分类

人工鱼群算法AFSA优化支持向量机SVM,提高故障分类精度用人工鱼群算法（AFSA）优化 SVM 的 C 与 σ 参数，提高故障分类精度。代码包含：一、目录结构

索迪迈科技

机器学习投票分类前阵子客户有个小需求是用机器学习建模分类模型，并用投票分类提升分类效果。给出的数据集已经上传到资源链接中。这组数据应该是烟草烘（干）工艺的在线监测记录，也就是“烘丝机”或“烟丝干燥线”上每隔20分钟自动采样的实时参数。分类的label是status，一共是[0,1,2,3,4,5,6]七个类别。

Transformer实战（17）——微调Transformer语言模型进行多标签文本分类与单标签分类不同，多标签分类要求模型能够为同一文本分配多个相关标签，这在新闻分类、文献标注、内容推荐等场景中尤为重要。本节以 PubMed 数据集为例，微调 DistilBERT 模型，介绍多标签文本分类的完整实现流程。探讨如何从数据预处理、模型微调、损失函数选择到性能评估，构建一个高效的多标签分类模型，并针对标签不均衡问题提出优化策略。

君名余曰正则

机器学习实操项目03——Scikit-learn介绍及简单分类案例上一章：机器学习实操项目02——Pandas入门下一章：机器学习核心知识点目录：机器学习核心知识点目录机器学习实战项目目录：【从 0 到 1 落地】机器学习实操项目目录：覆盖入门到进阶，大学生就业 / 竞赛必备

SciKit-Learn 全面分析 digits 手写数据集digits 手写数字数据集，1797个样本，8x8像素灰度图像（64个特征），10个类别（0-9）作为多分类任务的玩具数据，需要使用分类方法进行分析

Twilight-pending

计算机系统性能、架构设计、调度策略论文分类体系参考可以选择2-3个维度进行组合分类，如"强化学习 + 云计算 + 性能优化"

如何让dify分类器更加精准的分类？为了让 Dify 的 AI 流程在“分类”这一环节尽可能精准，你需要把“分类提示词”当成一个小型专家系统来设计：

人工智能常见分类人工智能的分类方式多样，以下是一些常见的分类方法及具体类型：一、按功能目标分类弱人工智能（ANI，Narrow AI）：专注于单一任务，无自主意识，如图像识别（人脸解锁）、语音助手（Siri、小爱同学）、推荐系统（抖音、淘宝算法）等，当前所有商用AI均属此类。强人工智能（AGI，Artificial General Intelligence）：具备人类水平的通用认知能力，能运用已学知识完成新任务，无需人类干预，可自行解决问题，但目前还处于理论探索阶段。超级人工智能（ASI）：全面超越人类智能的形态，

民乐团扒谱机

逻辑回归算法干货详解：从原理到 MATLAB 可视化实现逻辑回归是机器学习中二分类任务的 “入门级利器”，虽然名字带 “回归”，但实际是分类算法，广泛用于垃圾邮件识别、疾病诊断、用户流失预测等场景。这篇文章只讲干货：跳过复杂公式推导，聚焦 “怎么理解”“怎么用”“怎么看效果”，最后附上完整 MATLAB 代码，运行后能直接画出分类边界和迭代过程，帮你快速上手。

计算机毕业设计指导

基于ResNet50的智能垃圾分类系统随着城市化进程的加速和人口数量的增长，垃圾处理问题日益成为全球性的环境挑战。传统的垃圾分类方式主要依赖人工识别，存在效率低下、分类准确性不高等问题。根据世界银行的数据显示，全球每年产生约20亿吨城市固体废物，预计到2050年这一数字将增长到34亿吨。在这种背景下，利用人工智能技术实现智能垃圾分类具有重要的现实意义和应用价值。

roman_日积跬步-终至千里

【软件架构设计（19）】软件架构评估二：软件架构分析方法分类、质量属性场景、软件评估方法发展历程软件架构评估方法体现了从定性到定量、从主观到客观的演进过程。这种演进反映了软件工程学科的成熟，从经验驱动逐步转向数据驱动。

cifar10分类对比:使用PyTorch卷积神经网络和SVM数据集下载参考:cifar10下载太慢,解决使用第三方链接或迅雷下载-CSDN博客我是用的PyTorch2.8.0

【科研成果速递-IJGIS】如何描述与分类移动对象的时空模式？一个新的分类框架与体系！移动对象遍布于我们周围的世界，从天空中飞翔的鸟儿、道路上行驶的车辆，到海洋中游动的鱼群、海域中航行的船舶；从微观世界里不停运动的原子粒子，到浩瀚宇宙中运转的行星。它们源源不断的时空轨迹中蕴含着丰富有价值的时空运动模式。如何系统描述和分类这些模式，一直是地理信息科学、生态学、交通运输等领域的研究重点和难点。为此，本研究提出了一个新的移动对象时空模式分类框架，为跨领域如认知、描述与挖掘运动模式提供了统一的方法论指导。该研究成果已发表于GIS领域顶刊《International Journal of Geogr

【左程云算法03】对数器&算法和数据结构大致分类目录对数器的实现代码实现与解析1. 随机样本生成器 (randomArray)2. 核心驱动逻辑 (main 方法)

残差网络迁移学习对食物分类案例的改进目录一.直接修改最后一层1.导入模型2.冻结模型所有参数3.修改最后一层4.获取需要更新的参数5.创建模型

机器学习从入门到精通 - Transformer颠覆者：BERT与预训练模型实战解析开场白：点燃你的NLP革命之火朋友们，如果你还在用RNN、LSTM和GRU吭哧吭哧地处理文本任务，看着那缓慢的训练速度和捉襟见肘的长程依赖建模能力发愁——停！是时候拥抱颠覆者了。Transformer，这个2017年横空出世的架构，彻底重塑了自然语言处理的格局。而站在巨人肩膀上的BERT及其引发的大规模预训练模型浪潮，则直接让NLP进入了“工业化生产”时代。这篇长文不是蜻蜓点水的概念介绍，我们要撸起袖子，深入BERT的骨髓，从理论推导到代码实战，亲手搭建、训练、微调，并直面那些官方文档很少提及的“坑”。准

迁移学习实战：基于 ResNet18 的食物分类迁移学习是一种高效的机器学习方法，它利用在大规模数据集上预训练好的模型，在新的任务上进行微调。这样做的优势十分显著：

机器学习(七）决策树-分类通过条件判断而进行分支选择的节点。将样本的属性值，也就是特征值与决策节点上的值进行比较，从而判断它的流向。

荒野饮冰室

分类、目标检测、实例分割的评估指标混淆矩阵是分类问题中用于评估模型性能的表格，它将模型的预测结果与真实标签进行对比，并分为四种不同的情况，从而清晰地显示出模型在哪些地方产生了“混淆”。

Transformer实战（16）——微调Transformer语言模型用于多类别文本分类在本节中，我们将介绍如何微调 Transformer 语言模型用于多类别文本分类，使用土耳其语预训练模型 BERTurk，在自定义新闻分类数据集上完成七类别文本分类任务，涵盖了数据下载与预处理、标签映射与分布可视化、构建 Dataset 与 DataLoader、配置 Trainer 训练参数，定义宏平均 F1、精准率、召回率等评估指标。