机器学习
文章平均质量分 90
永不言弃的小颖子
这个作者很懒,什么都没留下…
展开
-
yolov5训练结果————分类指标的学习
一:weights包含best.pt(做detect时用这个)和last.pt(最后一次训练模型)二:confusion1:混淆矩阵:①:混淆矩阵是对分类问题的预测结果的总结。使用计数值汇总正确和不正确预测的数量,并按每个类进行细分,这是混淆矩阵的关键所在。混淆矩阵显示了分类模型的在进行预测时会对哪一部分产生混淆。它不仅可以让我们了解分类模型所犯的错误,更重要的是可以了解哪些错误类型正在发生。正是这种对结果的分解克服了仅使用分类准确率所带来的局限性。②:在机器学习领域和统计分类问题中,混淆矩阵(英转载 2021-10-19 21:43:34 · 5960 阅读 · 0 评论 -
贝叶斯优化Bayesian Optimization(学习笔记)
贝叶斯优化应用背景如果待解决问题为中输入xxx,输出f(x)f(x)f(x)具有如下的特点:函数f(x)f(x)f(x)计算量特别大,每次计算都特别耗时、耗资源,甚至f(x)f(x)f(x)可能都没有解析式表达式。无法知道函数f(x)f(x)f(x)对于xxx的梯度应该如何计算。需要找到函数f(x)f(x)f(x)在xxx自变量上的全局最优解(最低点对应的取值)。什么是贝叶斯优化有一个目标函数c(x),代表输入为x下的代价为c(x)。优化器是无法知道这个c(x)的真实曲线是如何的,只能通过部原创 2021-04-09 15:16:35 · 1861 阅读 · 1 评论