技术栈
下采样
小关会打代码
19 天前
人工智能
·
机器学习
·
逻辑回归
·
下采样
·
过采样
机器学习第三课之逻辑回归（三）LogisticRegression
目录简介1.下采样2.过采样接上两篇篇博客最后，我们使用了K折交叉验证去寻找最合适的C值，提升模型召回率，对于选取C的最优值，我们就要把不同C值放到模型里面训练，然后用验证集去验证得到结果进行比较，发现最后模型得到很大的提升 ，但是相对与召回率还是差了很多
赴335
20 天前
算法
·
机器学习
·
逻辑回归
·
下采样
·
交叉验证
·
过采样
·
阈值
逻辑回归 银行贷款资格判断案列优化 交叉验证，调整阈值，下采样与过采样方法
目录一.交叉验证1.参数选择与验证集的引入2.交叉验证方法3.交叉验证实现二.阈值的调整1.什么是阈值
Monkey的自我迭代
21 天前
python
·
机器学习
·
逻辑回归
·
数据处理
·
下采样
·
过采样
逻辑回归参数调优实战指南
在前面的学习中，我们参数使用的都是默认参数。所有在面对特殊问题的时候，准确率会高，召回率也不高。所以我们要对某些数据进行微调。
十有久诚
2 年前
人工智能
·
深度学习
·
cnn
·
下采样
论文解读：A New CNN Building Block for Low-ResolutionImages and Small Objects
之前通过stride和pooling这些下采样操作，但是这些操作都会或多或少丢失图像的信息，所以这不适用于具有低分辨率图像和小物体的更困难的任务上。像池化选择maxpooling或者是averagepooling、卷积的步长(太大的话会丢失信息)都是很头疼的问题，为此设计SPD模型。