Tensor基础2——张量的计算 1. 张量的数值计算 1)张量基本运算 加减乘除取负号: add、sub、mul、div、neg add_(其中带下划线的版本会修改原数据) 123456789101112131415161718192021222324252627282930313233data = torch.randint(0, 10, [2, 3])print(data)>>> tens 2021-02-12 深度学习 #笔记整理 #张量
ROC曲线原理及绘制 ROC曲线(Receiver Operating Characteristic Curve)是一种用于评价二分类模型性能的图形工具。它展示了模型在不同阈值下的分类性能,通过绘制假阳性率(FPR)和真阳性率(TPR)之间的关系来表现。 2021-02-11 机器学习 #ROC曲线 #模型评估
Tensor基础1——张量的创建与转换 1. 张量的创建 1)张量的基本创建方式 torch.tensor 根据指定数据创建张量 torch.Tensor 根据形状创建张量, 其也可用来创建指定数据的张量 torch.IntTensor、torch.FloatTensor、torch.DoubleTensor 创建指定类型的张量 1、torch.tensor() 根据指定数据创建张量 123456789101112 2021-02-11 深度学习 #笔记整理 #张量
CatBoost简明教程 一 CatBoost简介 CatBoost和XGBoost、LightGBM并称为GBDT的三大主流神器,都是在GBDT算法框架下的一种改进实现。 正如其名字所说那样,CatBoost主要是在类别特征上的处理上做了很多的改进。 2020-10-11 集成学习 #机器学习 #模型框架 #集成学习
XGBoost参数调优 在机器学习中,参数调优是一门玄学,因为模型的最优参数可能依赖于许多场景。因此,不可能为参数调优创建一个全面的指南。本文尝试为XGBoost中的参数提供一些指导。 2020-10-01 集成学习 #机器学习 #回归模型 #参数调优
模型调优指南--过拟合 过拟合是机器学习模型在训练数据上表现很好,但在新数据上表现不佳的一种现象。它的发生通常是由于模型过于复杂,以至于能够记住训练数据的噪声和细节,而不是学习到数据的普遍模式和特征。以下是导致过拟合的常见原因以及相应的解决方法: 2020-06-21 AI基础 #笔记整理 #机器学习 #模型训练
进栈与出栈-递归案例演示 栈作为一种基本的数据结构,其简单性和高效性使得它在各种计算和编程任务中具有广泛的应用。理解和掌握栈的原理和操作,对于编写高效、可靠的代码至关重要。 2020-06-01 数据结构 #笔记整理 #栈 #递归