分类任务

QiZhang | UESTC18 天前
机器学习·损失函数·分类任务
【豆包写的】二分类交叉熵损失函数(BCE Loss)详细推导二分类交叉熵损失函数的推导,核心是基于极大似然估计(Maximum Likelihood Estimation, MLE),结合二分类任务的概率特性(伯努利分布),最终将“最大化样本出现概率”的目标,转化为“最小化负对数似然”的损失函数。
Ronin-Lotus10 个月前
人工智能·python·深度学习·机器学习·分类·模型训练·分类任务
深度学习篇---分类任务图像预处理&模型训练本文简单介绍了pytoch、paddlepaddle框架下的分类任务的图像预处理、模型训练以及模型保存的流程。
Eric.Lee20211 年前
人工智能·pytorch·分类·数据挖掘·分类任务
简单易用的分类任务开源项目 :classification项目地址:https://gitcode.net/EricLee/classification物体识别分类,pytorch 目前数据集
叶庭云2 年前
python·bug·scikit-learn·f1 分数·分类任务
scikit-learn 1.3.X 版本 bug - F1 分数计算错误如果您正在使用 scikit-learn 1.3.X 版本,在使用 f1_score() 或 classification_report() 函数时,如果参数设置为 zero_division=1.0 或 zero_division=np.nan,那么函数的输出结果可能会出错。错误的范围可能高达 100%,具体取决于数据集中的类别数量。这个错误可能会显著地影响到多分类问题中常用的宏平均 F1 指标,从而可能导致对分类器性能的误判,甚至可能带来一些安全风险。
我是有底线的