分类

机器学习：更多分类回归算法之决策树、SVM、KNN下面介绍的这几种算法，既能用于回归问题又能用于分类问题，接下来了解下吧。可参考：决策树（Decision Tree） | 菜鸟教程

大语言模型（LLM）按架构分类选择Encoder-Only当：选择Decoder-Only当：选择Encoder-Decoder当：

遥感影像岩性分类：基于CNN与CNN-EL集成学习的深度学习方法大家好，我是微学AI，今天给大家介绍一下遥感影像岩性分类：基于CNN与CNN-EL集成学习的深度学习方法。该方法充分利用了多源遥感数据的光谱和空间信息，同时结合了深度学习的自动特征提取的能力，更好地提高了岩性分类的精度，以及效率。实验结果表明了，与传统方法相比之下，基于深度学习的岩性分类方法能够很好地捕捉岩石的光谱特征和纹理特征，分类准确率显著地提高，为地质调查和资源勘探提供了新的技术手段。

拓端研究室

视频讲解|核密度估计朴素贝叶斯：业务数据分类—从理论到实践原文链接：https://tecdat.cn/?p=42814 分析师：Xing Gao视频讲解核密度估计朴素贝叶斯：业务数据分类—从理论到实践

Jetson边缘计算主板：Ubuntu 环境配置 CUDA 与 cudNN 推理环境 + OpenCV 与 C++ 进行目标分类最近由于业务需求，接触到了Jetson边缘AI计算主板，博主使用的是Jetson Orin NX 16GB这个版本，可以看到其算力达到了100TOPS，这是一个非常恐怖的算力了，接下来便是博主对其的环境配置过程，博主要在该主板上运行一个旋转检测模型，过程如下：

生态遥感监测笔记

GEE利用已有土地利用数据选取样本点并进行分类GEE利用已有土地利用数据选取样本点并进行分类遥感影像分类精度在定量遥感研究中较为重要，不同地物由于各自特殊的理化性质，在光谱曲线上表现为：吸收谷、反射峰位置不同，由特定反射值形成的夹角、距离、投影不同，且不同地物后向散射系数等存在一定差异，为通过光学、微波传感器识别地类提供一定理论依据。

差分定位技术：原理、分类与应用场景差分定位（Differential Positioning）是一种高精度的定位方法，也被称为相对定位。它通过使用两台或多台GNSS（全球导航卫星系统）接收机，分别安置在基线的两端，并同步观测相同的GNSS卫星，从而确定基线在协议地球坐标系中的相对位置和基线向量。这种方法可以有效提高定位精度，尤其适用于需要高精度测量的场景。

基于连接感知的实时困倦分类图神经网络疲劳驾驶是导致交通事故的主要原因之一。脑电图(EEG)是一种直接从大脑活动中检测睡意的方法，已广泛用于实时检测驾驶员的睡意。最近的研究表明，使用基于脑电图数据构建的大脑连接图来预测困倦状态的巨大潜力。然而，传统的脑连接网络与下游预测任务无关。本文提出了一种使用自注意机制的连接感知图神经网络(CAGNN)，该网络可以通过端到端训练生成与任务相关的连接网络。

AI数据皮皮侠

中国区域10m空间分辨率楼高数据集(全国/分省/分市/免费数据)数据简介今天分享的数据是中国各建筑物的高度栅格数据。原始数据是依据经纬度划分的区域数据。为了便于使用，我们将这些数据合并为一张覆盖整个中国的区域数据。此外，考虑到该区域数据的复杂性，我们进一步将其裁剪至省市级别，以便于研究与应用。

AI街潜水的八角

深度学习图像分类数据集—蘑菇识别分类该数据集为图像分类数据集，适用于ResNet、VGG等卷积神经网络，SENet、CBAM等注意力机制相关算法，Vision Transformer等Transformer相关算法。数据集信息介绍：蘑菇识别分类：['Agaricus', 'Amanita', 'Boletus', 'Cortinarius', 'Entoloma', 'Hygrocybe', 'Lactarius', 'Russula', 'Suillus'] 训练数据集总共有6714张图片，每个文件夹单独放一种数据各子文件夹图片统计:

【NLP入门系列五】中文文本分类案例博主简介：努力学习的22级本科生一枚 🌟；探索AI算法，C++，go语言的世界；在迷茫中寻找光芒🌸 博客主页：羊小猪~~-CSDN博客内容简介：这一篇是NLP的入门项目，中文文本分类案例。 🌸箴言🌸：去寻找理想的“天空“”之城上一篇内容：【NLP入门系列四】评论文本分类入门案例-CSDN博客 💁💁💁💁: NLP数据格式的构建确实比较难，这里卡住的主要是文本向量化的数据格式。

通过具有一致性嵌入的大语言模型实现端到端乳腺癌放射治疗计划制定|文献速递-最新论文分享Title题目End-to-end breast cancer radiotherapy planning via LMMs with consistency embedding

目标检测新纪元：DETR到Mamba实战解析🚀【实战分享】目标检测的“后 DEⱯ”时代：DETR/DINO/RT-DETR及新型骨干网络探索（含示例代码）

【NLP入门系列四】评论文本分类入门案例博主简介：努力学习的22级本科生一枚 🌟；探索AI算法，C++，go语言的世界；在迷茫中寻找光芒🌸 博客主页：羊小猪~~-CSDN博客内容简介：这一篇是NLP的入门项目，以AG_NEW新闻数据为例。 🌸箴言🌸：去寻找理想的“天空“”之城上一篇内容：【NLP入门系列三】NLP文本嵌入(以Embedding和EmbeddingBag为例)-CSDN博客 💁💁💁💁: 如果在conda安装环境，由于nlp的核心包是torchtext，所以如果把握不好就重新创建一虚拟环境(小编的“难忘”经历)

.30-06Springfield

利用人名语言分类案例演示RNN、LSTM和GRU的区别（基于PyTorch）在自然语言处理领域，人名分类是一个有趣且实用的任务，例如可以根据人名推测其所属的语言或文化背景。本文将详细介绍如何使用 PyTorch 构建基于 RNN、LSTM 和 GRU 的人名分类模型，通过对代码的剖析，帮助大家理解这些循环神经网络在序列数据处理中的应用。

Python 机器学习核心入门与实战进阶 Day 1 - 分类 vs 回归当你拿到一个数据问题时，可以问自己：自构造一个小型分类与回归数据集分别使用逻辑回归与线性回归模型进行建模

支持向量机（SVM）分类支持向量机（Support Vector Machine，SVM）是一种经典的监督学习算法，主要用于分类任务，也可扩展到回归问题（称为支持向量回归，SVR）。其核心思想是通过寻找一个最优超平面，最大化不同类别数据之间的间隔（Margin），从而实现高效分类。

不秃的卤蛋

回归任务与分类任务的区别回归任务（Regression）与分类任务（Classification）是机器学习的两大核心任务类型，其根本区别在于输出变量的性质和任务目标。以下是系统性对比：

【机器学习四大核心任务类型详解】分类、回归、聚类、降维都是什么？目录一、分类任务（Classification）1.1 定义1.2 分类的两种形式1. 二分类（Binary Classification）