![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 97
春阳的科研日志
通信研究生在读
展开
-
【机器学习】使用卷积神经网络模型训练MNIST(含混淆矩阵)
设计了一个卷积神经网络模型训练MNIST并根据混淆矩阵对其进行测试以评估其性能和准确度。原创 2024-04-12 17:31:55 · 1341 阅读 · 1 评论 -
特征工程9大方法
特征工程是机器学习和数据分析中不可或缺的环节。它能够提高模型性能、降低过拟合风险、处理数据质量问题,同时改善数据表示和计算效率。正确应用特征工程可以使机器学习模型更加准确。以下是特征几个方面的重要性:提高模型性能:良好的特征工程可以显著提高机器学习模型的性能。通过选择、转换和创建适当的特征,可以使模型更好地捕捉数据中的模式和关系,从而提高预测准确性。降低过拟合风险:特征工程有助于减少过拟合的风险。原创 2024-03-01 18:27:53 · 1814 阅读 · 12 评论 -
九大损失函数
介绍不同场景下适合的损失函数,以及损失函数用法和优缺点原创 2024-03-05 16:12:55 · 1281 阅读 · 0 评论 -
【机器学习】九大决策树模型总结
这篇博客深入探讨了九种不同的决策树模型,每种模型都拥有其独特的特点和应用场景。我将带您了解一些经典的模型,让你理解它们的工作原理,并在实践中灵活运用它们。原创 2024-03-23 21:05:34 · 1137 阅读 · 0 评论