机器学习开篇之机器学习的分类
目录1 引言2 机器学习分类2.1 监督学习（Supervised Learning）2.1.1 传统监督学习2.1.2 非监督学习2.1.3 半监督学习2.1.4 其它分类2.2 强化学习（Reinforcement Learning）3 总结首先，我们给出四个机器学习任务以上四
【Google Earth Engine】利用GEE进行Landsat 8 SR数据土地利用分类
最近用学习到的知识进行了利用GEE和Landsat 8 SR数据进行土地利用分类的小实验，在这里进行一些学习记录。一、数据导入首先在GEE中上传要进行土地利用分类的行政区域边界，这里是以雄安新区为例。二、遥感数据筛选使用的数据是Landsat 8 OLI/TIRS传感器的SR数据集，SR数据利用QA
【Python机器学习】KNN进行水果分类和分类器实战（附源码和数据集）
【Python机器学习】KNN进行水果分类和分类器实战（附源码和数据集）
二分类及多分类ROC和PR曲线绘制
二分类及多分类ROC曲线的绘制二分类及多分类PR曲线的绘制
【机器学习】classification_report分类报告
classfication_report分类报告 python机器学习
机器学习中常用的分类算法总结
我们都知道，不发生的概率是极大的，对于分类器而言，如果分类器不加思考，对每一个测试样例的类别都划分为0，达到99%的正确率，但是，问题来了，如果真的发生地震时，这个分类器毫无察觉，那带来的后果将是巨大的。4）例如True positives(TP)的实际类标=1*1=1为正例，False posit
小白系列（1） | 计算机视觉之图像分类
这篇文章，是对图像分类的技术做了一个简单的入门级的介绍，包括图像分类的重要性、基于机器学习/深度学习的图像分类介绍、实际的应用方向等等。
脑电EEG代码开源分享 【6. 分类模型-深度学习篇】
科学家认为目前的深度学习瓶颈需要人脑结构的启发，类脑智能逐渐兴起，人脑智能的感知能力 + 机器智能的高效处理，混合智能在不断探索。分类模型-深度学习篇主要介绍了基础的网络结构框架 ，将深度学习解决脑电领域问题，形成【BCI + AI】的处理框架，为脑机接口的科研开辟了新赛道、新领域。本文介绍了3种经
机器学习--使用朴素贝叶斯进行垃圾邮件分类
朴素贝叶斯
基于Python实现五大常用分类算法(原理+代码)
编程算法常用
基于卷积神经网络CNN的图片分类实现——附代码
使用Matlab自带的深度学习工具箱构建卷积神经网络（CNN）进行图片分类，以识别并分类手写数字为例。首先将大量的图片数据导入；然后给不同种类的图片打上对应的分类的标签，划分为训练集和测试集；构建CNN网络其中包括3层2维卷积和3个池化层，全连接层及分类层；调整好输入输出格式对CNN进行训练及测试；
脑电信号分类问题的数据预处理方法
脑电信号分类问题的数据预处理方法
细粒度图像分类论文研读-2022
目前的工作主要通过关注如何定位最具识别度的区域并依靠它们来提高网络捕捉细微变化的能力来完成FGVC。这些工作中的大部分是通过RPN模块来提出绑定框并重新使用主干网络来提取所选框的特征。近年来，ViT在传统分类任务重大放异彩，其自我关注机制将每个patch的token连接到分类token。注意力连接的
深度学习和高光谱图像分类
深度学习算法对高光谱图像进行分类的一些问题和方法。
【跟着ChatGPT学深度学习】ChatGPT教我文本分类
总的来说，关于知识点方面，该说不说，它并不能完全替代我的老师，对于这些知识点，只能说达到及格的水平（作为一个老师的标准），尤其是对知识不能做到实时更新，官方说它的知识只能到2021年，后续的知识它并不能做到自学，只能通过不断地喂入数据才能精进。关于代码生成方面，虽然每次都能给我生成出来我想要的代码，
机器学习：基于KNN对葡萄酒质量进行分类
KNN对葡萄酒质量进行分类。该数据集采集于葡萄牙北部“Vinho Verde”葡萄酒，由于隐私和物流问题，只有理化变量特征是可以进行使用的(例如，数据集中没有关于葡萄品种、葡萄酒品牌、葡萄酒销售价格等的数据)。本篇notebook使用了红葡萄酒质量的数据集，并用KNN进行分类模型的训练。
多分类损失函数（机器学习）
预测值越接近真实标签值，交叉熵损失函数值越小，反向传播的力度越小。为什么不能使用均方差损失函数作为分类问题的损失函数？凸性与最优解求导运算的复杂性和运算量则损失函数为：可以看到由于分类错误，loss2的值比loss1的值大很多。反向传播误差矩阵为：本来是第二类，误判为第一类，所以前两个元素的值很大
【软件测试】测试基础讲解
软件测试岗位的讲解
【个人笔记】UNet使用自己数据集训练（多分类）
参考链接：Pytorch下实现Unet对自己多类别数据集的语义分割_brf_UCAS的博客-CSDN博客_pytorch unet多类分割一、UNet代码链接UNet代码：二、开发环境Windows、cuda :10.2 、cudnn:7.6.5 pytorch1.6.0 python 3.7pyt
