机器学习(六)：基于高斯贝叶斯对面部皮肤进行预测分析
高斯朴素贝叶斯算法是一种分类算法，它基于贝叶斯定理和特征之间的高斯分布假设。该算法被广泛应用于文本分类、垃圾邮件过滤、生物信息学等领域。
pytorch泰坦尼克号幸存者预测（二分类）
任务目标：根据《泰坦尼克号登船人员名单》上的个人信息预测其是否生还数据集：《泰坦尼克号登船人员名单》，自取数据集解释：第一列age ，表示的是年龄（数值数据）第二列cabin，表示客舱号（分类数据 ：字符串类型）第三列embarked表示登船港口，S是Southampton南安普顿，C是Cherbo
数据分类分级 数据识别-excel分类分级模版文件导入、解析
之前的excel导入解析采用的是Apache poi，但是在Java领域解析、生成Excel比较有名的框架如Apache poi,jxl等，在使用的时候，存在一个严重的问题，就是非常的耗内存，如果系统并发量不大的话，可能还行，但是一旦并发上来后一定会OOM或者JVM频繁的垃圾回收。EasyExcel
机器学习5—分类算法之随机森林（Random Forest）
随机森林（Random Forest）是Bagging（一种并行式的集成学习方法）的一个拓展体，它的基学习器固定为决策树，多棵树也就组成了森林，而“随机”则在于选择划分属性的随机，随机森林在训练基学习器时，也采用有放回采样的方式添加样本扰动，同时它还引入了一种属性扰动，即在基决策树的训练过程中，在选
数据分类分级 数据识别-识别日期类型数据
要做数据分类分级，重要的是分类分级模版的合理性和数据识别的准确性。数据识别主要技术涉及正则表达式、关键字典、机器学习、NLP、文档指纹等。对于结构化数据，具有一定规则的数据通常是正则表达式或算法来解决。本篇博客针对日期类型数据的识别展开讲解。
机器学习分类问题指标评估内容详解（准确率、精准率、召回率、F1、ROC、AUC等）
看懂机器学习指标：准确率、精准率、召回率、F1、ROC曲线、AUC曲线
垃圾邮件识别（一）：用机器学习做中文邮件内容分类
总的来说，一封邮件可以分为发送人、接收人、抄送人、主题、时间、内容等要素，所以很自然的可以认为主要通过上述要素中的发送方、主题以及内容来进行垃圾邮件判断。因此我们依次对上述要素进行分析：垃圾邮件内容分类（通过提取垃圾邮件内容进行判断）中文垃圾邮件分类英文垃圾邮件分类垃圾邮件标题分类垃圾邮件发送方分类
Windows系统下，OpenSSL升级为1.1.1t
我参考的文章是将libeay32.dll，ssleay32.dll，openssl.exe这三个文件拷贝到apache安装目录的bin目录下，我安装的这个没有前两个文件，所以我是把全部dll文件和openssl.exe都复制过去了，其中libcrypto-1_1-x64.dll和libssl-1_1
2023美赛C题：预测Wordle结果-思路详解及参考代码
美赛C题：2023年 预测world结果
【代码实验】CNN实验——利用Imagenet子集训练分类网络（AlexNet/ResNet）
Imagenet是计算机视觉的经典分类比赛，但是Imagenet数据集本身太大了，我们穷学生没有这么大的算力，2016年google DeepMind团队从Imagnet数据集中抽取的一小部分（大小约3GB）制作了Mini-Imagenet数据集（也就是Imagenet的子集），共有100个类别，每
python姿态检测实现多人多姿态识别python行为识别openpose行为骨骼框架检测动作识别动作检测行为动作分类
将待识别视频序列的每帧静态图像输入训练好的空间通道卷积神经网络，对网络参数进行微调后，进行训练和测试，并输出待识别视频序列的每帧静态图像对应的各个类别的概率值；h和w分别是第t帧静态图像的宽度和高度；步骤三、采集待识别视频序列，将待识别视频序列切割为每帧静态图像来作为训练集和测试集数据，对步骤二训练
InternImage实战：使用InternImage实现图像分类任务（一）
论文翻译：https://wanghao.blog.csdn.net/article/details/129379410官方源码： https://github.com/OpenGVLab/InternImage他来了！他来了！他带着氩弧焊的光芒过来了！作为CV的大模型，InternImage的光芒
ResNet 训练CIFAR10数据集，并做图片分类
超深的网络结构，可以突破1000层提出residual 模块使用Batch Normalization 抑制过拟合，丢弃Dropout方法针对第一点，我们知道加深网络层对于提升网络性能至关重要。然而实际情况中，网络层的加深会导致学习无法进行，性能会更差。因为网络的深度会导致梯度消失或者梯度爆炸的问题
PyTorch 之 基于经典网络架构训练图像分类模型
我们可以进入 pytorch 的官方网站，对模型的基本架构和训练好的参数进行直接调用，具体链接如下。
深度强化学习（DRL）简介与常见算法（DQN，DDPG，PPO，TRPO，SAC）分类
简单介绍深度强化学习的基本概念，常见算法、流程及其分类（持续更新中），方便大家更好的理解、应用强化学习算法，更好地解决各自领域面临的前沿问题。欢迎大家留言讨论，共同进步。
手把手教你用Yolov5 (v6.2) 训练分类模型 基于《Kaggle猫狗大战》案例
在8月17日晚上，YOLOv5官方发布了v6.2版本，v6.2版本支持分类模型训练、验证、预测和导出；v6.2版本的推出使得训练分类器模型变得超级简单！
机器学习中的数学原理——分类的正则化
通过这篇博客，你将清晰的明白什么是分类的正则化。这个专栏名为白话机器学习中数学学习笔记，主要是用来分享一下我在 机器学习中的学习笔记及一些感悟，也希望对你的学习有帮助哦！感兴趣的小伙伴欢迎私信或者评论区留言！这一篇就更新一下《 白话机器学习中的数学——分类的正则化》
数据安全-数据分类分级方案设计
通过前期市场调研与分析，发现已经有多家企业在数据分类分级方向发力，国家政策也是21年才正式发布，市场还处于早期阶段，多家产品也是近一两年才出炉，地方政府相关单位也在逐步出台相关政策和做出动作。数据分类分级产品，还是大有市场的，那么我们来看一下针对分类分级方案的具体设计。
使用Pytorch框架自己制作做数据集进行图像分类（一）
网上有很多直接利用已有数据集（如MNIST， CIFAR-10等），直接进行机器学习，图像分类的教程。但如何自己制作数据集，为图像制作相应标签等的教程较少。故写本文，分享一下自己利用Pytorch框架制作数据集的方法技巧。开发环境：Pycharm + Python 3.7.9torch 1.10.2
机器学习中的七种分类算法
Spike-and-slab priors(SSP)：尖峰和平板先验
