Jurio的博客

通过huggingface-cli下载Hugging Face上的公开数据集或模型至本地

在机器学习领域，混淆矩阵是一个评估分类模型性能的重要工具。它不仅展示了模型预测的准确性，还揭示了模型在不同类别上的表现。本文介绍两种在Python中绘制混淆矩阵的方法：ConfusionMatrixDisplay() 和 imshow()，以及两种好看的colorbar：coolwarm_r，GnBu， 以增强可视化效果。

【KAN原论文阅读笔记】受Kolmogorov-Arnold表示定理的启发，作者提出Kolmogorov-Arnold Networks（KAN）作为多层感知器（MLPs）的有前途的替代方案。MLP 在节点（“神经元”）上具有固定的激活函数，但 KAN 在边缘（“权重”）上具有可学习的激活函数。KAN 没有线性权重：每个权重参数都被参数化为一个样条线的单变量函数。作者发现，这个看似简单的变化使得 KAN 在准确性和可解释性方面优于 MLP。

LM算法是一种非线性最小二乘优化算法，用于求解非线性最小化问题。

利用Mean-Shift和EM算法对高斯混合分布进行数据聚类

基于运动想象的公开数据集：Data set IVa (BCI Competition III)，中文版说明

成年人死亡率指的是每一千人中15岁至60岁死亡的概率（数学期望）。这里我们给出了世界卫生组织（WHO）下属的全球卫生观察站（GHO）数据存储库跟踪的所有国家健康状况以及许多其他相关因素。要求利用训练数据建立回归模型，并预测成年人死亡率（Adult Mortality）