机器学习
文章平均质量分 82
发呆的比目鱼
凡尔赛程序狗一枚,日常划水!! 目前专注于生物医学与计算机交叉学科。 承接各种学生作业,论文复现!!
展开
-
自动化机器学习AutoML(1)
自动化机器学习AutoML(1)原创 2022-10-30 22:41:26 · 710 阅读 · 0 评论 -
机器学习之超参数优化 - 网格优化方法(对半网格搜索HalvingSearchCV)
机器学习之超参数优化 - 网格优化方法(Halving网格搜索)原创 2022-10-30 16:55:18 · 1674 阅读 · 1 评论 -
机器学习之超参数优化 - 网格优化方法(随机网格搜索)
机器学习之超参数优化 - 网格优化方法(随机网格搜索)原创 2022-10-27 23:15:50 · 6339 阅读 · 0 评论 -
机器学习之超参数优化 - 网格优化方法(网格搜索)
机器学习之超参数优化 - 网格优化方法(网格搜索)原创 2022-10-26 23:20:15 · 2900 阅读 · 1 评论 -
使用wandb可视化Scikit-Learn模型
wandb sklearn原创 2022-10-25 00:33:42 · 1128 阅读 · 0 评论 -
Decision Tree
决策树原创 2022-10-21 23:33:01 · 465 阅读 · 0 评论 -
pysparnn原理介绍
pysparnn原理介绍原创 2021-11-24 23:20:07 · 659 阅读 · 0 评论 -
BM25算法介绍
BM25算法介绍转载 2021-11-23 17:39:42 · 9609 阅读 · 1 评论 -
IF-IDF算法介绍
IF-IDF算法介绍TF(Term Frequency,缩写为TF)也就是词频啦,即一个词在文中出现的次数,统计出来就是词频TF。词频(TF)=某个词在文章中的出现次数文章的总词数词频(TF)= \frac{某个词在文章中的出现次数}{文章的总词数}词频(TF)=文章的总词数某个词在文章中的出现次数IDF是逆向文件频率(Inverse Document Frequency) 向文件频率 (IDF) :某一特定词语的IDF,可以由总文件数目除以包含该词语的文件的数目,再将得到的商取对数得到。逆文档频原创 2021-11-22 16:15:37 · 3778 阅读 · 0 评论 -
检索式问答指标
[转载](转载至 https://blog.csdn.net/wmx3ng/article/details/85136866?utm_medium=distribute.pc_relevant_t0.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-1.pc_relevant_baidujshouduan&depth_1-utm_source=distribute.pc_relevant_t0.none-ta转载 2021-08-10 13:18:42 · 155 阅读 · 0 评论 -
准确率、精确率、召回率、F1-score
准确率、精确率、召回率、F1-score混淆矩阵混淆矩阵中的 P 表示 Positive,即正例或者阳性,N 表示 Negative,即负例或者阴性。TP:预测为1,实际为1,预测正确。FP:预测为1,实际为0,预测错误。FN:预测为0,实际为1,预测错误。TN:预测为0,实际为0,预测正确。TP+FP:表示所有预测为正的样本数量TN+FN:表示所有预测为负的样本数量TP+FN:表示实际为正的样本数量TN+FP:表示实际为负的样本数量准确率(accuracy)所有的预测正确(正原创 2021-06-12 19:25:09 · 881 阅读 · 0 评论