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！
【自然语言处理（NLP）】基于循环神经网络实现情感分类
【自然语言处理（NLP）】基于循环神经网络实现情感分类，基于百度飞桨开发，参考于《机器学习实践》所作。
数据挖掘之数据预处理
数据挖掘中数据预处理的理论基础
【深度学习】（三）图像分类
上一章介绍了深度学习的基础内容，这一章来学习一下图像分类的内容。图像分类是计算机视觉中最基础的一个任务，也是几乎所有的基准模型进行比较的任务。从最开始比较简单的10分类的灰度图像手写数字识别任务mnist，到后来更大一点的10分类的cifar10和100分类的cifar100任务，到后来的image
Keras深度学习实战——基于VGG19模型实现性别分类
VGG19 是 VGG16 的改进版本，具有更多的卷积和池化操作。本文首先简要介绍了 VGG19 的架构，并使用 Keras 中预训练的 VGG19 模型进行性别分类实战。
PyTorch搭建LSTM实现服装分类（FashionMNIST）
LSTM + FashionMNIST
Java代码利用朴素贝叶斯分类算法实现信息分类
贝叶斯分类算法是统计学的一种分类方法，它是一类利用概率统计知识进行分类的算法。在许多场合，朴素贝叶斯(Naïve Bayes，NB)分类算法可以与决策树和神经网络分类算法相媲美，该算法能运用到大型数据库中，而且方法简单、分类准确率高、速度快。由于贝叶斯定理假设一个属性值对给定类的影响独立于其它属性的
机器学习之数据处理与可视化【鸢尾花数据分类|特征属性比较】
大部分的机器学习模型所处理的都是特征，特征通常是输入变量所对应的可用于模型的数值表示。大部分情况下，收集得到的数据需要经过处理后才能够为算法所使用。通常情况下，一个数据集当中存在很多种不同的特征，其中一些可能是多余的或者与我们要预测的值无关的，可通过数据处理和可视化进行筛选。特征选择技术的必要性也体
MicroNet实战：使用MicroNet实现图像分类
本文通过对植物幼苗分类的实际例子来感受一下MicroNet模型的效果。模型来自官方，我自己写了train和test部分。从得分情况来看，这个模型非常的优秀，我选择用的MicroNet-M3模型，大小仅有6M，但是ACC在95%左右，成绩非常惊艳！！！这篇文章从实战的角度手把手带领大家完成训练和测试。
《MATLAB 神经网络43个案例分析》：第1章 BP神经网络的数据分类——语音特征信号分类
《MATLAB 神经网络43个案例分析》是MATLAB技术论坛（www.matlabsky.com）策划，由王小川老师主导，2013年北京航空航天大学出版社出版的关于MATLAB为工具的一本MATLAB实例教学书籍，是在《MATLAB神经网络30个案例分析》的基础上修改、补充而成的，秉承着“理论讲解
神经网络常见评价指标超详细介绍（ROC曲线、AUC指标、AUROC）
ROC曲线：接受者操作特征曲线（receiver operating characteristic curve）。ROC空间将伪阳性率（FPR）定义为 X 轴，真阳性率（TPR）定义为 Y 轴。从 (0, 0) 到 (1,1) 的对角线将ROC空间划分为左上／右下两个区域，在这条线的以上的点代表了一
【人工智能-神经网络】Numpy 实现单层感知机对情感文本多分类
Numpy 实现单层感知机对情感文本多分类一、 实验题目在给定文本数据集完成文本情感分类训练，在测试集完成测试，计算准确率文本的特征可以使用TF或TF-IDF （可以使用sklearn库提取特征）设计合适的网络结构，选择合适的损失函数利用训练集完成网络训练，并在测试集上计算准确率。二、 实验内容1.
NLP实战-基于弱标注数据的文本分类
本文介绍如何使用弱标注数据进行文本分类，基于CSDN文库下载标签分类场景进行介绍，使用特征选择的方法对弱标注的数据进行过滤，使弱标注的数据能用来进行模型训练。
使用卷积神经网络实现猫狗分类任务
一、数据集下载链接 使用卷积神经网络在猫狗分类数据集上实现分类任务。一、数据集下载链接 猫狗分类数据集
人工智能——文本分类（大作业必备）
tensorflow文本分类问题，实现将文本区分为积极、消极文本，保姆级讲解，不仅仅轻松过大作业，更可以带你快速理解对keras库的基本使用。
KNN算法数字识别完整代码——打开就可以跑
目录1、原理2、数据集3、代码以及注释1. 数据准备：2. 构建训练数据集：3. 测试集数据测试：4、运行结果5、总结6、致谢1、原理邻近算法，或者说K最近邻（KNN，k-NearestNeighbor）分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是K个最近的邻居的意思，说的是每个
数学建模学习（69）：朴素贝叶斯回归分类，轻松掌握
手把手教你使用贝叶斯回归分类模型
数学建模学习（65）：零基础学会使用SVM支持向量机分类
支持向量机SVM分类教程
机器学习之分类方法K近邻(KNN)
详解KNN原理及步骤，针对K值的选取，距离度量法的选择进行说明，并利用sklearn对手写体进行预测。
深度学习相关概念：交叉熵损失
深度学习相关概念：交叉熵损失交叉熵损失详解1.激活函数与损失函数1.1激活函数：1.2损失函数：2.对数损失函数（常用于二分类问题）：3.交叉熵、熵、相对熵三者之间的关系4.交叉熵损失函数（常用于多分类问题）4.1交叉熵的作用：5.交叉熵损失 VS 多类支撑向量机损失 我在学习深度学习的过程中，发
