softmax分类器

CrossEntropyLoss in Pytorch

inmathematicssoftmaxfunction(normalizedexponentialfunction)crossentropyinpytorchNLLLosscrossentropylossdoc
xljdt1·2024-02-14 17:39

多元分类及其pytorch实现

相比起逻辑回归的二分类，多元分类使用softmax来替代了sigmoid，假如需要分k类，那么应该有k个输入值1...k，然后输出k个概率，且概率之和为1。
o0Orange·2024-02-14 16:23

FEELnc: LncRNA注释工具

LncRNA的工具，FEELnc:atoolforlongnon-codingRNAannotationanditsapplicationtothedogtranscriptome，该软件基于随机森林二分类器来对
小潤澤·2024-02-14 16:48

机器学习：多项式模型朴素贝叶斯分类器（原理+python实现）

简介多项式朴素贝叶斯也是多用于文本处理，其原理和计算的流程和伯努利朴素贝叶斯基本一致，唯一的区别在于单词的计数方式，由《伯努利朴素贝叶斯》一文可知，在文本处理的环节中，我们将单词是否出现在词组作为特征，但在多项式朴素贝叶斯中，我们将单词在词组中出现的次数作为特征，因此只需要更改文中setOfWords2Vec的函数即可，变成如下方式：defbagOfWords2VecMN(vocabList,in
DocPark·2024-02-14 13:03

阿里文档类图像的智能识别，文档分类自定义分类器

而自定义分类器则允许用户根据自己的需求，训练出更适合自己场景的文档分类模型。本文将详细介绍阿里云文档类图像智能识别服务以及如何使用自定义分类器进行文档分类。
人生万事须自为，跬步江山即寥廓。·2024-02-14 11:29

文档类图像的智能识别，文档分类自定义分类器

在实际应用中，文档分类是文档类图像识别的一个重要环节，而自定义分类器则可以提高文档分类的准确性和适应性。本文将介绍文档分类自定义分类器的相关概念和方法。
人生万事须自为，跬步江山即寥廓。·2024-02-14 11:53

zero shot classification提取主题词

zeroshotclassification提出了一种使用预训练的NLI模型作为现成的零样本序列分类器的方法。该方法的工作原理是将要分类的序列设置为NLI前提，并从每个候选标签构建一个假设。
狗庄欺人太甚·2024-02-14 11:49

【阅读笔记】Zero-shot Recognition via Semantic Embeddings and Knowledge Graphs-2018

Abstract我们考虑零样本识别问题:仅利用类别的单词嵌入及其与其他类别的关系来学习具有零训练示例的类别的视觉分类器，并提供视觉数据。
一只瓜皮呀·2024-02-14 11:19

影像组学学习笔记(20)-通俗讲解集成学习ensemble learning

本笔记来源于B站Up主:有Li的影像组学系列教学视频本节(20)主要介绍:集成学习的通俗讲解集成学习(ensemblelearning)将多个分类器结合在一起使用Bagging:同质学习器，彼此独立，投票
北欧森林·2024-02-13 22:39

13自然语言处理基础入门

最后将提取到的特征送进分类器进行训练。什么是自然语言处理NLP（NaturalLanguageProcessing，自然语言处理）当中所谓的「自然」是为了
Jachin111·2024-02-13 21:04

传统图像处理方法对水果在图像中的位置进行分割，有的方法不使用支持向量机或者贝叶斯分类器等分类器直接分割，有的使用分类器进行分割，两者有什么区别？请具体举例？支持向量机分类器需要标签吗？

问题描述：传统图像处理方法对水果在图像中的位置进行分割，有的方法不使用支持向量机或者贝叶斯分类器等分类器直接分割，有的使用分类器进行分割，两者有什么区别？请具体举例？支持向量机分类器需要标签吗？
神笔馬良·2024-02-13 21:03

机器学习入门--朴素贝叶斯原理与实践

具体来说，朴素贝叶斯分类器首先根据训练数据计算出每个类别的先验概率P©，即样本中每个类别占比。然后，对于给定的待分类样本，计算出它属于每个类别的条件概率P(X|C)，其中X表示样本的特征向量
Dr.Cup·2024-02-13 13:07

CSP-202006-1-线性分类器

CSP-202006-1-线性分类器解题思路通过比较第一个训练数据点的类别和直线函数值的正负来确定标准类别和标准函数值的正负。
LOST P·2024-02-13 10:57

基于神经网络实现手写数字识别(matlab)

二、分类器原理阐述1、前向传播：输入样本从输入层传入，经隐层逐层处理后，传到输出层，计算实际输出和期望输出的误差。2、误差反向传播：
入门小新手·2024-02-13 10:22

Logistic回归

训练分类器时的做法就是寻找最佳拟合参数，使用的是最优化算法。
洛克黄瓜·2024-02-13 09:27

序贯Sequential模型

layer的list来构造该模型model=Sequential([Dense(32,input_shape=(784,)),Activation('relu'),Dense(10),Activation('softmax
光光小丸子·2024-02-13 01:08

Cross-lingual Transfer of Monolingual Representations

整个流程可分为一下四步：在L1无标签的数据集上，训练一个单语的bert，任务为masked语言模型（MLM）和下一句话预测（NSP）冻结第1步训练好的bert中的transformer部分（embedding层和softmax
ltochange·2024-02-12 20:03

34从传统算法到深度学习：目标检测入门实战 --方向梯度直方图

第三步是将这些特征输入分类器进行分类。方向梯度直方图（HistogramofOrientedGradients）以下简称HOG，就是一种人工设计的特征，用来简化图像表述的特征描述符。下图中左边的
Jachin111·2024-02-12 15:37

GEE——巴西年度土地覆盖下载和地图展示（Mapbiomas 集成包）内含使用教程和下载链接

巴西年度土地利用和土地覆盖制图项目是一项涉及生物群落、土地利用、遥感、GIS和计算机科学专家的协作网络的计划，这些专家依靠Google地球引擎平台及其云处理和自动分类器功能来生成巴西的年度土地利用和土地覆盖时间序列
此星光明·2024-02-12 15:41

Spark MLlib

二、机器学习流水线（一）机器学习流水线概念（二）流水线工作过程（三）构建一个机器学习流水线三、特征提取和转换（一）特征提取：TF-IDF（二）特征转换：标签和索引的转化四、分类与回归（一）逻辑斯蒂回归分类器
Francek Chen·2024-02-12 11:15

机器学习：Softmax介绍及代码实现

Softmax原理Softmax函数用于将分类结果归一化，形成一个概率分布。作用类似于二分类中的Sigmoid函数。对于一个k维向量z，我们想把这个结果转换为一个k个类别的概率分布p(z)。
是Dream呀·2024-02-12 10:44

Python概率建模算法和图示

要点Python朴素贝叶斯分类器解释概率学习示例Python概率论，衡量一个或多个变量相互依赖性，从数据中学习概率模型参数，贝叶斯决策论，信息论，线性代数和优化Python线性判别分析分类模型，逻辑回归
亚图跨际·2024-02-12 09:26

2-1 动手学深度学习v2-Softmax回归-笔记

回归VS分类回归估计一个连续值分类预测一个离散类别从回归到多类分类回归单连续数值输出输出的区间：自然区间R\mathbb{R}R损失：跟真实值的区别分类通常多个输出（这个输出的个数是等于类别的个数）输出的第iii个元素是用来预测第iii类的置信度从回归到多类分类——均方损失对类别进行一位有效编码（因为类别不是一个数，可能是一个字符串等等）假设我们有nnn个类别，我们可以用最简单的一位有效编码来进行
Alkali！·2024-02-12 03:14

在CE和MSE损失函数中使用置信度的方法

8,2,256,256]CE:weak_x_ul=self.encoder(A_ul,B_ul)weak_output_ul=self.main_decoder(weak_x_ul)weak_targets=F.softmax
UndefindX·2024-02-11 14:50

Deep Learning for Anomaly Detection: A Review（翻译）

主要问题复杂性2.深度异常检测所面临的主要挑战三、用深度异常检测应对挑战1.预备工作2.深度异常检测方法的分类四.深度学习的特征提取1.预训练模型2.特定的特征提取模型五.学习常态的特征表征(特征提取器即分类器
appron·2024-02-11 14:50

机器学习系列（8）——提升树与GBDT算法

0x01、提升树模型提升树是以分类树或回归树为基本分类器的提升方法。提升树被认为是统计学习中性能最好的方法之一。
陌简宁·2024-02-11 14:40

集成学习——梯度提升树（GBDT）

即通过多轮迭代，每轮迭代生成一个弱分类器，并在上一轮分类器残差的基础上进行训练，但是弱学习器限定了只能使用CART回归树模型，且迭代思路与Adaboost（利用前一轮迭代弱学习器的误差率来更新训练集的权重
wxw_csdn·2024-02-11 14:10

学习笔记 ——GBDT（梯度提升决策树）

一.前言GBDT(GradientBoostingDecisionTree)梯度提升决策树，通过多轮迭代生成若干个弱分类器，每个分类器的生成是基于上一轮分类结果来进行训练的。
dastu·2024-02-11 14:40

机器学习：SVM、softmax、Dropout及最大池化max_pool介绍

一、利用线性SVM进行分类train_data:(train_num,3072)训练流程初始化权重W:(3072,10)梯度dW:(3072,10)train_data和权重相乘得到score(10,)对应每个类别的分数2.1对于每个score中的分数i，如果是正确的类别对应的score跳过2.2如果是其他的类别，计算margin=score[i]-correct_score+12.3如果其他的m
是Dream呀·2024-02-11 11:15

TCGA+biomarker——C-index

ROC曲线，展示特异性和敏感性，ROC曲线下的面积被称为AUC，它介于0.5和1之间，作为数值可以直观的评价分类器的好坏，值越大越好。2
Clariom·2024-02-10 20:14

单细胞分析之细胞注释工具Garnett

Garnett使用弹性网回归模型的机器学习算法训练出一个基于回归的分类器。随后训练好的分类器就可以用于更多数据集的细胞类型定义。官网：https://cole-trapn
11的雾·2024-02-10 19:00

【深度学习】：Softmax实现手写数字识别

精品在线课程学习平台(xuetangx.com)代码和报告均为本人自己实现（实验满分），只展示任务实验结果，如果需要报告或者代码可以私聊博主有任何疑问或者问题，也欢迎私信博主，大家可以相互讨论交流哟~~Softmax
X.AI666·2024-02-10 11:34

机器学习9-随机森林

每个决策树都是一种分类器，通过对输入数据进行一系列的决策来进行分类。2.随机抽样：在构建每个决策树时，随机森林从原始数据
dracularking·2024-02-10 10:12

Task10-向前分布算法和梯度提升决策树

（1）Adaboost的加法模型：在Adaboost的基础上，将多个基分类器合并为一个复杂分类器，是通过计算每个基分类器的加权和。
沫2021·2024-02-10 09:42

机器学习（8）

本章节是对我学习完机器学习（周志华）第八章所做出来的总结第八章集成学习8.1个体与集成集成学习：通过构建并结合多个学习器来完成学习任务，有时也被称为多分类器系统、基于委员会的学习等。
LY豪·2024-02-10 03:24

解锁机器学习多类分类之门：Softmax函数的全面指南

1.引言Softmax函数的定义和基本概念Softmax函数，也称为归一化指数函数，是一个将向量映射到另一个向量的函数，其中输出向量的元素值代表了一个概率分布。
程序员Chino的日记·2024-02-09 08:33

深度学习中的激活函数、损失函数、优化算法

深度学习中的激活函数、损失函数、优化算法DL小将激活函数sigmoidtanhrelugelusoftmax损失函数分类问题常用的损失函数回归问题常用的损失函数优化算法随机梯度下降SGDAdam牛顿法DL
Chealkeo·2024-02-08 23:33

刘知远LLM——神经网络基础

启发于生物神经细胞单个神经元单层神经网络前向计算激活函数的作用：没有激活函数的话，多层神经网络就会退化为单层输出层线性输出：回归问题sigmoid：二分类softmax：多
李日音·2024-02-08 15:43

AdaBoost 算法

AdaBoost算法是一种经典的集成学习算法，它将多个弱分类器集成起来，以达到较高的分类准确率，广泛应用于数据分类、人脸检测等应用中。尤其在人脸检测方面，AdaBoost是非常经典、成功的一个算法。
Rnan-prince·2024-02-08 08:03

AdaBoost算法

Boosting方法的核心思想在于将多个弱分类器组合成一个强分类器。这些弱分类器通常是简单的模型，比如决策树，它们在训练过程中的错误会被后续的弱分类器所修正。
小森( ﹡ˆoˆ﹡ )·2024-02-08 08:29

神经网络 | 常见的激活函数

激活函数分类三、常见的几种激活函数1.Sigmoid函数（1）公式（2）图像（3）优点与不足2.Tanh函数（1）公式（2）图像（3）优点与不足3.ReLU函数（1）公式（2）图像（3）优点与不足4.Softmax
半亩花海·2024-02-08 06:34

1、卷积分类器

简介卷积分类器训练分类器示例-训练一个卷积分类器步骤1-加载数据步骤2-定义预训练基步骤3-附加头步骤4-训练结论欢迎来到计算机视觉！你是否曾经想过教一台计算机去看？在这门课程中，这正是你将要做的！
AI算法蒋同学·2024-02-08 06:53

随机森林分类器原理简述

什么是随机森林分类器？
散修然·2024-02-07 20:30

机器学习（machine learning）大合集

1、线性分类器怎么理解呢？我们可以把此分类器理解为线性空间的划分，最简单的，在二维空间上，通过直线的划分。第二个理解可以理解为模板匹配，W的每一行可以看做是其中一个类别的模板。
AI信仰者·2024-02-07 17:54

李沐《动手学深度学习》注意力机制

系列文章李沐《动手学深度学习》预备知识张量操作及数据处理李沐《动手学深度学习》预备知识线性代数及微积分李沐《动手学深度学习》线性神经网络线性回归李沐《动手学深度学习》线性神经网络softmax回归李沐《
丁希希哇·2024-02-07 16:27

Lightning Attention-2: A Free Lunch for Handling Unlimited Sequence Lengths in Large Language Models

LightningAttention-2：处理大型语言模型中无限序列长度的免费午餐摘要1引言2相关工作3方法4实验5结论摘要线性注意力是一种有效的注意力机制，最近成为传统softmax注意
UnknownBody·2024-02-07 16:23

Scikit-learn－04.决策树算法

决策树是分类器中的一种，属于有监督学习方法。简单来说，分类器就是根据样本的特征或属性，划分到已有的类别中。也就是说，这些类别是已知的
sun zi chao·2024-02-07 09:02

解释性AI（XAI）技术和方法

局部解释工具的使用：LIME的应用：对于复杂的机器学习分类器预
李建军·2024-02-07 09:00

Sklearn库知识学习-学习笔记

机器学习"课程内容导学1.1机器学习的目标1.2机器学习分类监督学习监督学习是指:利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。
努力奋斗的durian·2024-02-07 08:22

学习知识记录

hx14301009的博客-CSDN博客2、Word2vec的skipgram模型输入是中心词和背景词NLP之---word2vec算法skip-gram原理详解_Ricky-CSDN博客_skipgram层级的softmax
想努力的人·2024-02-07 08:36
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他