一、F值在之前的学习中,我们已经学习了精确率Precision和召回率Recall,有没有这样一个值能够综合得考虑这两个值呢?如果只是简单地计算平均值并不算很好的方法。假设现在有两个模型,它们的精确率和召回率是这样的: 模型 B 的召回率是 1.0,也就是说所有的 Positive 数据都被分类为 Positive 了,但是精确率也实在是太低了。如果将所有的数据都分类为 Positive,那么召回
一、过拟合之前我们提到过的模型只能拟合训练数据的状态被称为过拟合,英文是 overfitting。记得在学习回归的时候,过度增加函数 fθ(x)的次数会导致过拟合。过拟合不止在回归时出现,在分类时也经常发生,我们要时常留意它。避免过拟合有以下方法: 增加全部训练数据的数量 使用简单的模型 正则化首先,重要的是增加全部训练数据的数量。之前我也讲过,机器学习是从数据中学习的,所以数据最重要。另外,使用
一、计算公式 精确率2.召回率 F值 二、详细分析2.1精确率在上一篇文章中,我们已经知道了精度的计算公式:一般来说,只要计算出这个 Accuracy 值,基本上就可以掌握分类结果整体的精度了。但是有时候只看这个结果会有问题,所以还有别的指标。 比如下面这个例子:假设图中的圆点是 Positive 数据、叉号是Negative 数据,我们来考虑一下数据量极其不平衡的情况。假设有 100 个数据
一、什么是模型评估简单的讲,模型评估就是评估训练好的模型的好坏。 在进行回归和分类时,为了进行预测,我们定义了函数 fθ(x),然后根据训练数据求出了函数的参数 θ。也就是对目标函数进行微分,然后求出参数更新表达式的操作,当时我们求出参数更新表达式之后就结束了。但是,其实我们真正想要的是通过预测函数得到预测值。以回归的那个例子来说,就是关于投入的广告费能带来多少点击量的预测值。所以我们希望 fθ(
YOLO数据集介绍Yolo数据集主要是txt文件,一般包括train文件夹和val文件夹,每一个文件夹下有与图片同名的txt文件,基本结构如下: txt的标签如下图所示:第一列为目标类别,后面四个数字为方框左上角与右下角的坐标,可以看到都是小于1的数字,是因为对应的整张图片的比例,所以就算图像被拉伸放缩,这种txt格式的标签也可以找到相应的目标。 VOC数据集介绍VOC格式数据集一般有着如下的目录
数据是深度学习的基础,一般来说,数据量越大,训练出来的模型也越强大。如果现在有了一些数据,该怎么把这些数据加到模型中呢?Pytorch中提供了dataset和dataloader,让我们一起来学习一下吧,dataset和dataloader博主将用几个例子来说明,感谢支持! 文章目录 一、dataset 二、查看dataset 三、os操作读取文件夹下的对象 四、Da
这篇博客就带大家手把手用pycharm连接远端服务器,用服务器上的GPU跑代码。其中有很多雷点,都一一帮大家踩了,所以这也是一篇避雷篇。文章附pycharm专业版下载链接,xshell7和xrtp7的下载和使用说明,希望可以给大家带来帮助。 文章目录 一、Pycharm连接远程服务器 二、xshell7和xrtp7配合使用 三、总结 一、Pycharm连接
通过这篇博客,你将清晰的明白什么是如何区别欠拟合与过拟合。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——学习曲线:如何区别欠拟合与过拟合》 文章目录 一、过拟合 二、区分过拟合与欠拟合 三、高偏差和高方差 四、总
文章目录 孤注一掷——基于文心Ernie-3.0大模型的影评情感分析 写在前面 一、数据直观可视化 1.1 各评价所占人数 1.2 词云可视化 二、数据处理 2.1 清洗数据 2.2 划分数据集 2.3 加载数据 2.4 展示数据 三、RNIE 3.0文心大模型 3.1 导入模型 3.2 模型训练 3.3 可视化训练曲
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》 文章目录 一、分类的正则化 二、包含正则化项的表达式的微分 一、分类的正则化 在上一篇问文章中
博主已有:Pycharm+Anaconda 通过这篇博客你将获得:Cuda10.2+cuDNN11.x+Pytorch1.8.0(GPU) import torch print(torch.cuda.is_available()) print(torch.__version__) print(torch.version.cuda) True 1.8.0 10.2
这个专栏名为《Numpy从入门到精通》,顾名思义,是记录自己学习numpy的学习过程,也方便自己之后复盘!为深度学习的进一步学习奠定基础!希望能给大家带来帮助,爱睡觉的咋祝您生活愉快! 这一篇介绍《Numpy从入门到精通——广播机制》 文章目录 一、np与math库比较 二、与单一元素进行运算 三、循环与向量运算比较 一、np与math库比较 使用过
这个专栏名为《Numpy从入门到精通》,顾名思义,是记录自己学习numpy的学习过程,也方便自己之后复盘!为深度学习的进一步学习奠定基础!希望能给大家带来帮助,爱睡觉的咋祝您生活愉快! 这一篇介绍《Numpy从入门到精通—— Numpy运算符|批处理》 在前面几次分享中,我们学习了Numpy的矩阵生成,数据读存、获取、广播机制等,这一次我们进一步学习Numpy的算数运算符以及批处理!
这个专栏名为《Numpy从入门到精通》,顾名思义,是记录自己学习numpy的学习过程,也方便自己之后复盘!为深度学习的进一步学习奠定基础!希望能给大家带来帮助,爱睡觉的咋祝您生活愉快! 这一篇介绍《Numpy从入门到精通——广播机制》 文章目录 一、np与math库比较 二、与单一元素进行运算 三、循环与向量运算比较 一、np与math库比较 使
这个专栏名为《Numpy从入门到精通》,顾名思义,是记录自己学习numpy的学习过程,也方便自己之后复盘!为深度学习的进一步学习奠定基础!希望能给大家带来帮助,爱睡觉的咋祝您生活愉快! 这一篇介绍《Numpy从入门到精通——存读矩阵以及读取矩阵中的数据》 文章目录 一、利用savetxt、loadtxt存读矩阵 二、读取维度为1的矩阵数据 2.1 获取指定位
这个专栏名为《Numpy从入门到精通》,顾名思义,是记录自己学习numpy的学习过程,也方便自己之后复盘!为深度学习的进一步学习奠定基础!希望能给大家带来帮助,爱睡觉的咋祝您生活愉快! 这一篇介绍《Numpy从入门到精通——随机生成数组|特定生成数组|规则生成数组》 文章目录 0、写在前面 一、Numpy基础知识 二、数组属性 三、random模块生成数组
这个专栏名为《Numpy从入门到精通》,顾名思义,是记录自己学习numpy的学习过程,也方便自己之后复盘!为深度学习的进一步学习奠定基础!希望能给大家带来帮助,爱睡觉的咋祝您生活愉快! 这一篇介绍《Numpy从入门到精通——节省内存|通用函数》 文章目录 一、节省内存 2.1使用X=X+Y与X+=Y的区别 2.2 X=X+Y与 X[:] = X+Y 二、通
这个专栏名为《Numpy从入门到精通》,顾名思义,是记录自己学习numpy的学习过程,也方便自己之后复盘!为深度学习的进一步学习奠定基础!希望能给大家带来帮助,爱睡觉的咋祝您生活愉快! 这一篇介绍《Numpy从入门到精通——数组变形|合并数组》 文章目录 一、修改数组的形状 1.1 reshape函数 1.2 resize函数 1.3 T函数 1.4 ravel
在深度学习中,第一步要做的往往就是处理数据集,尤其是学习百度飞桨PaddlePaddle的小伙伴,数据集经常要用Voc格式的,比如性能突出的ppyolo等模型。所以学会数据集转化的本领是十分必要的。这篇博客就带你一起进行Yolo与Voc格式的相互转化,附详细代码! 文章目录 YOLO数据集介绍 VOC数据集介绍 Yolo转VOC VOC转Yolo
积分
粉丝
勋章
TA还没有专栏噢
第三方账号登入
看不清?点击更换
第三方账号登入
QQ 微博 微信