分类

Agent数据价值分类存储原则日期:2026-08-12 定位:架构设计原则文章——以「价值分类学 + 淘汰机制 + 召回预算」为可叠加的治理三环,补足「大模型主动储存」的治理短板,而非以对立范式取代它。核心分类轴:AI 运行数据的储存判定存在两条正交的轴,而非非此即彼的两类——

其美杰布-富贵-李

05 多分类任务中的评估指标：Binary Metrics 如何扩展到 Multi-class？前面的 TP、FP、TN、FN 都是从二分类问题出发。但是现实任务中经常存在多个类别。例如：或者：这类问题称为：

AG-news分类任务本文使用 AG-News 新闻分类数据集，实现一个简单的文本分类模型。任务目标：输入一段新闻文本，判断该新闻属于哪个类别。

统计学小王子

分类模型评价指标——R语言（数学建模常用）准确率 (Accuracy) (TP + TN) / (TP + TN + FP + FN) 适用：类别均衡场景

YOLO人物肖像发型分类目标检测数据集YOLO26 小数据集目标检测训练全流程该数据集提供了data.yaml文件，内容如下：小郭AI日志： https://mp.weixin.qq.com/mp/appmsgalbum?__biz=MzYzNTg4ODk4NA==&action=getalbum&album_id=4497813105477042181&scene=126#wechat_redirect @image:image.dbe2d44a14.png

过期的秋刀鱼！

使用都热编码的分类特征之前的例子我们每个特征只有两个选项，耳朵是立的，塌的，脸型圆的，非圆的等等每个特征只有两个选项那如果是两个选型的离散呢？我们将讨论如何用都热编码来处理这一类问题

基于 LSTM 的中文电商评论情感分类：从数据处理到 91% 准确率实战项目地址（Gitee）：https://gitee.com/Touari/lstm_sentiment_2class.git 本文整合自项目《构建文档》与《技术文档》，既讲复现步骤，也讲设计原理。

408数据结构第5章：树与二叉树③——公式分类速查用途：考前快速查公式。看到题型后直接定位公式。按度分类：展开：适用：默认根为第1层。高度为h：等价：从1开始编号。

光片显微镜海量3D图像重建/拼接软件全分类分为Fiji开源插件、独立开源命令行工具、新一代大数据框架、厂商配套商用软件、专用手动交互工具五大类，同时标注各自与BigStitcher的核心差异、适用场景、优缺点。

09 K 近邻算法入门：从距离理解分类上一篇使用逻辑回归完成了二分类。逻辑回归会从训练数据中学习一组参数，再根据线性得分、Sigmoid 函数和分类阈值作出判断。K 近邻算法采用另一种思路：它面对一个新样本时，不先建立一条显式公式，而是回到训练数据中寻找与它最接近的若干样本，再根据这些“邻居”的类别进行预测。

一碗白开水一

入门实践工程九：基于 BERT 的中文情感分类微调~附:安装依赖库及工程源码🔥 别再死磕枯燥理论了！AI 时代，拿实战作品说话才是硬道理！（原创不易哈，希望可以帮到还有些许学习劲儿的同学们） 🔥 【进阶版还在创作中，耗费精力中……】

一碗白开水一

入门实践工程一：基于 sklearn 的鸢尾花分类（传统机器学习入门）|附:环境依赖及工程源码🔥 别再死磕枯燥理论了！AI 时代，拿实战作品说话才是硬道理！（原创不易哈，希望可以帮到还有些许学习劲儿的同学们） 🔥 【进阶版还在创作中，耗费精力中……】

一碗白开水一

入门实践工程四：基于 PyTorch 的手写数字识别（MNIST 图像分类）|附:环境依赖环境及工程源码🔥 别再死磕枯燥理论了！AI 时代，拿实战作品说话才是硬道理！（原创不易哈，希望可以帮到还有些许学习劲儿的同学们） 🔥 【进阶版还在创作中，耗费精力中……】

深度学习确定baseline之后怎么做改进？很多人把 baseline 跑通之后，第一反应是给模型加一个注意力模块，换一个更复杂的损失函数，或者把网络层数再堆深一点。结果往往是代码改了不少，指标却没有明显变化，训练还变得更不稳定。

基于深度学习的车辆识别收费管理系统（全套源码+数据集）前后端分离的停车场收费与车牌识别演示系统：管理员使用后台进行通行、车辆、订单、费率与用户管理；普通用户使用前台查看车辆、识别车牌与停车订单。

基于机器学习的智能邮件分类系统：从数据采集到模型部署全流程实战本文摘要：本文详细介绍了一个基于机器学习的智能邮件分类系统，涵盖数据采集、中文文本预处理、TF-IDF特征提取、五种机器学习模型对比训练、模型评估与可视化、GUI系统开发全流程。系统使用5,518封中英文混合邮件（中文占比74.6%）作为数据集，SVM模型在测试集上取得92.39%的准确率和92.33%的F1值。文中包含完整可运行代码，适合NLP入门和课程设计参考。本文代码+数据：https://pan.quark.cn/s/c2e80eb58fa0

水稻病害检测数据集分享（适用于YOLO系列深度学习分类检测任务）链接:https://pan.baidu.com/s/1anVJzZmLaeJfdjz5mUwVPA?pwd=96f7

weixin_44626085

生成式与智能体AI认知能力缺陷分类体系论文原文链接：https://arxiv.org/html/2608.02553v1认知人工智能（Cognitive AI）旨在突破纯文本生成、单次任务自主执行的局限，构建具备持续推理、自适应行为、长期稳定记忆、自我调控能力的AI系统。当前生成式、智能体大模型虽然在各类短任务上表现亮眼，但底层核心认知功能碎片化、发育不完善，无法支撑长时间稳定自主运行。本文以分类学综述形式，系统梳理限制现有AI发展的五大类核心认知缺陷：持久状态建模、目标导向自主、自我监控与控制、环境交互、学习与自适应。针对每个维度梳理前

【自然语言处理】词向量转换与中文文本情感分类——从CountVectorizer到朴素贝叶斯jieba库、朴素贝叶斯算法和TF-IDF值是自然语言处理（NLP）中常用的工具和技术，各自在文本处理的不同阶段发挥作用。在自然语言处理的世界里，如何让计算机"读懂"人类语言一直是核心难题，而词向量转换正是破解这一难题的关键钥匙。本次机器学习专题，我们就来深入探讨这一基础又核心的技术。词向量转换的本质，是将文本中离散的词语转化为连续的数值向量。这一步看似简单，却实现了从"机器无法理解的文字"到"可计算的数字"的跨越，为后续的文本分类、情感分析、机器翻译等任务铺平了道路。

段一凡-华北理工大学

AI推动工业智能化转型~系列文章07：分类与诊断算法体系：故障识别的完整工具箱工业分类任务的终极形态是"诊断"：判断设备是否故障、炉况是否异常、产品是否合格。与互联网分类（猫狗图片）不同，工业诊断面临类别极端不平衡、标签模糊、误报代价不对称三重挑战。本期给出工业分类的算法工具箱与不平衡应对体系。