- 博客(2)
- 收藏
- 关注
RSS订阅原创 【Intel校企】淡水检测
gamma=0,objective='binary:logistic', # 二元分类的逻辑回归，输出概率nthread=4,alpha=4,seed=27)综合而言，本项目通过分析数据集相关性，优化特征选取，提升模型拟合能力。数据预处理阶段，我们处理了缺失值、重复值和偏差值，以提高数据集的有效性。采用XGBoost进行模型训练，并通过随机网格搜索优化，取得了85%的F1分数。虽然XGBoost在训练阶段耗时较长，但在oneAPI提供的daal4py模型加速下，推理速度得到了显著提升。
2024-03-10 14:58:48
771
1
原创 【Intel校企合作课程】基于VGG-16的猫狗识别
在这个项目中，你将面临着一个经典的机器学习项目——猫狗挑战，你的任务是需要建立一个模型，能够准确识别图像类别是猫还是狗。VGG16 模型具有较好的图像分类效果OneAPI 工具包具有比较明显的优化效果定期监控模型性能，并根据实际应用中的反馈进行调整和优化。这可以涉及到数据集的更新、模型微调等。总体而言，采用VGG-16和OneAPI工具包的组合能够有效提高图像分类任务的训练和推理性能，同时需要注意模型的泛化和持续优化。
2024-01-18 23:03:32
817
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