Python 实现朴素贝叶斯代码演示
朴素贝叶斯可以细分为三种方法：分别是伯努利朴素贝叶斯、高斯朴素贝叶斯和多项式朴素贝叶斯。下文就这三种方法进行详细讲解和演示。目录一、伯努利朴素贝叶斯方法1.1 例子解答1.1.1 代码：1.1.2 结果：二、高斯朴素贝叶斯方法2.1 解题2.1.1 代码：2.1.2 结果：2.2 检查高斯朴素贝叶斯
kaggle注册以及数据集下载全流程
kaggle注册，数据集下载及常见问题
目标检测指标mAP详解
相信刚刚接触目标检测的小伙伴也是有点疑惑吧，目标检测的知识点和模型属实有点多，想要工作找CV的话，目标检测是必须掌握的方向了。我记得在找实习的时候，面试官就问到了我目标检测的指标是什么，答：mAP！问：mAP是什么？我：.......!☺所以在本文中我也是详细说一下mAP 的含义，有什么不对的或者不
机器学习实战练手项目
机器学习是一种从数据生成规则、发现模型，来帮助我们预测、判断、分析和解决问题的技术。一个机器学习项目从开始到结束大致分为5步，分别是定义问题、收集数据和预处理、选择算法和确定模型、训练拟合模型、评估并优化模型性能。......
TF-IDF算法(原理+python代码实现）
目录前言一、TF-IDF的由来二、什么是TF-IDF？2.1 TF(Term Frequency)2.2 IDF(Inverse Document Frequency)2.3TF-IDF(Term Frequency-Inverse Document Frequency)三、TF-IDF应用四、代码
LPIPS 图像相似性度量标准（感知损失）
LPIPS 图像相似性度量标准（感知损失）
【tensorflow】制作自己的数据集
【tensorflow】制作自己的数据集
图像处理之高通滤波器与低通滤波器
目录高频与低频区分：高通滤波器：1.傅里叶变换：低通滤波器：总结： 在了解图像滤波器之前，先谈一下如何区分图像的高频信息和低频信息，所谓高频就是该像素点与周围像素差异较大，常见于一副图像的边缘细节和噪声等；而低频就是该像素点与周围像素差异变化不大，一般体现为图像的平坦区；
YOLO算法之YOLOv5
目录一、什么是YOLOv5？一、什么是YOLOv5？参考学习：了解YOLO: https://baijiahao.baidu.com/s?id=1664853943386329436&wfr=spider&for=pc https://zhuanlan.zhihu.com/p/
深度学习系列37：CLIP模型
含义：CLIP（Contrastive Language-Image Pre-training）git地址：https://github.com/openai/CLIPpaper：https://arxiv.org/abs/2103.00020安装：pip install git+https://g
手把手带你调参Yolo v5 (v6.2)（验证）
解析val.py文件中21个参数含义！
WGAN(Wasserstein GAN)看这一篇就够啦，WGAN论文解读
WGAN本作引入了Wasserstein距离，由于它相对KL散度与JS 散度具有优越的平滑特性，理论上可以解决梯度消失问题。接 着通过数学变换将Wasserstein距离写成可求解的形式，利用 一个参数数值范围受限的判别器神经网络来较大化这个形式， 就可以近似Wasserstein距离。WGAN既解
CoCo数据集下载
文章目录1.介绍2.下载2.1 官网2.2 百度网盘2.3 下载到linux服务器1.介绍MS COCO的全称是Microsoft Common Objects in Context，起源于微软2014年的Microsoft COCO数据集COCO is a large-scale object d
jupyter不是内部或外部命令,也不是可运行程序的解决方案
jupyter不是内部或外部命令,也不是可运行程序的解决办法
计算机与自动化顶会(A类)2023截稿时间及会议时间(持续更新)
计算机顶会2023截稿时间及会议时间(持续更新)
推荐系统笔记（十）：InfoNCE Loss 损失函数
InfoNCELoss是为了将N个样本分到K个类中，K
火爆全网的ChatGPT上手体验，文尾免费送账号！
近期关于网路上对 （OpenAI发布的一款人工智能对话引擎）的讨论比较多。官方对的定义如下： 是一个计算机程序，可以自然地和人交流。它是由 开发的，是一个预训练的大型语言模型，可以生成文本，并且可以与人进行对话。相比于其他已知的语音助手，具有一些重要的优点。首先，它可以理解更复杂的语句，例如具有多层
数据挖掘-KNN算法+sklearn代码实现(六)
KNN最邻近分类算法的实现原理：为了判断未知样本的类别，以所有已知类别的样本作为参照，计算未知样本与所有已知样本的距离，从中选取与未知样本距离最近的K个已知样本，根据少数服从多数的投票法则（majority-voting），将未知样本与K个最邻近样本中所属类别占比较多的归为一类。
【自然语言处理（NLP）】基于ERNIE语言模型的文本语义匹配
【自然语言处理（NLP）】基于ERNIE语言模型的文本语义匹配，基于百度飞桨开发，参考于《自然语言处理实践》所作。
