自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(2)
  • 收藏
  • 关注

原创 监督学习、无监督学习、半监督学习

监督学习、无监督学习、半监督学习监督学习、无监督学习、半监督学习监督学习无监督学习半监督学习监督学习、无监督学习、半监督学习监督学习特点:训练过程中样本都是有标签的。训练集的每一个数据已经有特征和标签,即有输入数据x_train和输出数据y_train,通过学习训练集中x_train和y_train的关系,生成合适的函数f 将输入映射到输出。常见的监督学习任务有:分类、回归、序列标注等。步骤(以SVM为例): 1) 在有监督数据上训练,学的一个判别器W; 2)然后在测试集(故意把标签y_te

2020-12-13 14:07:07 1697

转载 机器学习的模型随机打印标签,ACC和NMI计算方法?

机器学习的模型随机打印标签,ACC和NMI计算方法?机器学习中实现了一个简单的神经网络,但发现在验证的时候,模型对数据打的标签很随意,比如一个四分类问题,groundtruth(简称gt)是gt = [0,0,0,1,2,3,3],而模型在验证集上打的标签是lb = [3,3,3,0,1,2,2],但acc(准确度)是100%,明明标签的数字都对不上,我很好奇它使怎么识别的?具体代码:defclustering_acc(y_true, y_pred):y_true = y_true.asty.

2020-11-27 13:57:26 1887 2

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除