Pycaret-多类分类
pycaret对多类目标变量的预测。
2021-09-10 03:39:09
212KB
1
此代码是为两个或多个类实例混淆矩阵的形成和计算而设计的1准确度2.错误3.灵敏度（召回率或真阳性率） 4.特异性5.精密6.FPR-假阳性率7.F_score 8.MCC-Matthews相关系数9.kappa-Cohen's kappa 运行demo.m进行证明和演示开发人员 Er.Abbas Manthiri S 日期 25-12-2016 邮件 ID：abbasmanthiribe@gmail.com 编码基于附加参考
2021-09-03 15:13:41
8KB
1
MobileNet-SSD-RealSense
RaspberryPi3（Raspbian Stretch）或Ubuntu16.04 / UbuntuMate +神经计算棒（NCS / NCS2）+ RealSense D435（或USB Camera或PiCamera）+ MobileNet-SSD（MobileNetSSD）
【公告】2018年12月19日，OpenVINO支持RaspberryPi + NCS2！
【2018年12月31日】完成与NCS2的USB Camera + MultiStick + MultiProcess mode对应。 【2019年1月4日】演出四次。
2021-09-02 16:58:27
435.74MB
1
lightgbm（xgboost）中的焦点损失和标签平滑，用于多类
此损失函数包含焦点损失[1]和标签平滑[2]，现在仅支持lightgbm用于多类（类> 3，它将在以后支持xgboost和二进制类问题）
标签平滑
平滑值表示ε的值：
焦点损失
其中alpha，gamma是焦距损失的参数，为：
alpha用于不平衡样本，gamma用于难以学习的样本，在多类问题中，alpha似乎毫无用处。
用法：
1.导入损失函数库
import lightgbm as lgb
import lossfunction as lf
import numpy as np
2.初始化损失函数
focal_loss_lgb = lf.ComplexLoss(gamma = 0.5)
param_dist= {'objective':focal_loss_lgb.focal_loss}
param_dist['nu
2021-08-24 17:36:36
2KB
1
提供拼多多最新类目下载，拼多多类目是excel
序号 9大分类 9大分类序号 一级分类 二级分类 三级分类 四级分类 名称
1 家居生活 0 0 -1 -1 -1 饰品/流行首饰/时尚饰品
2 家居生活 0 0 0 -1 -1 摆件
3 家居生活 0 0 0 0 -1 摆件
4 家居生活 0 0 1 -1 -1 保养鉴定用品
2021-08-08 12:29:36
554KB
1
对等丢失功能
此存储库是ICML2020接受的“”的Pytorch Pytorch实现。
所需的包装和环境
支持的操作系统： Windows，Linux，Mac OS X； 的Python：3.6 / 3.7;
深度学习库： PyTorch（需要GPU）
所需软件包： Numpy，Pandas，random，sklearn，tqdm，csv，火炬（如果要估计噪声转换矩阵，则需要Keras）。
实用工具
该存储库包括：
:clipboard: 对等丢失功能的多类实现；
:clipboard: 深度学习中的对等丢失功能；
:clipboard: Peer Loss功能的动态调整策略可进一步提高性能。
运行详细信息（ 每个文件夹的README.md文件中都提到了MNIST，Fashion MNIST，CIFAR-10，CIFAR-100上具有不同噪声设置的对等丢失功能。
的工作流程 加权对等损失函数包括：
决策边界可视化
给定2D合成
2021-07-05 20:43:27
128.59MB
1