一个超参数，它控制每次更新模型权重时响应估计误差而改变模型的程度。学习率值太小可能会导致训练过程过长并可能陷入困境，而值太大可能会导致过快地学习次优权重或训练过程不稳定。配置神经网络时，学习率是重要的超参数。因此，了解学习率对模型性能的影响很有价值。训练期间权重更新的量称为步长或“学习率”。二、不同学习率的评估在此示例中，我们从1E
坐望云起·2023-12-16 14:33

springboot集成mahout实现简单基于协同过滤算法的文章推荐算法

文章目录参考文章前言1.建表并且生成一些数据首先，建立一个用户文章操作表（user_article_operation）使用casewhen语句简单统计数据2.代码与测试只需要根据表生成相应实体类（注意要加一个value属性来存储分数）主要代码如下，其实就两个方法userArticleOperationMapper.getAllUserPreference()方法收集数据mapper文件如下测试算
程序个人练习生·2023-12-15 13:23

机器学习笔记：linear scaling learning rate （学习率 和batch size的关系）

在训练神经网络的过程中，随着batchsize的增大，处理相同数据量的速度会越来越快，但是达到相同精度所需要的epoch数量越来越多换句话说，使用相同的epoch数量时，大batchsize训练的模型与小batchsize训练的模型相比，验证准确率会减小——>提出了linearscalinglearningrate在mini-batchSGD训练时，增大batchsize不会改变梯度的期望，但是会
UQI-LIUWJ·2023-12-15 12:59

【23-24 秋学期】NNDL 作业11 LSTM

习题6-4推导LSTM网络中参数的梯度，并分析其避免梯度消失的效果习题6-3P编程实现下图LSTM运行过程李宏毅机器学习笔记：RNN循环神经网络_李宏毅rnn笔记_ZEERO~的博客-CSDN博客https
HBU_David·2023-12-04 15:03

机器学习笔记 - 什么是3D语义场景完成/补全？

一、什么是3D语义场景补全？3D语义场景完成（SemanticSceneCompletion）是一种机器学习任务，涉及以体素化形式预测给定环境的完整3D场景(完成3D形状的同时推断场景的3D语义分割的任务)。这是通过使用深度图和为场景提供上下文的可选RGB图像来完成的。目标是以一种可轻松用于各种应用的方式提供环境的准确表示。这项任务的关键是场景的语义方面。输出中的每个体素代表环境中的某个物体或障碍
坐望云起·2023-12-04 06:29

机器学习笔记-支持向量机

文章目录前言一、支持向量机介绍二、线性可分SVM2.1.SVM数学模型的推导2.2.拉格朗日数乘法与对偶问题转换2.3.线性可分SVM学习算法三、线性不可分SVM3.1.线性不可分与软间隔3.2.线性不可分SVM学习算法四、非线性SVM4.1.非线性分类问题4.2.核函数4.3.非线性SVM学习算法总结前言  终于到支持向量机这一分类算法了，支持向量机是所有入门机器学习小伙伴必须掌握的算法之一，我
复杂混沌·2023-12-03 19:50

机器学习笔记(九)——手撕支持向量机SVM之间隔、对偶、KKT条件详细推导

SVM概述支持向量机(SVM)是一种有监督的分类算法，并且它绝大部分处理的也是二分类问题，先通过一系列图片了解几个关于SVM的概念。上图中有橙色点和蓝色点分别代表两类标签，如果想要将其分类，需要怎么做呢？可能有的伙伴会想到上一篇文章讲到的逻辑回归拟合决策边界，这肯定是一种不错的方法，本文所讲的SVM也是可以解决这种分类问题的；既然都是分类算法，所以通过一个例子可以比对出二者的相同点和不同点。超平面
奶糖猫Esong·2023-12-03 19:49

机器学习笔记 - 基于百度飞桨PaddleSeg的人体分割模型以及TensorRT部署说明

一、简述虽然SegmentAnything用于图像分割的通用大模型看起来很酷（飞桨也提供分割一切的模型），但是个人感觉落地应用的时候心里还是更倾向于飞桨这种场景式的，因为需要用到一些人体分割的需求，所以这里主要是对飞桨高性能图像分割开发套件进行了解和使用，但是暂时不训练，因为搞数据集挺费劲。PaddleSeg内置45+模型算法及140+预训练模型。最新发布HumanSeglite模型超轻量级人像分
坐望云起·2023-12-02 18:34

李宏毅老师机器学习课程笔记_ML Lecture 1: ML Lecture 1: Regression - Demo

视频链接（bilibili）：李宏毅机器学习(2017)另外已经有有心的同学做了速记并更新在github上：李宏毅机器学习笔记(LeeML-Notes)所以，接下来我的笔记只记录一些我自己的总结和听课当时的
leogoforit·2023-12-02 17:21

机器学习笔记 - week6 -（十、应用机器学习的建议）

10.1决定下一步做什么假设我们需要用一个线性回归模型来预测房价，当我们运用训练好了的模型来预测未知数据的时候发现有较大的误差，我们下一步可以做什么？获得更多的训练样本——通常是有效的，但代价较大，下面的方法也可能有效，可考虑先采用下面的几种方法。尝试减少特征的数量尝试获得更多的特征尝试增加多项式特征尝试减少正则化程度尝试增加正则化程度我们不应该随机选择上面的某种方法来改进我们的算法，而是运用一些
火箭蛋头·2023-12-02 16:14

机器学习笔记4：Logistic 回归模型

Logistic回归的基本原理logistic回归的优化算法前言：在分类任务中，我们是通过从输入xxx到输出yyy的映射fff的模型得出来的：y^=f(x)=argmaxp(y=c∣x,D)\hat{y}=f(x)=argmaxp(y=c|\mathbf{x},D)y^=f(x)=argmaxp(y=c∣x,D)其中，我们定义yyy为离散值，其取值范围称之为标签空间：y={1,2,..,C}y=\
陆撄宁·2023-11-28 15:50

机器学习笔记五—机器学习攻击与防御

系列文章目录机器学习笔记一—机器学习基本知识机器学习笔记二—梯度下降和反向传播机器学习笔记三—卷积神经网络与循环神经网络机器学习笔记四—机器学习可解释性机器学习笔记五—机器学习攻击与防御机器学习笔记六—
江_小_白·2023-11-27 19:03

机器学习笔记05---SVM支持向量机

支持向量机（SupportVectorMachine,SVM）是一类按监督学习（supervisedlearning）方式对数据进行二元分类的广义线性分类器（generalizedlinearclassifier），其决策边界是对学习样本求解的最大边距超平面（maximum-marginhyperplane）。SVM被提出于1964年，在二十世纪90年代后得到快速发展并衍生出一系列改进和扩展算法，
一件迷途小书童·2023-11-27 09:15

基于android平台的笔记簿,机器学习笔记簿 降维篇 LDA 01

机器学习中包含了两种相对应的学习类型：无监督学习和监督学习。无监督学习指的是让机器只从数据出发，挖掘数据本身的特性，对数据进行处理，PCA就属于无监督学习，因为它只根据数据自身来构造投影矩阵。而监督学习将使用数据和数据对应的标签，我们希望机器能够学习到数据和标签的关系，例如分类问题：机器从训练样本中学习到数据和类别标签之间的关系，使得在输入其它数据的时候，机器能够把这个数据分入正确的类别中。线性鉴
王润莲·2023-11-25 14:07

算法笔记：OPTICS 聚类

)是一基于密度的聚类算法OPTICS算法是DBSCAN的改进版本在DBCSAN算法中需要输入两个参数：ϵ和MinPts，选择不同的参数会导致最终聚类的结果千差万别，因此DBCSAN对于输入参数过于敏感机器学习笔记
UQI-LIUWJ·2023-11-25 10:15

机器学习笔记06---极大似然估计

估计类条件概率的一种常用策略是先假定其具有某种确定的概率分布形式，再基于训练样本对概率分布的参数进行估计。具体地，记关于类别c的类条件概率为P(x|c)，假设P(x|c)具有确定形式并且被参数向量θc唯一确定，则我们的任务就是利用训练集D估计参数θc。为了明确起见，我们将P(x|c)记为P(x|θc)。事实上，概率模型的训练过程就是参数估计(parameterestimation)过程。对于参数估
一件迷途小书童·2023-11-24 18:58

机器学习笔记

数据集获取sklearn.datasets.load_*()获取小规模数据集fetch_*(data_home=None)获取大规模数据集，data_home表示目录，可不指定实例1：获取鸢尾花数据集sklearn.datasets.load_iris()实例2：获取大规模数据集sklearn.datasets.fetch_20newsgroups(data_home=None,subset=’t
提子同学是我·2023-11-23 08:17

java电影推荐系统_基于Mahout的电影推荐系统

1.Mahout简介ApacheMahout是ApacheSoftwareFoundation(ASF)旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序
语文乌托邦·2023-11-23 05:02

李宏毅2023春季机器学习笔记 - 01生成AI（ChatGPT）

一、引言预设的知识储备要求：数学（微积分、线性代数、机率）；编程能力（读写python）这门课专注在深度学习领域deeplearning，事实上深度学习在今天的整个机器学习（ML）的领域使用非常广泛，可以说是最受重视的一项ML技术。这门课可以作为你的机器学习的第一堂课，修完后可以更深入的把这个技术，用在你未来感兴趣的领域。课程录像和作业：如果只凭googlecolab可以取得及格的成绩，基本上如果
linyuxi_loretta·2023-11-22 17:09

机器学习笔记（四）---- 逻辑回归的多分类

一般情况下，我们都认为逻辑回归(LR)用来解决二分类问题，模型输出是y=1的概率值。那逻辑回归能否用来做多分类任务呢，答案是肯定的。这里有两种方法使得逻辑回归能进行多分类任务：一、将多分类任务拆解成多个二分类任务，利用逻辑回归分类器进行投票求解；二、对传统的逻辑回归模型进行改造，使之变为softmax回归模型进行多分类任务求解--多分类任务拆解成多个二分类器首先了解下进行多分类学习任务的策略，第一
zhy_Learn·2023-11-22 01:23

机器学习笔记 - Ocr识别中的CTC算法原理概述

机器学习笔记-Ocr识别中的文本检测EAST网络概述-CSDN博客文章浏览阅读300次。在EAST网络的这个分支中，它合并了VGG16网络不同层的特征输出。
坐望云起·2023-11-21 08:48

机器学习笔记

目录机器学习基本概念介绍深度学习反向传播前向传播反向传播pytorch梯度下降算法卷积神经网络（CNN）卷积层池化层自注意力机制（self-attention）循环神经网络（RNN）长短期记忆递归神经网络（LSTM）Transformer自监督学习（Self-SupervisedLearning）BERT预训练（Pre-train）微调（Fine-tune）机器学习基本概念介绍机器学习≈机器自动寻
czyxw·2023-11-21 01:57

机器学习笔记 - 使用 PyTorch 的多任务学习和 HydraNet

一、HydraNet简述特斯拉使用了一个模型可以解决他们正在处理的每一项可能的任务。例如：物体检测、道路曲线估计、深度估计、3D重建、视频分析、物体追踪、ETC等等。以下是在NVIDIAGPU上以3种不同配置运行的2个计算机视觉模型的基准测试。在第一个配置中，我们运行语义分割模型。在第二种配置中，我们堆叠了单目深度估计模型。在第三种配置中，我们正在构建一个能够同时完成这两项任务的HydraNet。
坐望云起·2023-11-20 22:24

吴恩达机器学习笔记

一、机器学习1.1机器学习定义1.2监督学习supervisedlearning1.2.1监督学习定义给算法一个数据集，其中包含了正确答案，算法的目的是给出更多的正确答案如预测房价（回归问题）、肿瘤良性恶性分类（分类问题）假如说你想预测房价。前阵子，一个学生从波特兰俄勒冈州的研究所收集了一些房价的数据。你把这些数据画出来，看起来是这个样子:横轴表示房子的面积，单位是平方英尺，纵轴表示房价，单位是千
六本木砍王刀哥·2023-11-20 18:30

【Machine Learning】机器学习笔记-(上半部分)

初识机器学习文章目录初识机器学习一，机器学习-1.机器学习定义-2.机器学习算法分类-1.2.1监督学习定义-1.2.2回归问题-1.2.3分类问题-1.3无监督学习-1.3.1无监督学习定义-1.3.2聚类算法二，单变量线性回归-2.1单变量线性回归函数-2.2平方误差函数(代价函数)-2.2.1只考虑θ1θ_1θ1的代价函数-2.2.2θ0θ_0θ0，θ1θ_1θ1都考虑的代价函数-2.3梯度
君问归期魏有期·2023-11-20 18:23

机器学习笔记 - 了解常见开源文本识别数据集以及了解如何创建用于文本识别的合成数据

一、部分开源数据集以下是一些英文可用的开源文本识别数据集。ICDAR数据集：ICDAR代表国际文档分析和识别会议。该活动每两年举行一次。他们带来了一系列塑造了研究社区的场景文本数据集。例如，ICDAR-2013和ICDAR-2015数据集。MJSynth数据集：该合成词数据集由牛津大学视觉几何组提供。该数据集由综合生成的900万张图像组成，涵盖9万个英语单词，并包括我们工作中使用的训练、验证和测试
坐望云起·2023-11-20 07:20

机器学习笔记：EM算法（期望最大算法）

1算法介绍1.0EM算法的引入EM算法主要解决的问题是，具有隐变量的混合模型的参数估计，即其极大似然估计如果是简单的问题，我们可以直接求出P(x|θ)的时候，我们可以直接用最大似然估计来求出解析解但如果在模型中有了隐变量之后，就不太好求解析解P(x|θ)了，也就无法用最大似然估计来得到最佳的θ——》这时候就需要EM算法了1.1EM算法介绍EM算法是一个迭代的算法，其会不断地更新θ，直至收敛。第t轮
UQI-LIUWJ·2023-11-19 20:17

机器学习笔记 - Ocr识别中的文本检测EAST网络概述

一、文本检测文本检测简单来说就是找到图像中可以出现文本的区域。例如，请参见下图，其中在检测到的文本周围绘制了绿色边框。在进行文本检测时，你可能会遇到两种情况具有结构化文本的图像：这是指具有干净/均匀背景和常规字体的图像。文本大多密集，行结构正确，文本颜色均匀。带有非结构化文本的图像：这是指复杂背景上带有稀疏文本的图像。文本可以具有不同的颜色、大小、字体和方向，并且可以出现在图像中的任何位置。对这些
坐望云起·2023-11-19 08:28

机器学习笔记（六）——机器学习概念：多项式回归与pipeline、偏差和方差、L1正则与L2正则

一、多项式回归与sklearn中的Pipeline之前已经学习了简单线性回归，其输入特征值有一维，即y=θ0+θ1x1;y=\theta_0+\theta_1x_1;y=θ0+θ1x1;当推广到多维特征，即多元线性回归：y=θ0+θ1x1+θ2x2+…+θnxn。y=\theta_0+\theta_1x_1+\theta_2x_2+…+\theta_nx_n。y=θ0+θ1x1+θ2x2+…+θn
爱学习的老青年·2023-11-16 23:26

机器学习笔记（伪标签）/论文笔记 Pseudo-Label: The Simple and Efficient Semi-Supervised Learning Method for Deep Neu

Pseudo-Label:TheSimpleandEfficientSemi-SupervisedLearningMethodforDeepNeuralNetworks20131伪标签未标记的数据由监督学习网络标记。（将具有最大预测概率的类作为伪标签）然后使用标记数据和伪标记数据训练网络。2伪标签的损失函数损失函数分为真实标签部分和伪标签部分伪标签部分的权重使用a(t)来进行调节，如果a(t)特别
UQI-LIUWJ·2023-11-16 12:24

Ridge和Lasso回归代码实现--Tensorflow部分

Ridge和Lasso回归代码实现–Tensorflow部分–潘登同学的机器学习笔记python版本–3.6;Tensorflow版本–1.15.0;编辑器–Pycharm文章目录Ridge和Lasso
PD我是你的真爱粉·2023-11-16 10:45

吴恩达机器学习笔记26-样本和直观理解1（Examples and Intuitions I）

从本质上讲，神经网络能够通过学习得出其自身的一系列特征。在普通的逻辑回归中，我们被限制为使用数据中的原始特征?1,?2,...,??，我们虽然可以使用一些二项式项来组合这些特征，但是我们仍然受到这些原始特征的限制。在神经网络中，原始特征只是输入层，在我们上面三层的神经网络例子中，第三层也就是输出层做出的预测利用的是第二层的特征，而非输入层中的原始特征，我们可以认为第二层中的特征是神经网络通过学习后
weixin_34221773·2023-11-15 21:58

mahout 源码解析之聚类--聚类迭代模型

在前面讲聚类策略时，包org.apache.mahout.clustering.iterator里面还有几个类没有进行讲解，这次做下收尾工作。
theonlytank2011·2023-11-15 18:51

机器学习笔记（三）

相关文章链接机器学习的基本概念模型的评估与选择回归分析决策树与随机森林支持向量机SVM与隐马尔可夫模型卷积神经网络CNN与循环神经网络RNN聚类与集成算法机器学习笔记（三）回归分析线性回归损失函数最小二乘法岭回归
枯鱼过河泣·2023-11-11 17:50

【GNN】一文读懂图卷积GCN

作者：苘郁蓁来源：知乎专栏郁蓁的机器学习笔记。编辑：happyGirl整理：浅梦的学习笔记具体来说，本文包括什么：图网络的有哪些种类，它们之间的区别和联系是什么？图卷积的地位，图卷积怎么理解？
zenRRan·2023-11-11 11:33

吴恩达机器学习笔记--第三周-4.解决过拟合问题

week3-4.SolvingtheProblemofOverfitting一、TheProblemofOverfittingunderfitting=highbias；overfitting=highvariance。避免过拟合的方法：二、CostFunction在代价函数J中对每个参数theta加入正则化项（罚函数），从而使所有的参数变小。但是不对theta0增加正则化项。若正则化项中的系数l
Loki97·2023-11-10 17:28

机器学习笔记 - WGAN生成对抗网络概述和示例

一、简述WassersteinGAN或WGAN是一种生成对抗网络，它最小化地球移动器距离(EM)的近似值，而不是原始GAN公式中的Jensen-Shannon散度。与原始GAN相比，它的训练更加稳定，模式崩溃的证据更少，并且具有可用于调试和搜索超参数的有意义的曲线。Wasserstein生成对抗网络（WassersteinGAN）是生成对抗网络的扩展，它既提高了训练模型时的稳定性，又提供了与生成图
坐望云起·2023-11-10 08:23

机器学习笔记(四)

聚类算法K-means分为两个步骤查看每个点并将其分配给最近的集群质心将每个簇质心移动到所有具有相同颜色的点的平均值。损失函数J也叫失真函数Distortion选择聚类数量
半岛铁盒@·2023-11-08 19:01

机器学习笔记(3)

Adam算法Adam主要是用于梯度下降方面的优化,在不同的参数中给定不同的下降速率α主要应用在compile方面,加了一个优化器,初始学习速率是0.001,在运行时会自我调整精确度和召回率P,R调和均值,选择更好的算法右下角为公式.决策树判断的过程中像树一样选择从上到下分别是:根节点,决策节点,叶子节点在决策树的特征选择中,使用不同的特征,效果也不同什么时候停止继续向下分裂?1.当一个节点纯度达到
半岛铁盒@·2023-11-08 19:30

FlyAI小课堂：python机器学习笔记：深入学习决策树算法原理

分类技术（或分类法）是一种根据输入数据建立分类模型的系统方法，分类法的例子包括决策分类法，基于规则的分类法，神经网络，支持向量机和朴素贝叶斯分类法。这些技术都使用一种学习算法（learningalgorithm）确定分类模型，该模型能够很好的拟合输入数据中类标号和属性集之间的联系，学习算法得到的模型不仅要很好地拟合输入数据，还要能够正确的预测未知样本的类标号。因此，训练算法的主要目标就是建立具有很
iFlyAI·2023-11-07 16:50

python机器学习笔记：ID3决策树算法实战

ID3算法是一种贪心算法，用来构造决策树，ID3算法起源于概念学习系统（CLS），以信息熵的下降速度为选取测试属性的标准，即在每一个节点选取还尚未被用来划分的具有最高信息增益的属性作为划分标准，然后继续这个过程，直到生成的决策树能完美的分类训练样例。在此之前，推荐大家可以多在FlyAI竞赛服务平台多参加训练和竞赛，以此来提升自己的能力。FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站
iFlyAI·2023-11-07 16:20

机器学习笔记5-2：Transformer

*注:本博客参考李宏毅老师2020年机器学习课程.视频链接目录1Seq2seq2Encoder3Decoder3.1AT汉字的产生如何输出不定长向量避免一步错，步步错3.2NAT3.3Training3.4Tips3.4.1CopyMechanism（复制机制）3.4.2GuidedAttention3.4.3BeamSearch3.4.4Learningratescheduling3.4.5Ba
Acetering·2023-11-06 15:44

机器学习笔记：RNN值Teacher Forcing

1基本介绍Teacherforcing是一种在训练循环神经网络（RNN）时使用的技术，尤其是在序列生成任务中，如机器翻译、文本生成或语音合成。这种方法的目的是更有效地训练网络预测下一个输出，给定一系列先前的观察结果。1.1标准RNN训练过程的问题当训练一个用于序列生成的RNN时，通常会让网络预测序列中的下一个元素。（这种模式又被称为free-runningmode/autoregressivemo
UQI-LIUWJ·2023-11-06 15:07

机器学习笔记 - 感知器的数学表达

一、假设前提感知机（或称感知器，Perceptron）是FrankRosenblatt在1957年就职于Cornell航空实验室（CornellAeronauticalLaboratory）时所发明的一种人工神经网络。它可以被视为一种最简单形式的前馈神经网络，是一种二元线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1。感知机是神经网络的雏形，同时也是支持向量机的基础，感知机对应
坐望云起·2023-11-04 12:41

吴恩达的机器学习笔记-写在前面

作为一个还没找到编程工作的的伪程序员，我都不好意思自封非科班程序员。今年是2018年11月，基本上，这一年就算过去了。我是今年毕业，不过7月份头脑发热，转正一个月后就裸辞了。想想心也是真大，说辞就辞，完全不考虑今年这样恶劣的就业环境。这不，你们看，报应来了，到现在都没有工作，只能来写写文章，通过文字来排解内心的焦虑。我在辞职的那家公司工作了大概有半年，工作是产品助理，日常琐碎的事情较多，但也基本应
吾儿滨滨·2023-11-03 03:51

李宏毅机器学习笔记.Flow-based Generative Model(补)

文章目录引子生成问题回顾：GeneratorMathBackgroundJacobianMatrixDeterminant行列式ChangeofVariableTheorem简单实例一维实例二维实例网络G的限制基于Flow的网络构架G的训练CouplingLayerCouplingLayer反函数计算CouplingLayerJacobian矩阵计算CouplingLayerStacking1×1
oldmao_2000·2023-11-03 02:59

理论学习--【Hadoop生态原理学习】

一、Hadoop原理1.核心：HDFS(存储)、MapReduce(分析)解决大量数据存储与处理的问题离线分析：hive实现查询：hbaseBI分析：Mahout2.版本1.0mapreduce还进行资源调度
zenas_yuan·2023-11-02 18:31

python one class svm_Python机器学习笔记：One Class SVM

前言最近老板有一个需求，做单样本检测，也就是说只有一个类别的数据集与标签，因为在工厂设备中，控制系统的任务是判断是是否有意外情况出现，例如产品质量过低，机器产生奇怪的震动或者机器零件脱落等。相对来说容易得到正常场景下的训练数据，但故障系统状态的收集示例数据可能相当昂贵，或者根本不可能。如果可以模拟一个错误的系统状态，问题就好解决多了，但无法保证所有的错误状态都被模拟到，所以只能寻找单样本检测相关的
weixin_39575775·2023-11-02 08:56

单样本检测方法-One Class SVM

Python机器学习笔记——OneClassSVM前言最近老板有一个需求，做单样本检测，也就是说只有一个类别的数据集与标签，因为在工厂设备中，控制系统的任务是判断是是否有意外情况出现，例如产品质量过低，
试一试名字能有多长·2023-11-02 08:55
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他