机器学习
XF鸭
每天进步一点点。
展开
-
带你认识显卡
带你认识显卡原创 2022-10-12 21:55:31 · 1557 阅读 · 0 评论 -
评价不平衡数据集的分类预测指标有哪些?
精确率(Precision):TP / (TP + FP),其中 TP 是真正例,FP 是假正例。- 召回率(Recall):TP / (TP + FN),其中 FN 是假负例。- MCC是一个综合考虑了四个分类结果的指标,对于不平衡数据集具有鲁棒性。- AUC-ROC表示模型在不同分类阈值下真正例率与假正例率之间的权衡。- 准确率是最常见的评价指标之一,但在不平衡数据中可能不够准确。- 混淆矩阵提供了一个清晰的视角,展示了模型在每个类别上的表现。- F1分数综合了精确率和召回率,是它们的调和平均值。原创 2023-12-10 21:24:09 · 1092 阅读 · 0 评论 -
查找/下载文献的一些网址汇总
无原创 2022-10-06 21:40:14 · 963 阅读 · 0 评论 -
技术社区大汇总
技术社区大汇总原创 2022-10-18 14:01:49 · 162 阅读 · 0 评论 -
查找英文文献源码的网址
查找英文文献源码的网址原创 2023-04-13 14:43:06 · 865 阅读 · 0 评论 -
画图工具Visio Activate
Visio 2019 激活方法原创 2023-05-10 09:42:47 · 67 阅读 · 0 评论 -
特征重要性分析有那些方法?
这些方法可以单独使用或结合在一起,具体选择取决于数据集和问题的性质。特征重要性分析有助于识别模型中最具预测力的特征,提高模型性能并减少过度拟合的风险。特征重要性分析是机器学习和数据分析中的关键步骤,用于确定哪些特征对于模型的性能和预测的质量具有重要性。原创 2023-10-31 21:37:01 · 960 阅读 · 0 评论 -
常用希腊字母以及读法
常用希腊字母以及读法原创 2022-11-18 09:25:40 · 261 阅读 · 0 评论 -
国家可再生能源能源实验室(NREL)
可以在这个地方找一些关于你的研究方向上的一些数据集,并且数据集都是可靠的,而且数据也不是很旧u,近几年的各个方向的都有。原创 2023-03-21 21:22:52 · 1021 阅读 · 6 评论 -
CUDA与CUDNN 关系
CUDA与CUDNN 关系原创 2022-10-13 09:50:10 · 1637 阅读 · 0 评论 -
常用的DOS命令
常用的DOS命令原创 2022-11-08 20:47:09 · 91 阅读 · 0 评论 -
神经网络(MLP多层感知器)
MLP原创 2023-10-09 10:26:31 · 3306 阅读 · 0 评论 -
对比CPU和GPU计算速度的差距
【代码】对比CPU和GPU计算速度的差距。原创 2023-03-23 18:47:20 · 336 阅读 · 0 评论 -
查看计算机是否支持CUDA加速?
查看计算机是否支持CUDA加速?原创 2023-03-23 21:41:05 · 498 阅读 · 0 评论 -
如何区分model.predict() 和 model.predict_proba()?
最近在做关于机器学习和深度学习实验的时候,直接将机器学习模型套了深度学习中,但出现了报错,下面我们来解释一下。上面是他们输出的结果 我们可以看出 model.predict 输出的是一个标签值,而第二个输出的是概率。我们可以看出来 两者输出的结果一样 那说明他们在深度学习中往往直接输出多类别的概率。总体而言,深度学习模型在输出时更倾向于提供类别的概率分布,这使得。在实际应用中,具体的输出形式取决于你的任务和模型的架构。深度学习模型一般会输出每个类别的概率分布。器学习中的模型输出是类别标签。原创 2023-11-30 16:13:40 · 1125 阅读 · 0 评论 -
分类问题和回归问题的区别是什么?
分类和回归问题原创 2023-09-14 13:49:35 · 2743 阅读 · 0 评论 -
Pytorch深度学习入门之Tensor
Pytorch深度学习入门之Tensor原创 2023-03-22 20:17:05 · 190 阅读 · 0 评论 -
回归预测、分类预测、时间序列预测 都有什么区别?
总结来说,回归预测关注的是连续数值输出,分类预测关注的是将数据分为不同的类别,而时间序列预测关注的是预测未来时间点的数据趋势。问题设置、数据类型和解决方法在这三种预测任务中都存在差异。原创 2023-10-12 19:40:18 · 3844 阅读 · 0 评论 -
DNN示例代码实现
【代码】DNN示例代码实现。原创 2023-09-25 19:36:49 · 364 阅读 · 0 评论 -
多分类预测 | MATLAB实现CNN-LSTM-Attention多输入分类预测
需要源码和数据的私信。原创 2023-12-15 14:13:08 · 237 阅读 · 0 评论 -
多层感知机——MLP
一、多层感知机(MLP)原理简介多层感知机(MLP,Multilayer Perceptron)也叫(ANN,Artificial Neural Network),除了输入输出层,它中间可以有多个隐层,最简单的MLP只含一个隐层,即三层的结构,如下图:从上图可以看到,多层感知机层与层之间是全连接的。多层感知机最底层是输入层,中间是隐藏层,最后是输出层。隐藏层的神经元怎么得来?原创 2023-09-25 21:25:32 · 4434 阅读 · 0 评论 -
Python中使用plt.ion()和plt.ioff()画动态图
Python中使用plt.ion()和plt.ioff()画动态图原创 2023-04-03 14:25:20 · 718 阅读 · 0 评论 -
transductive transfer learning
给定一个源域D(s)和一个相关的学习任务T(s),一个目标域D(t)和相关学习任务T(t)。transductive transfer learning旨在通过使用D(s)和T(s)中学到的知识来提高在目标域中目标预测函数的学习,此处D(s)≠ D(t)T(s) = T(t).此外,一些未标注的目标域数据必须在训练时可用。从此定义中我们可以解读出以下两种信息:(a)源域和目标域的特征空间不同(b)源域和目标域的特征空间相同,但是输入数据的边缘概率分布不同。原创 2024-03-25 14:39:09 · 229 阅读 · 0 评论 -
迁移学习是什么?
迁移学习的应用:迁移学习在各种领域中都有广泛的应用,包括计算机视觉、自然语言处理、语音识别、医疗诊断等。总的来说,迁移学习是一种强大的机器学习技术,可以提高在新任务上的性能,并减少数据需求。它在实际应用中具有广泛的潜力,能够加速和改善各种机器学习任务的解决过程。领域和任务:在迁移学习中,通常涉及两个关键概念:源领域(Source Domain)和目标领域(Target Domain)。迁移学习的核心概念是,模型可以通过先前学到的知识来更好地解决新任务,而不是从零开始学习。原创 2023-10-07 10:30:53 · 529 阅读 · 0 评论 -
深度学习与深度迁移学习有什么区别?
深度学习包含深度迁移学习,它们都利用了深层神经网络(Deep Neural Network,DNN)来处理数据,并从中学习特征。但是,它们也有一些区别。原创 2023-12-02 21:32:03 · 586 阅读 · 0 评论