- 博客(6)
- 收藏
- 关注
RSS订阅原创 Matplotlib 默认图层 示例代码
处理文本方向else:# 获取文本路径# 旋转和平移# 创建PathPatch# 转换到3D坐标封装了一个在3D坐标系中绘制文本的函数text3d()。
2023-08-24 19:40:13
120
1
原创 机器学习 - 西瓜书、南瓜书 - 第四章
决策树学习简单直观,分类边界明确,计算高效。它使用递归的“分而治之”策略,选择最优划分属性是关键。剪枝技术可防止过拟合。决策树可处理各类数据,对缺失值与异常值也较为鲁棒。多变量决策树扩展了表达能力。综上,决策树是一种高效实用的监督学习方法。
2023-07-31 00:28:35
113
1
原创 微调ChatGLM2-6b模型解决文本二分类任务代码解读
def predict(text) : input = f"判断是否医学论文: {def predict(text) : input = f"判断是否医学论文: {def predict(text) : input = f"判断是否医学论文: {封装预测逻辑在一个函数中。根据输入文本构造prompt输入,调用模型生成响应。将模型输出返回。ChatGLM2-6B是一个基于Transformer架构预训练的巨大语言模型,它通过在大规模文本语料上进行自监督学习,获得了强大的语言理解和生成能力。
2023-07-31 00:07:32
2244
3
原创 机器学习 - 西瓜书、南瓜书 - 第三章
fxwTxb其中x∈Rd是d个属性组成的向量,w∈Rd是权重向量,b∈R是偏置项。线性模型简单且易于建模,但能反映属性在预测中的重要性,因此具有可解释性。许多非线性模型是在线性模型的基础上建立的。
2023-07-27 22:59:15
109
1
原创 机器学习 - 西瓜书、南瓜书 - 第一章、第二章
精确率衡量正类预测结果中真正例样本所占比例,召回率衡量真正例样本中被预测为正类的比例。混淆矩阵记录了分类器各类别分类结果,是一个多类问题性能评估的重要工具。正则化通过为模型引入额外信息来减小过拟合,例如引入模型复杂度惩罚项。其中,AUC(ROC曲线下的面积)是评估分类器性能的一个综合指标。模型选择通过确定模型的表示能力,既可避免过拟合,也可避免欠拟合。MEANLP通过评估正负样本的平均排序位置来评价排序学习算法。经验风险能够估计期望风险的程度取决于样本量和样本的代表性。分别为真正例,假正例,假反例的数目。
2023-07-20 22:39:47
105
1
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