机器学习
文章平均质量分 90
Ray_awakepure
智慧互联的生态文明构建者
展开
-
IoU、GIoU、DIoU、CIoU计算方法
IoUIoU就是我们所说的交并比,是目标检测中最常用的指标,在anchor-based的方法中,他的作用不仅用来确定正样本和负样本,还可以用来评价输出框(predict box)和ground-truth的距离。可以说它可以反映预测检测框与真实检测框的检测效果。还有一个很好的特性就是尺度不变性,也就是对尺度不敏感(scale invariant), 在regression任务中,判断predict box和gt的距离最直接的指标就是IoU。(满足非负性;同一性;对称性;三角不等性)IoU的一种实现原创 2021-11-28 17:12:24 · 4488 阅读 · 0 评论 -
[时序波动关联]模型CoFLUX论文要点整理
时序波动关联模型CoFLUX论文要点整理简介在互联网公司里面,通常都会监控成千上万的时间序列,用于保障整个系统或者平台的稳定性。在这种情况下,如果能够对多条时间序列之间判断其是否相关,则对于监控而言是非常有效的。基于以上的实际情况,清华大学与 Alibaba 集团在2019年一起合作了论文《CoFlux: Robustly Correlating KPIs by Fluctuations for Service Troubleshooting》,并且发表在 IWQos 2019 上。CoFlux 这个方原创 2021-11-26 19:17:35 · 1916 阅读 · 0 评论 -
XGBoost总结
1 概述XGBoost是陈天奇等人开发的一个开源机器学习项目,高效地实现了GBDT算法并进行了算法和工程上的许多改进,被广泛应用在许多机器学习竞赛中并取得了不错的成绩,在工业界也广受欢迎。XGBoost本质上还是一个GBDT,但是力争把速度和效率发挥到极致,所以叫X (Extreme) GBoosted。XGBoost算法的在性能、速度方面都超越了许多其他算法,主要得益于以下几个方面:是一个基于多个弱分类器组成的模型,可以有效降低过拟合的风险提出了一种加权分桶的方法,减少计算量对稀疏数据进行默认原创 2021-11-24 16:31:03 · 909 阅读 · 0 评论 -
XGBoost防止过拟合的方法
一些从理论研究和实践经验中总结的防止过拟合的思路,这里以XGBoost为例,其他模型也可以用类似的思路。原创 2021-08-12 14:15:39 · 6272 阅读 · 0 评论