TCSVT小修一个半月了,还没消息,心慌呀

在这里插入图片描述

看别人小修之后基本都是一个月或者一个月内就接收了,我这个一个半月了还是没消息。

小修至今经历的状态:

4.29 minor revision

5.1 resubmit&in peer review

5.7 awaiting recommendation

5.11 awaiting decision

5.13 awaiting recommendation

为神魔会从awaiting decision后变回awaiting recommendation?审稿人不满意是不是,编辑又找新的审稿人了?有无带佬解答一下

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 19
    评论
引用\[1\]中的代码展示了如何使用SVM(支持向量机)模型进行训练和预测。在SVM模型中,decision function(决策函数)用于计算样本点到分类超平面的距离,从而确定样本点的类别。在二分类模型中,decision function返回的数组形状等于样本个数,即每个样本返回一个decision function值。在这个例子中,decision_function方法被用于计算测试集x_test的decision function值,结果为\[-0.04274893, 0.29143233, -0.13001369\]。\[1\] 引用\[2\]提供了关于decision_function方法的更多细节。它指出,如果decision_function_shape参数设置为'ovr',则输出的decision function形状是(n_samples, n_classes),其中n_samples是输入样本的数量,n_classes是训练样本的类别数。如果decision_function_shape参数设置为'ovo',则输出的decision function形状是(n_samples, n_classes * (n_classes - 1) / 2)。\[2\] 在引用\[3\]中的示例中,使用SVM进行二分类模型的训练,并使用decision_function方法计算样本x的decision function值。结果为\[2, 3\],其中2表示负类,3表示正类。\[3\] 综上所述,decision function是用于计算样本点到分类超平面的距离的方法,在SVM模型中用于确定样本点的类别。 #### 引用[.reference_title] - *1* [sklearn的decision_function (以SVC.decision_function()为例)详解](https://blog.csdn.net/SanyHo/article/details/115387209)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] - *2* *3* [SVM支持向量和逻辑回归的decision_function用法详解](https://blog.csdn.net/fulk6667g78o8/article/details/122308761)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^insert_down28v1,239^v3^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]
评论 19
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值