- 博客(10)
- 收藏
- 关注
RSS订阅原创 【机器学习】西瓜书+南瓜书阅读笔记- 第 3 章: 线性模型
线性回归，多元线性回归，广义线性模型（对数线性回归，对数几率回归），线性判别分析（广义瑞利商），多分类学习（OvO，OvR，MvM，ECOC，编码矩阵），类别不平衡问题（欠采样，过采样，阀值移动）
2024-09-21 19:45:12
1182
原创 【机器学习】西瓜书+南瓜书阅读笔记- 第1 & 2 章: 概览、 模型评估与选择
机器学习基本术语、模型的分类方法、假设空间、归纳偏好以及模型评估与选择的方法。包括留出法、交叉验证、自助法等，涉及模型的泛化能力与过拟合问题，分层采样与自主采样对模型评估的影响。
2024-09-16 18:14:20
1375
原创 代码随想录-算法训练营 Day 3 - 链表基础
基本的链表操作。包括从链表中删除元素、设计一个带有核心操作的自定义链表，以及反转单链表，实现基本遍历和操作。
2024-09-10 13:24:02
821
原创 Datawhale AI 夏令营 - CV：物体检测算法 YOLO
相比Two-Stage模型，One-Stage模型不需要显式的候选区域生成步骤，而是直接对整张图像进行全局分析，预测图像中所有物体的类别和位置信息。物体检测算法的输入通常是一张图像或视频帧，在训练阶段，为了训练一个物体检测模型，数据集通常包含已标注的图像或视频帧。在某些检测算法中，如基于区域的卷积神经网络（R-CNN）及其变体，首先需要生成图像中的候选区域，这些区域可能包含感兴趣的物体。从验证集上的损失 (文件，文件中的每行表示一个物体的标注，包括物体的类别索引和边界框（bounding box）的坐标。
2024-08-29 23:53:18
2243
原创 Datawhale AI 夏令营 CV Task 1 笔记
使用F1score、MOTA指标来评估模型预测结果。对每个json文件得到两个指标的加权求和，最终得分为所有文件得分取均值。12其中，F1 Score是 Precision（精度）和 Recall（召回率）的调和平均值，专注于检测模型的准确性和完整性。
2024-08-26 21:02:57
2166
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人