TF之LSTM：利用LSTM算法对mnist手写数字图片数据集(TF函数自带)训练、评估(偶尔100%准确度)目录输出结果设计思路代码设计输出结果第 0 accuracy 0.125第 20 accuracy 0.6484375第 40 accuracy 0.78125第 60 accuracy 0.9296875第 80 accur...
原创
2021-06-15 20:44:52
154阅读
昨天遇到一个特别奇怪的bug,华为手机获取高德定位信息失败，调试打印数据后发现 location.getAddress()这个获取值为空，之前一直选择高精度模式，但是获取不到位置信息 //设置定位模式为AMapLocationMode.Hight_Accuracy，高精度模式。 mLocationOption.setLocationMode(AMapLocationMode.Hight_Accur
转载
2023-07-09 21:26:13
363阅读
RCNN- 将CNN引入目标检测的开山之作
前面一直在写传统机器学习。从本篇开始写一写 深度学习的内容。 可能需要一定的神经网络基础（可以参考 Neural networks and deep learning 日后可能会在专栏发布自己的中文版笔记）。RCNN (论文：Rich feature hierarchies for accur
最近在做深度学习的目标检测方向，评价指标涉及mAP，Precision，Recall等指标。真可谓 剪不断，理还乱索性总结了下机器学习和深度学习常见的评价指标，包括有真阳性率 True Positive(TP)、 假阳性率 False Positive(FP)、 真阴性率 True Negative(TN)、 假阴性率 Fause Negative(FN)、 总体精度 Overall Accur
转载
2024-08-27 14:28:56
135阅读
数字的格式化输出 问题你需要将数字格式化后输出，并控制数字的位数、对齐、千位分隔符和其他的细节。 解决方案格式化输出单个数字的时候，可以使用内置的 format() 函数，比如： 1 >>> x = 1234.56789
2
3 >>> # Two decimal places of accur
转载
2023-06-08 22:26:23
200阅读
特别声明：本文是阅读文章“Mask-RCNN论文解读”所做笔记。详细细节可参阅原文。Mask-RCNN论文解读
Mask R-CNN是基于Faster R-CNN演进改良而来：1）FasterR-CNN并不是为了输入输出之间进行像素对齐的目标而设计的，MASK R-CNN提出一个简洁非量化的层RoIAlign，不仅保留大致的空间位置，而且能够相对提高10%到50%的掩码精确度（Mask Accur
转载
2024-05-27 16:56:43
55阅读
机器学习评价指标1、几个概念精确率：Precision——”正确被检索的item(TP)”占所有”实际被检索到的(TP+FP)”的比例召回率：Recall——“正确被检索的item(TP)”占所有”应该检索到的item(TP+FN)”的比例F-measure= 正确率 * 召回率 * 2 / (正确率 + 召回率) （F 值即为正确率和召回率的调和平均值）准确率：Accur...
转载
2021-07-16 17:42:24
1461阅读
机器学习评价指标1、几个概念精确率：Precision——”正确被检索的item(TP)”占所有”实际被检索到的(TP+FP)”的比例召回率：Recall——“正确被检索的item(TP)”占所有”应该检索到的item(TP+FN)”的比例F-measure= 正确率 * 召回率 * 2 / (正确率 + 召回率) （F 值即为正确率和召回率的调和平均值）准确率：Accur...
转载
2022-02-11 09:35:33
551阅读
# 项目方案：用Python表示错误率和精度
## 引言
在机器学习和深度学习的模型评估中，错误率（Error Rate）和精度（Accuracy）是两个非常重要的性能指标。错误率表示模型预测错误的比例，而精度则意味着正确预测占所有预测的比例。在本方案中，我们将探讨如何使用Python来计算并表示这些指标，通过实际代码示例来加深理解。
## 1. 理论背景
### 1.1 精度（Accur
Mask R-CNN介绍Mask R-CNN是基于Faster R-CNN的基于上演进改良而来，FasterR-CNN并不是为了输入输出之间进行像素对齐的目标而设计的，为了弥补这个不足，我们提出了一个简洁非量化的层，名叫RoIAlign，RoIAlign可以保留大致的空间位置，除了这个改进之外，RoIAlign还有一个重大的影响：那就是它能够相对提高10%到50%的掩码精确度（Mask Accur
转载
2024-05-24 09:58:04
62阅读
# 机器学习中的准确率（Accuracy）及其在Python中的实现
在机器学习中，“准确率”（Accuracy）是一个常用的性能度量指标，尤其在分类问题中，它可以告诉我们模型预测的正确性。简单来说，准确率是指正确预测的观察值占总观察值的比例。本文将详细讲解准确率的概念以及如何在Python中实现它，并附上代码示例。
## 准确率的定义
准确率的计算公式如下：
\[
\text{Accur
摘要：CosineWarmup是一种非常实用的训练策略，本次教程将带领大家实现该训练策略。教程将从理论和代码实战两个方面进行。作者： 李长安。CosineWarmup是一种非常实用的训练策略，本次教程将带领大家实现该训练策略。教程将从理论和代码实战两个方面进行。在代码实战部分，模型采用LeNet-5模型进行测试，数据采用Cifar10数据集作为基准数据，Warmup最早出现于这篇文章中：Accur
# 项目方案：计算模型性能指标-准确率、精准率和召回率
## 引言
在机器学习和数据挖掘的过程中，模型性能评估是至关重要的一环。常用的性能指标包括准确率（Accuracy）、精准率（Precision）和召回率（Recall）。本项目旨在通过数据分析，深入了解这些指标的计算方法及应用，帮助团队在模型评估中做出更科学的决策。
## 1. 准确率、精准率和召回率定义
- **准确率（Accur
全国人工智能大赛-行人重识别(Person ReID)赛项-季军团队由5名博士生组成，该次比赛初赛和复赛阶段的代码后续将整理开源，敬请期待！团队名称：DMT团队成员：罗浩、何淑婷、 古有志、 王珊珊、 张宇琪赛题任务给定一张含有某个行人的查询图片，行人重识别算法需要在行人图像库中查找并返回特定数量的含有该行人的图片。评测方法：50%首位准确率（Rank-1 Accur
转载
2022-11-29 19:33:42
179阅读
# 银行机器学习面试：理论与实践
在银行行业，机器学习（ML）已成为提升客户服务、风险管理和决策制定的关键工具。在求职过程中，面试中的机器学习知识考察尤为重要。本文将探讨一些基本概念，并用代码示例和可视化图表加以说明。
## 理论基础
机器学习是一种让计算机通过数据自我学习的方法。在银行业常见的应用包括信用评分、欺诈检测和客户分析。理解模型评估的基本概念至关重要。我们通常使用精度（Accur
模型选择:对特定任务最优建模方法的选择或者对特定模型最佳参数的选择在训练数据集上运行模型(算法)并在测试数据集中测试效果,迭代进行数据模型的修改,这种方式呗称为交叉验证(将数据分为训练集和测试集,使用训练集构建模型,并使用测试i集评估模型提供修改建议)模型的选择会尽可能多的选择算法进行执行,并比较执行结果模型的测试一般以以下几个方面进行比较,分别是准确率/召回率/精准率/F值 准确率(Accur
