分类

知识分享小能手

统计学学习教程，从入门到精通，分类数据分析 — 知识点详解(13）分类数据（Categorical Data）是指按照事物的某种属性进行分类后得到的数据，其结果表现为类别，而非数值。例如：

知识分享小能手

统计学学习教程，从入门到精通，分类数据分析 — 知识点详解(14）χ² 检验只能告诉我们两个变量是否独立（是否有关联），但不能告诉我们关联的强度和方向。因此需要相关测量指标。

现代野蛮人

【深度学习实验】—— Inception v1算法实战导入 PyTorch、torchvision 等深度学习库，配置 matplotlib 中文字体，固定随机种子，并自动选择 GPU/CPU 设备。

EvoMDT：用于多癌种结构化临床决策的自进化多智能体系统文献速递/医学智能体前沿2026.7.22本文提出EvoMDT，以角色分工、证据检索、共识协调和自进化机制模拟肿瘤MDT，在多癌种临床决策中提升可追溯性、效率和安全性。

机器人世界模型三类分类详解Robotics 里「世界模型（World Model）」几乎成了万能标签：视频生成、物理仿真、机器人策略都能被这么叫。**NVIDIA Cosmos 3 技术报告（2026 年 6 月）**给出一套可落地的三层划分——Video World Model → Action-Conditioned World Model → World Action Model——按输入/输出是否含 Action、输出是否为可执行控制拆开「看未来」「懂因果」「会出动作」三条线，便于对照各家产品到底落在哪一层。

【终审稿】CNN-RNN 通用分类算法及 MATLAB 实现假设一个人把手机固定在腰间，然后走路、上楼、下楼、坐下、站立或者躺下。手机里的加速度计和陀螺仪会不断记录身体运动。现在给你其中一小段传感器数据，让程序判断这个人在做什么，你会从哪里下手？

丨白色风车丨

PyTorch 迁移学习实战：ResNet18 实现 20 类食物图像分类（完整可运行代码）目录一、项目前言环境依赖二、完整源码三、代码分模块深度解析3.1 迁移学习核心：冻结主干网络两种训练模式切换

AI认知篇：AI是什么与核心分类体系很多人一提到AI，脑子里蹦出来的还是那个能陪你聊天、写诗作画的“聊天机器人”。但在2026年的今天，这种认知已经严重滞后了。现在的AI，早已从“被动回答问题的工具”进化成了“主动帮你办事的数字员工”。

解局易否结局

鸿蒙端侧 NLP 实战：分词器 + TF-IDF + 朴素贝叶斯分类 + 文本相似度技术栈：HarmonyOS NEXT（API 12+）｜ArkTS 原生开发核心亮点：纯算法实现，不依赖任何第三方 NLP 库；覆盖分词 → 关键词提取 → 文本分类 → 相似度计算全链路难度定位：中高级 · 完整可运行代码

All The Way North-

【TorchMetrics精通系列①】核心设计哲学 + Accuracy 超详解torchmetrics 堪称模型评估界的“绝世秘籍”，招式精妙且威力无穷。若想真正参透其中玄机、融会贯通，列位看官莫急，且听我细细拆解。这是 torchmetrics 系列文章的第一篇。

皓悦编程记

【YOLO26 系列】基于YOLO26的垃圾分类检测系统【python源码+Pyqt5界面/WEB+数据集+训练代码】本文基于最新YOLO26模型，开发了一套用于垃圾分类目标检测的智能系统，项目同时提供PyQt GUI本地界面和Flask Web网页两种交互方式。本项目采用公开TACO垃圾分类数据集开展训练，数据集涵盖18类常见生活垃圾，包含数千张标注图像。系统支持单张图片检测、文件夹批量检测、视频检测、摄像头实时检测四种模式，同时支持检测结果自动保存，可应用于智能垃圾分类回收设备、城市环卫垃圾分类识别等场景，兼具高精度识别能力与良好的实时性。

YOLO数据集集合

果蔬视觉识别数据集全量使用指南｜计算机视觉图像分类工程落地｜PyTorch迁移学习训练全流程生鲜零售分拣、智慧农业采摘、商超智能称重、生鲜APP视觉识别四大场景中，95%研发团队会遇到公开果蔬图像样本量不足、品类覆盖单一、图像尺寸不统一、训练验证集未标准化划分四大痛点；Kaggle公开果蔬数据集大多样本不足3万、品类少于40类，无法支撑工业级高精度分类模型训练，自行采集标注十万级图像人力成本超10万元、周期3个月以上。本文完整介绍一套标准化果蔬图像数据集，配套4:1自动划分脚本、224×224图像预处理流水线、ResNet迁移学习训练推理代码、类别映射工具，覆盖数据集预处理、模型训练、线下部署全

通过渐进式域变换实现组织分类的无监督单域泛化文献速递/基于多模态的医学影像分割与理解2026.7.14本文提出USD-PG，用渐进式染色风格和空间变换进行无监督预训练，提升病理组织分类模型对未知扫描仪和数据源的单域泛化能力。

程序员羽痕

基于深度学习的眼疾识别系统眼疾识别系统是一个基于深度学习的医疗辅助诊断平台，旨在帮助眼科医生和患者快速识别常见眼部疾病。系统通过分析眼底图片，能够准确识别白内障、青光眼、高血压视网膜病变等常见眼疾，并提供识别置信度，为临床诊断提供参考依据。

解局易否结局

鸿蒙 NEXT 端侧 AI 实战:用 MindSpore Lite 把图像分类跑在手机上在 HarmonyOS NEXT(API 12+)里,"AI 能力"不再只是云端大模型背后的一句调用。真正的产品体验,往往发生在设备本地–一张照片拍下后立刻识别、一段语音说完立刻转写、一次手势触发立刻预测。把推理放到端侧,意味着更低的延迟、更强的隐私保护,以及完全离线可用的能力。

计算机分类分为电子模拟计算机和电子数字计算机数字计算机可以进行细分电子计算机 - 电子模拟计算机|电子数字计算机 - 专用计算机

想会飞的蒲公英

逻辑回归为什么叫回归，却用来做分类学完线性回归后，很多人第一次看到"逻辑回归"都会困惑：它既然叫回归，为什么常被用来判断"是或否""会或不会"这类分类问题？

不羁的木木

《HarmonyOS技术精讲-Core Vision Kit》第8篇：图像标签分类HarmonyOS NEXT 开发里，Core Vision Kit 的图像标签分类能力经常被误解。很多人第一次接触这个 API 时，会觉得“不就是调用个接口返回几个标签吗”，但实际项目里，问题往往出在模型加载时机、结果解析粒度、以及如何把分类结果跟 UI 状态正确同步上。

猫狗分类模型 GPU版猫狗分类模型 - 基于 ResNet18 的二分类图像分类模型import torch from torchvision import transforms, models from PIL import Image import torch.nn as nn class CatDogNet(nn.Module): def __init__(self): super().__init__() self.backbone = models.resnet18(weights=None) self.backbo

海海不掉头发

机器学习实战：从零掌握集成学习（RF/XGBoost/GBDT/AdaBoost）—— 附泰坦尼克号、红酒分类、加州房价全流程解析作者：海宁不掉头发发布时间：2026-07-08阅读建议：本文适合有一定Python基础、刚入门机器学习的同学。