完善資料讓更多小伙伴認(rèn)識(shí)你,還能領(lǐng)取20積分哦,立即完善>
標(biāo)簽 > 分類(lèi)器
分類(lèi)是數(shù)據(jù)挖掘的一種非常重要的方法。分類(lèi)的概念是在已有數(shù)據(jù)的基礎(chǔ)上學(xué)會(huì)一個(gè)分類(lèi)函數(shù)或構(gòu)造出一個(gè)分類(lèi)模型(即我們通常所說(shuō)的分類(lèi)器(Classifier))。該函數(shù)或模型能夠把數(shù)據(jù)庫(kù)中的數(shù)據(jù)紀(jì)錄映射到給定類(lèi)別中的某一個(gè),從而可以應(yīng)用于數(shù)據(jù)預(yù)測(cè)。
文章:96個(gè) 瀏覽:13428次 帖子:6個(gè)
CatBoost是由Yandex發(fā)布的梯度提升庫(kù)。在Yandex提供的基準(zhǔn)測(cè)試中,CatBoost的表現(xiàn)超過(guò)了XGBoost和LightGBM。許多Ka...
機(jī)器學(xué)習(xí)實(shí)用指南——準(zhǔn)確率與召回率
受試者工作特征(ROC)曲線(xiàn)是另一個(gè)二分類(lèi)器常用的工具。它非常類(lèi)似與準(zhǔn)確率/召回率曲線(xiàn),但不是畫(huà)出準(zhǔn)確率對(duì)召回率的曲線(xiàn),ROC 曲線(xiàn)是真正例率(true...
2018-06-19 標(biāo)簽:閾值分類(lèi)器機(jī)器學(xué)習(xí) 2.1萬(wàn) 0
如何畫(huà)roc曲線(xiàn)?為什么使用Roc和Auc評(píng)價(jià)分類(lèi)器?
假設(shè)已經(jīng)得出一系列樣本被劃分為正類(lèi)的概率,然后按照大小排序,下圖是一個(gè)示例,圖中共有20個(gè)測(cè)試樣本,“Class”一欄表示每個(gè)測(cè)試樣本真正的標(biāo)簽(p表示...
2018-08-22 標(biāo)簽:分類(lèi)器機(jī)器學(xué)習(xí)數(shù)據(jù)集 1.7萬(wàn) 0
AUC是否可以直接用作損失函數(shù)去優(yōu)化呢?
TP(true positive):表示樣本的真實(shí)類(lèi)別為正,最后預(yù)測(cè)得到的結(jié)果也為正;FP(false positive):表示樣本的真實(shí)類(lèi)別為負(fù),最后...
2018-09-11 標(biāo)簽:函數(shù)分類(lèi)器數(shù)據(jù)集 1.5萬(wàn) 0
幾個(gè)常用算法的適應(yīng)場(chǎng)景及其優(yōu)缺點(diǎn)!
通常情況下,如果是小訓(xùn)練集,高偏差/低方差的分類(lèi)器(例如,樸素貝葉斯NB)要比低偏差/高方差大分類(lèi)的優(yōu)勢(shì)大(例如,KNN),因?yàn)楹笳邥?huì)發(fā)生過(guò)擬合(ove...
2019-04-24 標(biāo)簽:算法分類(lèi)器機(jī)器學(xué)習(xí) 1.3萬(wàn) 0
利用LSTM網(wǎng)絡(luò)結(jié)構(gòu)將車(chē)輛過(guò)去的位置包含到預(yù)測(cè)算法中
基于機(jī)器學(xué)習(xí)的算法為這個(gè)問(wèn)題創(chuàng)建了一個(gè)數(shù)學(xué)模型:給定與車(chē)輛相關(guān)的特征作為輸入,車(chē)輛的變道意圖作為輸出,這些方法試圖推斷映射函數(shù),以獲得最佳預(yù)測(cè)結(jié)果。該模...
2018-08-01 標(biāo)簽:分類(lèi)器機(jī)器學(xué)習(xí)自動(dòng)駕駛 1.2萬(wàn) 0
解決二分類(lèi)問(wèn)題的算法——AdaBoost算法
從上述問(wèn)題的角度出發(fā),集成學(xué)習(xí)分為兩類(lèi)流派:Bagging與Boosting。Bagging(Bootstrap Aggregating)對(duì)訓(xùn)練數(shù)據(jù)擦用...
2018-09-23 標(biāo)簽:算法集成學(xué)習(xí)分類(lèi)器 1.2萬(wàn) 0
如何利用二分類(lèi)學(xué)習(xí)器來(lái)解決多分類(lèi)問(wèn)題
一對(duì)其余其實(shí)更加好理解,每次將一個(gè)類(lèi)別作為正類(lèi),其余類(lèi)別作為負(fù)類(lèi)。此時(shí)共有(N個(gè)分類(lèi)器)。
2019-12-03 標(biāo)簽:分類(lèi)器機(jī)器學(xué)習(xí) 8374 0
卷積神經(jīng)網(wǎng)絡(luò)的介紹和應(yīng)用用歐姆蛋來(lái)詳細(xì)介紹
關(guān)于卷積神經(jīng)網(wǎng)絡(luò)從交通燈識(shí)別到更實(shí)際的應(yīng)用,我經(jīng)常聽(tīng)到這樣一個(gè)問(wèn)題:“會(huì)否出現(xiàn)一種深度學(xué)習(xí)“魔法”,它僅用圖像作為單一輸入就能判斷出食物質(zhì)量的好壞?”簡(jiǎn)...
2018-07-01 標(biāo)簽:分類(lèi)器CNN卷積神經(jīng)網(wǎng)絡(luò) 8054 0
一些解決文本分類(lèi)問(wèn)題的機(jī)器學(xué)習(xí)最佳實(shí)踐
文本分類(lèi)是一種應(yīng)用廣泛的算法,它是各種用于大規(guī)模處理文本數(shù)據(jù)的軟件系統(tǒng)的核心,常被用于幫助電子郵箱過(guò)濾垃圾郵件,幫助論壇機(jī)器人標(biāo)記不當(dāng)評(píng)論。
2018-07-31 標(biāo)簽:文本分類(lèi)分類(lèi)器機(jī)器學(xué)習(xí) 7548 0
如何使用多線(xiàn)性分類(lèi)器擬合實(shí)現(xiàn)攻擊模擬算法立即下載
類(lèi)別:人工智能 2020-09-16 標(biāo)簽:算法分類(lèi)器機(jī)器學(xué)習(xí) 1382 0
面向復(fù)雜時(shí)間序列的k近鄰分類(lèi)器立即下載
類(lèi)別:嵌入式技術(shù)論文 2017-12-25 標(biāo)簽:分類(lèi)器時(shí)間序列 1223 0
基于BP神經(jīng)網(wǎng)絡(luò)的LDoS攻擊分類(lèi)器立即下載
類(lèi)別:網(wǎng)絡(luò)協(xié)議論文 2018-01-21 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)分類(lèi)器 1170 0
閾值分類(lèi)器組合的多標(biāo)簽分類(lèi)算法立即下載
類(lèi)別:數(shù)值算法/人工智能 2018-01-22 標(biāo)簽:分類(lèi)器分類(lèi)算法 1110 0
類(lèi)別:嵌入式技術(shù)論文 2017-11-24 標(biāo)簽:分類(lèi)器LDA 1103 0
如何使用代表的留一法進(jìn)行集成學(xué)習(xí)的分類(lèi)立即下載
類(lèi)別:模擬數(shù)字論文 2018-12-14 標(biāo)簽:算法分類(lèi)器標(biāo)簽 1072 0
基于BP神經(jīng)網(wǎng)絡(luò)的手寫(xiě)體數(shù)字識(shí)別分類(lèi)器設(shè)計(jì)立即下載
類(lèi)別:模擬數(shù)字論文 2017-10-31 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)分類(lèi)器 1071 0
機(jī)器學(xué)習(xí)實(shí)戰(zhàn)中文版電子書(shū)免費(fèi)下載立即下載
類(lèi)別:人工智能 2020-05-28 標(biāo)簽:變量分類(lèi)器機(jī)器學(xué)習(xí) 1042 0
基于A(yíng)daBoost分類(lèi)器的交通事故實(shí)時(shí)預(yù)測(cè)的方法立即下載
類(lèi)別:嵌入式技術(shù)論文 2017-12-07 標(biāo)簽:分類(lèi)器 942 0
貝葉斯分類(lèi)器的分類(lèi)原理是通過(guò)某對(duì)象的先驗(yàn)概率,利用貝葉斯公式計(jì)算出其后驗(yàn)概率,即該對(duì)象屬于某一類(lèi)的概率,選擇具有最大后驗(yàn)概率的類(lèi)作為該對(duì)象所屬的類(lèi)。在具...
2017-11-30 標(biāo)簽:分類(lèi)器貝葉斯分類(lèi)器 1.3萬(wàn) 0
樸素貝葉斯分類(lèi) 樸素貝葉斯算法的優(yōu)點(diǎn)
樸素貝葉斯方法是在貝葉斯算法的基礎(chǔ)上進(jìn)行了相應(yīng)的簡(jiǎn)化,即假定給定目標(biāo)值時(shí)屬性之間相互條件獨(dú)立。也就是說(shuō)沒(méi)有哪個(gè)屬性變量對(duì)于決策結(jié)果來(lái)說(shuō)占有著較大的比重,...
2021-10-02 標(biāo)簽:數(shù)據(jù)分類(lèi)器樸素貝葉斯 9744 0
目前谷歌和加州大學(xué)伯克利分校的研究已經(jīng)發(fā)表在學(xué)術(shù)網(wǎng)站arXiv上,論文標(biāo)題為《用白盒、黑盒攻擊繞過(guò)Deepfake圖像鑒別工具(Evading Deep...
2020-05-11 標(biāo)簽:AI數(shù)據(jù)庫(kù)分類(lèi)器 8456 0
我們之所以使用卷積后的特征,是因?yàn)閳D像具有“靜態(tài)型”的屬性,也就意味著在一個(gè)圖像區(qū)域的特征極有可能在另一個(gè)區(qū)域同樣適用。
院士鄔賀銓?zhuān)荷疃壬窠?jīng)網(wǎng)絡(luò)實(shí)際上是個(gè)分類(lèi)器
在語(yǔ)音識(shí)別方面,人工智能已經(jīng)超過(guò)了人,一般人類(lèi)語(yǔ)音識(shí)別的錯(cuò)誤率是5.1%,現(xiàn)在百度對(duì)漢語(yǔ)的語(yǔ)音識(shí)別,微軟對(duì)應(yīng)于的語(yǔ)音識(shí)別已經(jīng)比這個(gè)水平要高了。當(dāng)然,在嘈...
2019-01-06 標(biāo)簽:語(yǔ)音識(shí)別人工智能分類(lèi)器 7493 0
必讀!生成對(duì)抗網(wǎng)絡(luò)GAN論文TOP 10
這篇 GAN 論文來(lái)自 NVIDIA Research,提出以一種漸進(jìn)增大(progressive growing)的方式訓(xùn)練 GAN,通過(guò)使用逐漸增大...
2019-03-20 標(biāo)簽:GAN分類(lèi)器深度學(xué)習(xí) 6864 0
深度推薦系統(tǒng)與CTR預(yù)估2019年值得精讀的論文
FaceBook推薦最新論文,通過(guò)建模與系統(tǒng)協(xié)同設(shè)計(jì)提出一種butterfly-shuffle的機(jī)制來(lái)提升模型并行化,離線(xiàn)訓(xùn)練上在沒(méi)有任何超參調(diào)優(yōu)下收斂...
遠(yuǎn)程監(jiān)督學(xué)習(xí)很早之前就被提出來(lái)了,但是應(yīng)用在關(guān)系抽取任務(wù)上面應(yīng)該是2009年的一篇論文,作為遠(yuǎn)程監(jiān)督學(xué)習(xí)在關(guān)系抽取的開(kāi)山之作,下面會(huì)介紹這個(gè)工作。簡(jiǎn)單來(lái)...
2021-04-02 標(biāo)簽:神經(jīng)網(wǎng)絡(luò)分類(lèi)器機(jī)器學(xué)習(xí) 5589 0
關(guān)于使用MATLAB進(jìn)行模式識(shí)別的教程分析
在模式識(shí)別方法中,輸入數(shù)據(jù)的受監(jiān)督分類(lèi)使用受監(jiān)督學(xué)習(xí)算法,它是基于不同對(duì)象類(lèi)的培訓(xùn)數(shù)據(jù)來(lái)創(chuàng)建分類(lèi)器。然后分類(lèi)器接受輸入數(shù)據(jù)并分配相應(yīng)的對(duì)象或類(lèi)標(biāo)簽。
2019-09-17 標(biāo)簽:數(shù)據(jù)分類(lèi)器計(jì)算機(jī)視覺(jué) 5109 0
FDDC大賽見(jiàn)證了AI將如何改變資產(chǎn)管理的未來(lái)
最終,來(lái)自武漢大學(xué)計(jì)算機(jī)學(xué)院軟件工程實(shí)驗(yàn)室的Alassea lome團(tuán)隊(duì),將預(yù)測(cè)誤差降低至7%,獲得上市公司營(yíng)業(yè)收入預(yù)測(cè)賽題第一名,而一人團(tuán)隊(duì)GOGOG...
2018-09-07 標(biāo)簽:數(shù)據(jù)人工智能分類(lèi)器 4528 0
編輯推薦廠(chǎng)商產(chǎn)品技術(shù)軟件/工具OS/語(yǔ)言教程專(zhuān)題
電機(jī)控制 | DSP | 氮化鎵 | 功率放大器 | ChatGPT | 自動(dòng)駕駛 | TI | 瑞薩電子 |
BLDC | PLC | 碳化硅 | 二極管 | OpenAI | 元宇宙 | 安森美 | ADI |
無(wú)刷電機(jī) | FOC | IGBT | 逆變器 | 文心一言 | 5G | 英飛凌 | 羅姆 |
直流電機(jī) | PID | MOSFET | 傳感器 | 人工智能 | 物聯(lián)網(wǎng) | NXP | 賽靈思 |
步進(jìn)電機(jī) | SPWM | 充電樁 | IPM | 機(jī)器視覺(jué) | 無(wú)人機(jī) | 三菱電機(jī) | ST |
伺服電機(jī) | SVPWM | 光伏發(fā)電 | UPS | AR | 智能電網(wǎng) | 國(guó)民技術(shù) | Microchip |
Arduino | BeagleBone | 樹(shù)莓派 | STM32 | MSP430 | EFM32 | ARM mbed | EDA |
示波器 | LPC | imx8 | PSoC | Altium Designer | Allegro | Mentor | Pads |
OrCAD | Cadence | AutoCAD | 華秋DFM | Keil | MATLAB | MPLAB | Quartus |
C++ | Java | Python | JavaScript | node.js | RISC-V | verilog | Tensorflow |
Android | iOS | linux | RTOS | FreeRTOS | LiteOS | RT-THread | uCOS |
DuerOS | Brillo | Windows11 | HarmonyOS |