EXCEL是我们工作中常用到工具，不要认为会点基本计算和各种函数就OK了。其实，EXCEL功能异常那个强大，如果善于利用能够极大提高工作效率，今天我们要讲的是EXCEL中一个十分实用的功能 — 名称管理器。对于经常使用EXCEL进行投资测算、数据分析和金融建模的朋友，它绝对是清神醒脑、滋阴养颜、延年益寿的效率。1朋友，在使用EXCEL进行计算与分析时，是否面临以下烦恼？1. 需要
转载
2023-12-28 10:58:00
20阅读
图像处理本章工作任务u 任务1：了解Pillow库的基本操作u 任务2：掌握图像格式转换u 任务3：掌握改变图像尺寸u 任务4：掌握剪裁图像u 任务5：掌握滤镜处理本章技能目标及重难点编号技能点描述级别1了解Pillow库的基本操作★2掌握图像格式转换★★3u掌握改变图像尺寸★★★4掌握剪裁图像★★★5掌握滤镜处理★★★注： "★"理解级别 "★★"掌握级别 "★★★"应用级别本章学习目标本章开始
转载
2024-05-31 12:03:55
69阅读
前言如果有一种方法可以将Excel与Python集成起来，该多好啊！现在有了：xlwings库允许我们通过VBA调用Python脚本来进行两者的交互！2为什么要将Python与Excel VBA集成？事实上，你可以在VBA中做任何事情。那么为什么要使用Python呢？原因有很多：1、你可以在Excel中创建一个自定义函数，而不需要学习VBA。2、使用Python可以显著加快数据操作的速度。3、P
转载
2024-09-11 20:52:06
45阅读
下载检测模型：CRAFT，然后下载 zh_sim_g2(中文语言) 和 english_g2（英文语言）即可，如果你有其它语言需要识别也可下载其它语言。解压后的.pth文件放入。
原创
2024-01-02 11:46:46
1022阅读
学习目录：一.sklearn转换器和估计器1.转换器（特征工程的父类） 2.估计器（sklearn机器学习算法的实现） 第一步：实例化一个estimator 第二步：estimator.fit(x_train,y_train)训练和计算（调用完毕，模型生成） 第三步：模型评估 1.直接比对真实值和预测值  
# 提高图文识别准确率的流程
作为一名经验丰富的开发者，我将指导你如何实现“python 提高图文识别准确率”。下面是整个流程的步骤概述：
| 步骤 | 描述 |
| ---- | ---- |
| 1 | 安装必要的 Python 库 |
| 2 | 收集和准备数据集 |
| 3 | 数据预处理 |
| 4 | 模型训练 |
| 5 | 模型评估和调优 |
| 6 | 模型应用 |
接下来
原创
2023-10-19 06:41:57
243阅读
1. 冒泡排序2. 计算 x 的 n 次方的方法3. 计算 aa + bb + c*c + ……4. 计算阶乘 n!5. 列出当前目录下的所有文件和目录名6. 把一个 list 中所有的字符串变成小写7. 输出某个路径下的所有文件和文件夹的路径8. 输出某个路径及其子目录下的所有文件路径9. 输出某个路径及其子目录下所有以.html 为后缀的文件10. 把原字典的键值对颠倒并生产新的字典11. 打
自然语言处理(ML),机器学习(NLP),信息检索(IR)等领域,评估(evaluation)是一个必要的工作,而其评价指标往往有如下几点:准确率(accuracy),精确率(Precision),召回率(Recall)和F1-Measure。本文将简单介绍其中几个概念。中文中这几个评价指标翻译各有不同，所以一般情况下推荐使用英文。 现在我先假定一个具体场景作为例子：假如某个班级有男生8
转载
2024-01-16 20:44:17
700阅读
准确率：正确的数量除以总数量准确率（accuracy），是一个用来衡量分类器预测结果与真实结果差异的一个指标，越接近于1说明分类结果越准确。举个例子，比如现在有一个猫狗图片分类器对100张图片进行分类，分类结果显示有38张图片是猫，62张图片是狗，经与真实标签对比后发现，38张猫的图片中有20张是分类正确的，62张狗的图片中有57张是分类正确的，那么准确率是多少呢？显然就应该是 （20+57）/1
转载
2023-10-26 12:27:09
582阅读
组合分类方法简介基本思想：组合分类把k个学习得到的模型（或基分类器）M1，M2，···，Mk组合在一起，旨在创建一个改进的复合分类器模型M*。使用给定的数据集D创建k个训练集D1，D2，···，Dk，其中Di用于创建分类器Mi。现在给定一个待分类的新数据元组，每个基分类器通过返回类预测进行投票。组合分类器基于基分类器的投票返回类预测。 目前常用的组合分类器有：装袋、提升和随机森林。下面就对这三种分
转载
2024-06-05 10:04:54
37阅读
在机器学习和深度学习的世界里，模型的性能评估是一个绕不开的话题。在这篇文章中，我们将讨论“准确率python”相关的问题，并深入探讨如何在Python中计算并优化模型的准确率。
以数据分类的模型为例，准确率是指正确预测的样本数占总样本数的比例。准确率的计算公式如下：
$$
Accuracy = \frac{TP + TN}{TP + TN + FP + FN}
$$
其中，$TP$ 是真正例
0、纳什系数NSE(Nash–Sutcliffe efficiency coefficient):用于评价模型质量的一个评价参数,一般用以验证水文模型模拟结果的的好坏，也可以用于其他模型。公式如下： 公式中Qo指观测值,Qm指模拟值,Qt（上标）表示第t时刻的某个值,Qo(上横线)表示观测值的总平均.E取值为负无穷至1,E接近1,表示模型质量好,模型可信度高；E接近0,表示模拟结果接近观测值的平均
【导读】2020年，在各大CV顶会上又出现了许多基于ResNet改进的工作，比如:Res2Net，ResNeSt，IResNet，SCNet等等。为了更好的了解ResNet整个体系脉络的发展，我们开设了一个最强ResNet改进系列专题，主要为大家介绍2020年最新发表在顶会顶刊上基于ResNet改进的论文，这些论文的创新点很值得参考借鉴！本文是【最强ResNet改进系列】第一篇文章，本文我们将着重
这项工作由香港科技大学，腾讯 AI lab，以及华中科技大学合作完成，目的是提升二值化卷积神经网络（1-bit CNN）的精度。虽然 1-bit CNN 压缩程度高，但是其当前在大数据集上的分类精度与对应的实值 CNN 相比有较大的精度下降。本文提出的 Bi-Real net 用 shortcut 传递网络中已有的实数值，从而提高二值化网络的表达能力，并且改进了现有的 1-bit CNN 训练方法
## Python imagehash.phash 如何提高准确率
在图像处理和计算机视觉中，图像哈希是一种用于比较和识别图像的技术。其中，`imagehash` 是一个用于计算和比较图像哈希值的 Python 库。`phash` 是其中的一种哈希算法，用于比较图像的感知相似度。然而，`phash` 算法在处理一些特定类型的图像时可能会出现准确率不高的情况。本文将介绍一些方法来提高基于 `ima
原创
2023-07-21 22:46:00
869阅读
## 实现准确率和召回率的流程
在机器学习和数据挖掘中，准确率（Precision）和召回率（Recall）是两个非常重要的评估指标。准确率表示模型预测结果中真实正例的比例，而召回率表示所有真实正例中被模型正确预测的比例。以下是实现这两个指标的步骤流程：
### 流程步骤表格
| 步骤 | 描述 |
|------
# Python准确率与召回率的计算方法
## 1. 概述
在机器学习和数据分析中，我们经常需要评估模型的性能。其中，准确率（accuracy）和召回率（recall）是两个常用的评估指标。准确率衡量了模型预测正确的样本数占总样本数的比例，而召回率则衡量了模型预测为正样本的正确率。本文将介绍如何使用Python计算准确率和召回率。
## 2. 计算准确率与召回率的步骤
下面是计算准确率和召
原创
2023-12-05 10:54:12
246阅读
resnet常见的网络结构有如下：代码实现如下主要分为以下步骤：定义网络结构、训练并测试网络、用测试集检查准确率、显示训练准确率、测试准确率变化曲线。# -*- coding:utf-8 -*-
#u"""ResNet训练学习CIFAR10"""
import torch as t
import torchvision as tv
import torch.nn as nn
import t
转载
2024-04-03 15:48:42
99阅读
机器学习(ML),自然语言处理(NLP),信息检索(IR)等领域,评估(Evaluation)是一个必要的 工作,而其评价指标往往有如下几点:准确率(Accuracy),精确率(Precision),召回率(Recall)和F1-Measure。准确率(accuracy) &nbs
转载
2023-12-28 08:53:53
271阅读
本章从线性回模型开始介绍两种不同的训练模型的方法：通过“闭式”方程，直接计算出最拟合训练集的模型参数（也就是使训练集上的成本函数最小化的模型参数）使用迭代优化的方法，即梯度下降，逐渐调整模型参数直至训练集上的成本函数调至最低，最终趋同于第一张放啊计算出来的模型参数。然后讨论多项式回归，参数比线性模式更多，更容易造成对训练数据过拟合，将通过学习曲线分辨这种情况的发生。最后学习两种经常用于分类任务的模
转载
2024-10-27 10:42:20
224阅读
